Wyniki 1-10 spośród 16 dla zapytania: authorDesc:"Stanisław Konatowski"

Algorytm filtracji cząstkowej nieliniowego systemu dynamicznego

Czytaj za darmo! »

Rozwój algorytmów filtracji nieliniowej spowodował dynamiczny rozwój systemów zintegrowanych. W artykule został opisany projekt zaawansowanego algorytmu takiej filtracji, bazujący na filtracji cząstkowej, wraz z wybranymi wynikami badań. Skutkiem zastosowania integracji i filtracji nieliniowej jest znaczna poprawa dokładności określania parametrów systemów. Abstract. The development of nonlinear filtering algorithms caused the rapid development of integrated systems. The article described a draft of such an advanced filtering algorithm, based on partial filtration, together with selected results of simulation tests. The result of application integration and nonlinear filtering is a considerable improvement in the accuracy of determining the parameters of the systems. (The development of nonlinear filtering algorithms) Słowa kluczowe: filtracja nieliniowa, filtr cząstkowy. Keywords: nonlinear filtration, Particle Filter. Wprowadzenie Istota filtracji polega na sekwencyjnym szacowaniu stanu dynamicznego systemu na podstawie kolejnych zakłóconych pomiarów parametrów systemu [1,5]. Model systemu składa się z modelu dynamicznego oraz z modelu obserwacji. System jest nieliniowy, jeżeli spełniony jest przynajmniej jeden z warunków, tzn. jego model dynamiczny jest nieliniowy lub jego model obserwacji jest nieliniowy. Modele systemu są nieliniowe, jeżeli funkcja stanu i/lub funkcja pomiarowa są funkcjami nieliniowymi [2,6]. Najpopularniejszym algorytmem filtracji nieliniowej jest algorytm rozszerzonego filtru Kalmana EKF (Extended Kalman Filter) [5]. Koncepcja tego algorytmu opiera się na linearyzacji równania stanu i/lub równania pomiarowego wokół poprzedniej lub aktualnie przewidywanej oceny (estymaty). System linearyzowany jest reprezentowany przez jakobiany nieliniowych funkcji stanu i/lub pomiaru. Do wad rozszerzonego filtru Kalmana należy czasochłonność obliczeń oraz błędy wynikające z użycia jedynie wyrazów pierwszego rzędu rozwi[...]

Porównanie dokładności estymacji położenia obiektów przez nieliniowe filtry Kalmana


  Pojęcie filtracji i estymacji stanu. Filtracja odnosi się do estymacji modelu stanu k x [7-9], który jest obserwowany pośrednio przez pomiary kPomiary są zakłócane przez szum pomiarowy o znanym rozkładzie ( ) k k p y | x . Ewolucja stanów między poszczególnymi pomiarami modelowana jest przez proces Markowa p ( ) . 1 | k k - x x Celem estymowania stanów procesu jest jak najdokładniejsze określanie stanu k x na podstawie pomiarów k y . Zgodnie z założeniami filtracji optymalnej, podstawowym zadaniem filtru optymalnego jest dostarczanie przybliżonej postaci rozkładu stanów. Im bardziej dokładne jest to przybliżenie, tym lepszy jest algorytm filtracji [6,13]. Korzystając z podstawowych praw statystyki można wnioskować o rozkładzie a posteriori stanu k x w każdym kroku uwarunkowanym wszystkimi pomiarami: . (2) Równania rekursywne do sekwencyjnego obliczania rozkładu a posteriori zwane są równaniami filtracji bayerowskiej [7,11]. Obliczenia zaczynają się od rozkładu początkowego: , (3) następnie rozkłady posteriori mogą być sukcesywnie wyznaczane z równań: , (4) (5) gdzie stała normalizacyjna jest definiowana następująco Prawdopodobieństwo brzegowe, z którego otrzymuje się przewidywany rozkład pomiarów k y przy danych wcześniejszych pomiarach jest określone jako: . (6) Zauważyć należy, że prawdopodobieństwo brzegowe wyraża się tak samo jak stała normalizacyjna Zk. Algorytm filtracji Kalmana Filtr Kalmana odnosi się do liniowego modelu dynamiki opisywanego w czasie dyskretnym. Optymalną ocenę stanu według kryterium minimalnej wartości błędu średniokwadratowego można przeprowadzać pod warunkiem, że znany jest model dynamiki i model obserwacji [7-12]. Wektor stanu zdefiniowany jest równaniem różnicowym: , (7) zaś wektor pomiarowy równaniem algebraicznym: , (8) gdzie zakłócenia posiadają następujące właściwości statystyczne:Powyższe oznaczenia zdefiniowane są następująco: - ( ) k k x = x t jest stanem systemu (wektorem o wymi[...]

