1. SCSIT
  2. All Volumes and Issues
  3. Volume 686, 2010
  4. Адаптивна фільтрація параметрів руху об‘єкта у горизонтальній площині

Адаптивна фільтрація параметрів руху об‘єкта у горизонтальній площині

SCSIT.
2010;
Volume 686
: pp. 224 - 233
Authors: 

М.В. Раєвський

ТОВ «КБ „НАВІС-Україна“», м. Сміла, Черкаська область, Україна

Реалізована процедура використання алгоритму класичного фільтра Калмана для оцінки параметрів руху об’єкта, що маневрує. Застосування фільтра Калмана мотивовано необхідністю мінімізувати дисперсію оцінки вектора випадкового процесу. Результати оцінки параметрів руху обробляють згладжуючим алгоритмом Рауч–Тюнга– Штрібеля також з метою мінімізації дисперсії. Алгоритми Калмана та Рауча–Тюнга– Штрібеля можна застосовувати для використання в оцінці параметрів руху автомобіля, повітряного судна, бойового снаряду.

The procedure of using of the classical Kalman filter algorithm to estimate the parameters of the maneuvering object motion is implemented. The Kalman filter application is motivated by the necessity the variance of the vector random process estimation to be minimized. The effects of motion parameters estimation are processed by the Rauch-Tung- Striebel smoother to minimize the variance too. The Kalman filter and Rauch-Tung-Striebel smoother can be applied for using to estimate the motion parameters of the vehicle, aircraft or missile is devoted to the solving task of property prediction on the basis of analogical inference.

Kalman filter
position
Rauch-Tung-Striebel smoother
extrapolation
velocity
variance
update
acceleration
state vector
  1. Сергиенко А.Б., Жежнич П.І. Алгоритмы адаптивной фильтрации: особенности реализации в MATLAB.
  2. Roweis, S. and Ghahramani, Z., A unifying review of linear Gaussian models. – Neural Comput. – February 1999. – Vol. 11, N 2. – Р. 305–345
  3. Калянов Г.Н. CASE. Структурный системный анализ. – М.: Лори, 1996.
  4. Glentis G.O., Berberidis K., Theodoridis S. Efficient Least Squares Adaptive Algorithms for FIR Transversal Filtering // IEEE Signal Processing Magazine. – 1999. – Vol. 16. – N 4. – P. 13–41.
  5. Chui C.K., Chen G. Kalman Filtering with Real-Time Applications, Fourth Edition. – Springer-Verlag Berlin, 2009. – 229 p.
  6. Балакришнан А.В. Теория фильтрации Калмана / Пер. с англ. – М: Мир, 1988. – С. 71–156.
  7. Mohinder S. Grewal, Angus P. Andrews. Kalman Filtering: Theory and Practice using Matlab, Second Edition. – Wiley & Sons Interscience, 2001. – P. 114–165.
  8. Лазарев Ю.Ф. Начала программирования в среде MatLAB: Учеб. пособие. – К.: НТУУ «КПИ», 2003. – С. 12–140.