Wyniki 1-10 spośród 12 dla zapytania: authorDesc:"Piotr KANIEWSKI"

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 [ , ] [...]

Zastosowanie metody wariancji Allana do analizy źródeł błędów losowych czujników inercjalnych


  Czujniki inercjalne są szeroko stosowane w systemach nawigacyjnych, aplikacjach autopilotów, układach stabilizacji położenia platform, czy w systemach digitalizacji ruchu (Motion Capture). Niezależnie od aplikacji, implementowany w systemie czujnik musi spełniać jej specyficzne wymagania. Producenci czujników inercjalnych zwykle podają jedynie ich podstawowe parametry, które pozwalają określić tylko przybliżoną dokładność pozycjonowania w systemie INS [1, 2]. Dokładniejszą informację o parametrach szumowych czujników można uzyskać wyznaczając na podstawie serii pomiarów funkcję gęstości widmowej mocy PSD (Power Spectral Density) lub korzystając z metody analizy w dziedzinie czasu, tzw. metody wariancji Allana AV (Allan Variance). Analiza metodą wariancji Allana Metoda AV do badania parametrów szumowych sensorów inercjalnych została opisana w normach IEEE po raz pierwszy w 1997 r. Opublikowany dokument dotyczy procedur testowania i formatowania dokumentacji dla jednoosiowych interferometrycznych giroskopów optycznych [3]. W 2005 r. organizacja IEEE opublikowała normę dotyczącą praktyk testowania, zbierania oraz analizy danych pomiarowych sensorów inercjalnych [4]. W tym samym roku norma ta została zatwierdzona przez organizacje ANSI (American National Standards Insitute) i IEEE -SA Standards Board. Pierwotnie metoda AV wykorzystywana była do mierzenia stabilności oscylatorów [5]. Obecnie wykorzystuje się ją również do określania rodzaju i oceny źródeł zakłócających dane pomiarowe dowolnych przyrządów. Analiza danych przy pomocy metody AV realizowana jest w dziedzinie czasu, a charakteryzowane procesy są funkcją czasu uśredniania zbiorów pomiarowych τ. Metoda polega na obliczeniu i graficznym przedstawieniu odchylenia standardowego σ (τ) różnic wartości średnich y- wielkości mierzonej x w sąsiadujących ze sobą przedziałach czasowych o długości τ, przy założeniu stałego czasu próbkowania oraz nieskończenie[...]

Zastosowanie czujników inercjalnych w nawigacji personalnej DOI:10.15199/ELE-2014-035


  Bezwładnościowa nawigacja pieszych (ang. Personal Dead- Reckoning) polega na określaniu położenia osoby w danej chwili czasu oraz wyznaczaniu trajektorii przemieszczeń na podstawie informacji pochodzących z czujników inercjalnych (przyspieszeniomierze oraz giroskopy) [10]. Należy ona do tzw. metod zliczania drogi, w której położenie obiektu określane jest za pomocą dwukrotnego całkowania mierzonych przyspieszeń. Położenie obiektu wyznaczane jest jako suma przyrostów współrzędnych w określonym kierunku z początkowymi wartościami współrzędnych. W celu zliczania drogi należy zatem dysponować informacją o orientacji przestrzennej, w tym o kierunku ruchu (kursie), oraz o przyspieszeniach liniowych [11]. Zaletą systemów bezwładnościowych jest ich autonomiczność, dzięki czemu zadanie pozycjonowania może być realizowane bez wykorzystania zewnętrznych źródeł informacji, np. odbiornika GPS. Cecha ta ma zasadnicze znaczenie dla służb operujących wewnątrz budynków (np. straż pożarna), gdzie sygnał GPS jest najczęściej niedostępny. Ponadto wykorzystanie systemów bazujących na GPS jest niepożądane w niektórych zastosowaniach wojskowych. Wadą nawigacji bezwładnościowej jest narastanie błędów w czasie, wobec czego rozwijane są także systemy nawigacji pieszych wykorzystujące aktywne źródła sygnałów: podczerwieni [4], ultradźwięków [9]. Systemy takie wymagają zastosowania wyspecjalizowanej infrastruktury, co znacząco ogranicza ich wykorzystanie. Cechują się jednak błędami określania położenia obiektu, które są niezależne od czasu [10]. Metody nawigacji pieszych oparte o analizę obrazu uzyskiwanego z jednej lub wielu kamer wizyjnych są obecnie dynamicznie rozwijane. Systemy takie wykorzystują algorytm SLAM (ang. Simultanous Localization And Mapping), w którym urządzenie tworzy mapę otoczenia oraz określa względem niego własną lokalizację [5]. Wysoki potencjał algorytmu SLAM został dostrzeżony przez Google, które w ramach projektu "Tango" ro[...]