Samochodowy system pozycjonujący

Czytaj za darmo! »

W artykule przedstawiono projekt samochodowego systemu pozycjonującego DR/GPS, w którym dane nawigacyjne obu systemów przetwarzane są wspólnie za pomocą algorytmu komplementarnego filtru Kalmana. System DR spełnia rolę systemu odniesienia, a odbiornik systemu GPS jest źródłem danych korekcyjnych w tym algorytmie. Zaprezentowano opis struktury zintegrowanego systemu pozycjonującego, scharakteryz[...]

Ocena dokładności procesu estymacji przez wybrane filtry nieliniowe

Czytaj za darmo! »

W artykule opisano wykorzystanie bezśladowego filtru Kalmana i bezśladowego filtru Kalmana w wariancie rozszerzonym do oceny dokładności procesu estymacji. Dokładność filtracji, poza określaniem błędów średniokwadratowych RMSE, oceniano poprzez statystyczne testowanie innowacji za pomocą: testu wartości oczekiwanej, testu białości oraz testu WSSR (weighted-sum-squared-residual). Abstract. The paper describes the use of Unscented Kalman Filter and augmented Unscented Kalman Filter for accuracy evaluation of the estimation process. Filtration accuracy was evaluated not only by root mean square errors RMSE but also by statistical testing of innovations through: the expected value test and whiteness test WSSR (weighted-sum-squared-residual) as well. (Accuracy evaluation of the estimation process by selected non-linear filters) Słowa kluczowe: filtracja nieliniowa, bezśladowy filtr Kalmana, estymacja. Keywords: nonlinear filtration, Unscented Kalman Filter, estimation. Metody oceny dokładności estymacji Dokładność estymacji rozszerzonego lub bezśladowego filtru Kalmana jest zależna od tego, w jaki sposób linearyzowane są funkcje procesu i pomiaru oraz w jaki sposób filtr uwzględnia błędy linearyzacji. Aby ocenić dokładność estymacji stosuje się dwa przeciwstawne kryteria: spójności estymaty stanu oraz jej wartości informacyjnej [4]. Problem spójności estymaty stanu uwidacznia się wtedy, gdy obliczona estymata stanu oraz jej macierz kowariancji stają się niezgodne. Sytuacja taka prowadzi do tzw. rozbieżności filtru. Spowodowane jest to osiąganiem przez macierz kowariancji stanu bardzo małych wartości, które już nie reprezentują w sposób wiarygodny niepewności estymaty stanu. Konsekwencją takiego stanu jest przywiązywanie przez filtr zbyt dużej wagi do estymaty podczas przetwarzania nowych pomiarów, tj. filtr przyjmuje, że estymata jest bardzo dokładna - co nie jest prawdą. Wystarczy, że raz pojawi się taka niezgodność i kolejne estyma[...]

Ocena efektywności filtracji nieliniowej w procesie namierzania obiektu manewrującego

Czytaj za darmo! »

