Omawiany problem lokalizacji polega na estymacji położenia pieszego na podstawie odczytów nawigacji satelitarnej i zliczeniowej. W referacie opisano właściwości nawigacji satelitarnej i zliczeniowej, wprowadzono nieliniowy model dynamiki pieszego i zaproponowano metodę połączenia odczytów obu metod nawigacji przy użyciu rozszerzonej filtracji Kalmana dostosowanej do kolorowego szumu pomiarowego. Przedstawiono zbudowany system pomiarowy i uzyskane wyniki doświadczalne.
EN
The point of pedestrian location problem is to estimate the position on the basis of satellite navigation and dead-reckoning navigation readings. This paper describes the characteristics of satellite navigation and dead- reckoning navigation, introduces nonlinear pedestrian dynamics model, and proposes a method for combining the readings of navigation methods using extended Kalman filtering adapted for coloured measurement noise. Developed measuring system is presented, and experimental results are described.
W artykule opisane zostały algorytmy filtracji nieliniowej (rozszerzona filtracja Kalmana, bezśladowa filtracja Kalmana, bezśladowa filtracja Kalmana w wariancie rozszerzonym i filtracja cząstkowa) stosowana powszechnie do estymacji położenia. Dodatkowo zaprezentowane zostały rezultaty złożonych badań symulacyjnych porównujących jakość estymacji analizowanych rodzajów filtrów nieliniowych dla złożonej nieliniowości wektora stanu. Ocena jakości procesu filtracji została przeprowadzona w środowisku MATLAB. Przedstawione wyniki stanowią podstawę do projektowania dokładniejszych algorytmów estymacji położenia obiektu.
EN
In this paper several types of nonlinear filtrations (Extended Kalman Filtering, Unscended Kalman Filtering, Augmented Unscended Kalman Filtering and Particle Filtering) widely used to position estimation and their algirithms are described. Additionally complex simulations results, which are to compare abilities of analyzed nonlinear filtrates for different nonlinearities, are shown. The comparison of filtration quality was done in MATLAB environment. The presented results provide a basis for designing more accurate algorithms for object position estimation.
Radar pasywny wykorzystuje istniejące źródła promieniowania elektromagnetycznego w celu detekcji oraz śledzenia obiektów latających. Najczęściej wykorzystywanymi w radiolokacji pasywnej źródłami promieniowania są nadajniki radia, telewizji oraz stacje bazowe telefonii komórkowej. W artykule przedstawiono algorytm śledzenia obiektów z wykorzystaniem pomiarów z wielu par nadajnik-odbiornik. Algorytm jest oparty na rozszerzonym filtrze Kalmana z wykorzystaniem sekwencyjnej aktualizacji trasy wykryciami odpowiadającymi poszczególnym nadajnikom.
EN
A passive radar uses existing sources of electromagnetic radiation in order to detect and track airborne targets. The most popular signal sources used by a passive radar are radio and television transmitters or mobile phone base stations. In the paper, a tracking algorithm that utilizes measurements from multiple transmitter-receiver pairs is presented. The algorithm is based on the extended Kalman filter with track updating performed sequentially, using measurements corresponding to different transmitters.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.