Pakiet programowy do badań symulacyjnych zintegrowanych systemów nawigacyjnych DOI:10.12915/pe.2014.08.039

Czytaj za darmo! »

Przedmiotem artykułu jest opis pakietu programowego IRENA służącego do badań symulacyjnych urządzeń nawigacyjnych, algorytmów przetwarzania danych nawigacyjnych oraz zintegrowanych systemów korekcji nawigacyjnej radaru SAR. W referacie omówiono strukturę, funkcjonalność i postępy prac nad pakietem. Pakiet powstaje w ramach realizacji projektu badawczego oznaczonego akronimem WATSAR, którego celem jest opracowanie, wykonanie i zbadanie demonstratora technologii radarowego systemu zobrazowania terenu. Abstract. The paper describes a software toolbox IRENA intended for simulative testing navigation devices, algorithms of navigation data processing and various types of integrated navigation systems for SAR motion compensation. The paper describes the structure, functionality and progress of works on the toolbox. The toolbox is created in the frame of research grant under acronym WATSAR, aimed at designing, manufacturing and testing a demonstrator of a radar terrain observation system. (Software Toolbox for Simulation of Integrated Navigation Systems). Słowa kluczowe: symulacja komputerowa, SAR, BSP, INS, GNSS, filtr Kalmana, wygładzanie optymalne. Keywords: computer simulation, SAR, UAV, INS, GNSS, Kalman filter, optimal smoothing. doi:10.12915/pe.2014.08.39 Wstęp Bezzałogowe statki powietrzne (BSP) znajdują obecnie coraz liczniejsze zastosowania cywilne i wojskowe. 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). Projekt przewidziany [...]

Algorytmy wygładzania stosowane w zintegrowanym systemie nawigacyjnym radaru SAR DOI:10.12915/pe.2014.08.042

Czytaj za darmo! »

Zintegrowane systemy nawigacyjne INS/GNSS (Inertial Navigation System / Global Navigation Satellite System) odgrywają istotną rolę w procesie korekcji nawigacyjnej radaru SAR (Synthetic Aperture Radar). Niezależny system korekcji nawigacyjnej radaru SAR powinien zapewniać przetwarzanie danych nawigacyjnych stosując różne algorytmy filtracji lub wygładzania. W artykule opisano algorytmy wygładzające: w stałym punkcie, w stałym przedziale oraz ze stałym opóźnieniem. Abstract. Inertial Navigation System and Global Navigation Satellite System (INS/GNSS) have an important role during the process of motion compensation in Synthetic Aperture Radar (SAR). Independent system of motion compensation of SAR radar should provide processing of navigational data with use of different filtration or smoothing algorithms. In this paper following smoothing algorithms are described: fixed-point, fixedinterval and fixed-lag. (Smoothing algorithms used in integrated navigation system of SAR radar). Słowa kluczowe: filtracja, filtr Kalmana, wygładzanie (w stałym punkcie, w stałym przedziale, ze stałym opóźnieniem). Keywords: filtration, Kalman Filter, Fixed-point smoothing, Fixed-interval smoothing, Fixed-lag smoothing. doi:10.12915/pe.2014.08.42 Wstęp Systemy nawigacyjne INS/GNSS (Inertial Navigation System / Global Navigation Satellite System) odgrywają istotną rolę w procesie korekcji nawigacyjnej radaru SAR (Synthetic Aperture Radar) i mogą być luźno lub ściśle zintegrowanymi systemami nawigacyjnymi [2-4]. Niezależny system korekcji nawigacyjnej radaru SAR powinien zapewniać przetwarzanie danych nawigacyjnych stosując różne algorytmy filtracji lub wygładzania. Takie rozwiązanie umożliwia wykorzystanie systemu nie tylko jako źródła danych korekcyjnych radaru SAR, ale również jako samodzielnego pokładowego systemu nawigacyjnego, a nawet jako źródła danych pomiarowych dla układu stabilizacji systemu antenowego. Algorytm filtra Kalmana W teorii estymacj[...]