W artykule rozpatrzono problem śledzenia obiektu, który porusza się z nieznaną i zmienną w czasie prędkością kątową. Jest to typowe zachowanie obiektu manewrującego, które może być pomocne w testowaniu filtrów nieliniowych. Do estymowania miejsca położenia obiektu zastosowano rozszerzony filtr Kalmana oraz bezśladowy filtr Kalmana. Przedstawione wyniki stanowią podstawę do projektowania dokładniejszych algorytmów estymacji położenia obiektu. Abstract. The paper deals with the problem of tracking an object that moves with an unknown and variable in time angular velocity. This is typical behavior of maneuvering object, which may be helpful in the testing of nonlinear filters. To estimate the object position Extended Kalman Filter and Unscented Kalman Filter is used. The presented results provide a basis for designing more accurate algorithms for object position estimation. (Nonlinear filtering effectiveness evaluation in the process of maneuvering object tracking) Słowa kluczowe: filtracja nieliniowa, rozszerzony filtr Kalmana, bezśladowy filtr Kalmana, namierzanie. Keywords: nonlinear filtration, Extended Kalman Filter, Unscented Kalman Filter, tracking. Wstęp Do określania położenia źródła emisji elektromagnetycznej powszechnie wykorzystuje się systemy namiarowe. Stosowane w praktyce dwuwymiarowe algorytmy określenia położenia obiektu w przestrzeni cechują się niewystarczającą dokładnością. Częstą tego przyczyną jest nieuwzględnianie informacji o wysokości obiektu. W złożonych sytuacjach pomiarowych, estymacja miejsca obiektu wykorzystująca klasyczną metodę rozwiązywania równań liniowych opartą na metodzie najmniejszych kwadratów, prowadzi do powstania dużych błędów oceny położenia źródła emisji lub, niejednokrotnie, uniemożliwia jej określanie [1-3]. Zatem istotnego znaczenia nabiera kwestia projektowania dokładniejszych i bardziej niezawodnych rozwiązań. Istota estymacji położenia obiektu Algorytm określania miejsca obiektu, na [...]

Algorytmy nieliniowej filtracji stosowane w systemach pozycjonujących


  Celem każdego systemu pozycjonowania jest wyznaczanie aktualnego stanu pojazdu (pozycji, prędkości, kursu) na podstawie danych pomiarowych otrzymywanych z takich czujników, jak np.: żyroskop, przyspieszeniomierz, kompas, system INS, system GPS oraz na podstawie przewidywanych wyników uzyskanych z wiedzy o modelu jego ruchu [4]. Układy takie występujące w praktyce są najczęściej systemami nieliniowymi i stąd wynika konieczność wykorzystywania nieliniowych algorytmów estymacji. Dokładność estymacji w tego typu systemach jest niezwykle ważna, ale i trudna do osiągnięcia. Rozwiązanie bayesowskie takiego problemu wymaga uciążliwych przekształceń całej funkcji gęstości rozkładu prawdopodobieństwa. Dlatego w praktycznych zastosowaniach estymatory powinny być pewnym przybliżeniem. Opracowano wiele typów takiej aproksymacji, ale większość z nich jest obliczeniowo niewykonalna, bądź wymaga przyjęcia pewnych założeń upraszczających postaci sygnału, w związku z czym nie są one w praktyce realizowane. Z tych i innych powodów filtr Kalmana, który wykorzystuje jedynie dwie pierwsze zmienne wektora stanu (wartość średnią i kowariancję), pozostaje najczęściej stosowanym algorytmem estymacji. W artykule omówiono metodę nieliniowej, gaussowskiej estymacji opartej na filtrze cząstkowym. Dodatkowo, aby poprawić dokładność estymacji filtru cząstkowego zaproponowano wykorzystanie filtru Kalmana [6-8] w procesie aktualizacji świeżo otrzymywanych danych obserwacyjnych. Filtracja Kalmana Filtracja potrzebna jest wtedy, gdy należy estymować wektor stanu z zaszumianych informacji lub gdy należy estymować go na podstawie informacji z wielu czujników. Kiedy układ i model obserwacji są liniowe, wówczas minimalna kowariancja błędu estymatora stanu może być zapewniona przez kowariancyjny filtr Kalmana (KF). Jeżeli natomiast zachodzi potrzeba rozwiązania problemu filtracji nieliniowej, wówczas bardzo dobrym rozwiązaniem jest rozszerzony filtr Kalmana (Exten[...]