Algorytmy rekonstrukcji trajektorii bezzałogowego statku powietrznego DOI:10.15199/48.2015.03.13

Czytaj za darmo! »

W artykule przedstawiono ideę zastosowania algorytmów wygładzania do rekonstrukcji trajektorii bezzałogowego statku powietrznego oraz przykład zastosowania wygładzania w stałym przedziale w zintegrowanym systemie nawigacyjnym. Artykuł zawiera wprowadzenie do zagadnień związanych z filtracją i wygładzaniem realizowanym off-line w liniowych układach dyskretnych. Podano dyskretny odpowiednik modelu dynamiki i obserwacji przyjętego systemu nawigacyjnego. Następnie omówiono przebieg obliczeń i wyniki dla wygładzania w stałym przedziale. Abstract. This article presents an idea of applying smoothing algorithms for reconstitution of Unmanned Aerial Vehicle trajectory and an example of application of fixed-interval smoothing in the integrated navigation system. The article contains an introduction to the subject of filtering and off-line smoothing in linear discrete-time systems. A discrete equivalent of the dynamics and observation model for the assumed navigation system is given. Next, the process of calculations and results of the fixed-interval smoothing are discussed. (Algorithms of Reconstruction of Unmanned Aerial Vehicle Trajectory). Słowa kluczowe: system nawigacyjny, model dyskretny systemu, filtr Kalmana, wygładzanie w stałym przedziale. Keywords: navigation system, discrete state space model, Kalman filter, fixed-interval smoothing. Wstęp W artykule przedstawiono wykorzystanie algorytmów wygładzania, stanowiących specyficzne rodzaje algorytmów estymacji, do rekonstrukcji trajektorii bezzałogowych statków powietrznych (BSP). Ten szczególny rodzaj statków powietrznych, określany w języku angielskim jako UAV (Unmanned Aerial Vehicle), jest współcześnie szeroko wykorzystywany przez siły powietrzne wielu państw. Dzięki zastosowaniu przyrządów nawigacyjnych oraz optycznych lub radarowych systemów obserwacyjnych, możliwa jest realizacja przez BSP autonomicznych misji rozpoznania i obserwacji terenu. Obecnie konsorcjum złożone z Wojskowej[...]

SYSTEM NAWIGACJI PERSONALNEJ OPARTY NA MODUŁACH ULTRASZEROKOPASMOWYCH DOI:10.15199/13.2019.3.6


  Zagadnienie nawigacji personalnej jest podejmowane obecnie przez wiele instytucji badawczych oraz firm. Dostępne na rynku rozwiązania oferują możliwość dokładnego określania położenia użytkownika dzięki zastosowaniu systemów nawigacji satelitarnej bądź systemów nawigacji inercjalnej. Mimo ogromnej popularności, rozwiązania wykorzystujące odbiorniki takich systemów jak GPS, nie są doskonałe. Podstawowym w praktyce występującym ograniczeniem funkcjonalności satelitarnych systemów nawigacyjnych jest konieczność zapewnienia widoczności sfery niebieskiej, w taki sposób, aby przeszkody terenowe, takie jak budynki, nie znajdowały się na drodze sygnału. W związku z tym pozycjonowanie wewnątrz obiektów zamkniętych charakteryzuje się niską jakością lub jest niemożliwe. Rosnące zapotrzebowanie na dużą dokładność określania miejsca położenia użytkownika wewnątrz budynków powoduje, że w ostatnich czasach powstaje wiele nowych rozwiązań tego problemu, wykorzystujących inercjalne jednostki pomiarowe lub sygnały niepochodzące od satelitów, lecz lokalnie wygenerowane [2,4]. W niniejszym artykule zaprezentowano system wykorzystujący technikę ultraszerokopasmową, która ze względu na szereg przydatnych cech, takich jak częściowa przenikalność sygnałów przez przeszkody, jest coraz powszechniej używana do celów nawigacyjnych [4]. STRUKTURA SYSTEMU Opisywany system opiera się na wykorzystaniu pomiaru odległości pomiędzy modułami ultraszerokopasmowymi UWB w celu wyznaczenia położenia użytkownika. Jeden z modułów zainstalowany jest w stacji mobilnej, w którą wyposażony jest użytkownik, natomiast pozostałe są elementami czterech stacji bazowych, które są rozmieszczane wokół budynku lub pomieszczenia, w którym ma być prowadzona nawigacja. Do poprawnego działania systemu niezbędna jest znajomość współrzędnych położenia stacji bazowych, które wykorzystywane są podczas procesu pozycjonowania. Na rysunku 1 przedstawiono strukturę wykonanego systemu n[...]

 Strona 1  Następna strona »