Metody integracji systemów INS/GNSS


  Zadania nawigacji sprowadzają się do odpowiedzi na pytania, które powstają podczas ruchu osób i pojazdów. Przede wszystkim jest to pytanie o miejsce położenia obiektu nawigowanego. Może być nim np. osoba, pojazd lądowy, obiekt pływający nawodny lub podwodny, statek powietrzny lub statek kosmiczny. Odpowiedź na to pytanie jest równocześnie rozwiązaniem zadania pozycjonowania. W celu ułatwienia nawigacji w warunkach stale rosnącego zagęszczenia ruchu, wzrostu prędkości maksymalnej pojazdów oraz wymagań ich użytkowników, niezbędna staje się automatyzacja obliczeń realizowana w zintegrowanych systemach pozycjonujących i nawigacyjnych [1, 2, 5]. W pozycjonowaniu i nawigacji pojazdów powszechne zastosowanie znajdują systemy zintegrowane złożone z systemu nawigacji inercjalnej INS (Inertial Navigation System) [4] i odbiornika GNSS (Global Navigation Satellite Systems) [3], oznaczane skrótem INS/GNSS. Systemy takie mogą być zintegrowane metodą filtracji lub kompensacji z korekcją w przód lub wstecz. W zależności od stopnia centralizacji algorytmu przetwarzania danych, mogą być one luźno lub ściśle zintegrowane [1]. Wybór jednej z metod integracji zależy zwykle od rodzaju integrowanych przyrządów nawigacyjnych i od uwarunkowań aplikacji (wymaganej dokładności, dostępnej mocy obliczeniowej itd.). Integracja metodą filtracji Integracja INS i odbiornika GNSS metodą filtracji polega na przetwarzaniu danych z obu urządzeń nawigacyjnych i estymacji elementów nawigacyjnych opisujących ruch pojazdu, takich jak położenie, prędkość i orientacja przestrzenna. Schemat blokowy takiego systemu INS/GNSS przedstawiono na rys. 1. Stopień integracji obu przyrządów zależy od tego, czy INS i odbiornik GNSS są traktowane jako systemy, czy jako czujniki oraz od stopnia sprzężenia pomiędzy nimi. Jeśli INS i odbiornik GNSS są traktowane jako systemy dostarczające wstępnie przetworzonych danych w postaci obliczonych elementów nawigacyjnych (położenia, prędk[...]

Zintegrowany system korekcji nawigacyjnej radaru SAR dla miniaturowego bezzałogowego statku powietrznego

Czytaj za darmo! »

Przedmiotem artykułu jest opis problemu korekcji nawigacyjnej radaru SAR operującego z pokładu miniaturowego bezzałogowego statku powietrznego (mini BSP) oraz przedstawienie możliwych rozwiązań systemu korekcyjnego. Jest to jedno z kluczowych zagadnień, rozwiązywanych przez konsorcjum złożone z Wojskowej Akademii Technicznej oraz WB Electronics S.A., realizujące projekt badawczy oznaczony akronimem WATSAR, którego celem jest opracowanie, wykonanie i zbadanie demonstratora technologii radarowego systemu zobrazowania terenu. Abstract. The paper presents the problem of motion compensation (MOCO) of SAR radar operating aboard miniature unmanned aerial vehicles (UAV) and its possible solutions. This is one of key problems to be solved by a Consortium composed of the Military University of Technology and WB Electronics S.A., realizing a grant under acronym WATSAR. The aim of the project consists in designing, manufacturing and testing a demonstrator of a radar terrain observation system. (Integrated Motion Compensation System of SAR Radar for Mini UAV). Słowa kluczowe: SAR, BSP, INS, GNSS. Keywords: SAR, UAV, INS, GNSS. Wstęp Bezzałogowe statki powietrzne (BSP) znajdują coraz liczniejsze zastosowania cywilne i wojskowe [1, 2, 3, 4]. Jedną z możliwych aplikacji tego typu pojazdów jest obserwacja terenu z wykorzystaniem kamer światła widzialnego, kamer podczerwieni lub sensorów radarowych. Obecnie konsorcjum złożone z Wojskowej Akademii Technicznej oraz przedsiębiorstwa WB Electronics S.A. realizuje projekt badawczy oznaczony akronimem WATSAR, którego celem jest opracowanie, wykonanie i przebadanie demonstratora technologii radarowego systemu zobrazowania terenu o parametrach oraz gabarytach umożliwiających zainstalowanie go na miniaturowym bezpilotowym statku powietrznym (mini BSP, ang. Unmanned Aerial Vehicle - UAV). Projekt przewidziany do realizacji na lata 2012-2015 jest wykonywany w ramach Programu Badań Stosowanych finansowanego pr[...]

Zastosowanie filtracji cząsteczkowej do estymacji stanu obiektu dynamicznego

Czytaj za darmo! »

Artykuł przedstawia projekt algorytmu estymacji stanu obiektu dynamicznego, w efekcie działania którego wyznaczane są aktualne parametry stanu. W trakcie projektowania filtrów nieliniowych stosowane są pewne przybliżenia funkcji gęstości prawdopodobieństwa stanu. Teoria proponuje wiele typów aproksymacji, ale większość z nich wymaga przyjęcia dodatkowych założeń dotyczących postaci sygnału, w związku z czym nie są one w praktyce realizowane. Artykuł przedstawia metodę niegaussowskiej estymacji nieliniowej opartą na filtrze cząsteczkowym. Abstract. The paper presents the design of estimation algorithm for the state of dynamic object. As a result of its actions current state parameters are determined. During the design of non-linear filters in some approximation of the probability density function of state are used. Theoretically, there are many known types of approximation, but most of them require additional assumptions about the character signal, and therefore they are not implemented in practice. In this paper nonlinear estimation method based on the particle filter was tested. (Using the particle filtration to estimate the state of dynamic object). Słowa kluczowe: filtr cząsteczkowy, filtracja nieliniowa. Keywords: Particle Filter, nonlinear filtration. Wprowadzenie Filtracja nieliniowa wykorzystuje sekwencyjne szacowanie stanu obiektu dynamicznego, bazując na zakłóconych pomiarach parametrów takiego systemu [1,3,6]. W tym celu konieczne jest opracowanie dwóch modeli systemu. Pierwszy z nich jest modelem dynamicznym (1) opisującym zależność aktualnego stanu systemu od stanu poprzedniego, drugi jest natomiast modelem obserwacji (2) przedstawiającym zależność pomiędzy pomiarami, a stanem obiektu [1-2,4-6]: (1) xk f xk k Gk wk 1 [ , ] [...]

Pokładowy rejestrator niebezpiecznych zdarzeń w ruchu drogowym


  Pokładowy rejestrator jest urządzeniem zapisującym wybrane i ważne dane charakteryzujące stan pojazdu, w celu określenia okoliczności zaistniałego niebezpiecznego zdarzenia (kolizji). Przy użyciu tych informacji określana jest przyczyna, przebieg zdarzenia, a także mogą być podjęte działania prewencyjne eliminujące podobne sytuacje. Analiza zarejestrowanych danych może być pomocna także w poprawie infrastruktury drogowej, konstrukcji pojazdów oraz w projektowaniu systemów wspierających kierowcę. Stąd każde pokładowe urządzenie rejestrujące ma wpływ na poprawę poziomu bezpieczeństwa w ruchu drogowym [1-2, 5-6]. Aktualnie, w przypadku niebezpiecznych zdarzeń, można odtworzyć dane z przebiegu wypadku bez wprowadzania dodatkowych urządzeń elektronicznych odpowiedzialnych za sterowanie układami pojazdu. Jednakże proces ten bywa często mało wiarygodny. W pojazdach samochodowych, w których powszechnie stosowane są różne układy elektroniczne, nie ma technicznych przeszkód, aby dodatkowo instalować rejestratory. Na rynku motoryzacyjnym dostępne są urządzenia o działaniu podobnym do lotniczych rejestratorów lotu [7]. Zadaniem ich jest rejestracja wielkości charakteryzujących ruch pojazdu, aktywność kierowcy oraz stanu otoczenia. Artykuł zawiera projekt systemu rejestrującego niebezpieczne zdarzenia drogowe. Rodzaje pokładowych urządzeń rejestrujących W Unii Europejskiej pokładowe rejestratory parametrów funkcjonują pod nazwą EDR (Event Data Recorder) lub UDS (Unfall Daten Speicher), a na terenie USA jako ADR (Accident Data Recorder) [2, 5]. Charakterystyka standardów rejestracji Urządzenia produkcji amerykańskiej - ADR, działające w oparciu o algorytmy opracowane przez National Highway Traffic Safety Administration, kładą nacisk na bezpieczeństwo nie tylko kierowcy ale również pasażerów. Standardy europejskie, stosowane w odpowiednikach urządzeń ADR, są jednak bardziej rygorystyczne w zakresie inicjowania zapisu, czasu trwania zapis[...]

 Strona 1  Następna strona »