Непрерывные фильтры частиц и их реализация в реальном масштабе времени
Ключевые слова:
оптимальное оценивание, оптимальная фильтрация, параллельное программирование, стохастическая система, стохастические дифференциальные уравнения, фильтр частиц
Аннотация
Основной целью является разработка и тестирование программного обеспечения для оптимального оценивания траекторий непрерывных стохастических систем по результатам измерений с помощью непрерывных фильтров частиц. Программное обеспечение разработано с применением технологии параллельного программирования OpenMP на базе среды разработки приложений Microsoft Visual Studio и пакета Intel Parallel Studio (язык программирования C/C++). Разработанное программное обеспечение реализует два варианта фильтров частиц для непрерывных систем наблюдения и оценивания. В качестве примера рассмотрена задача отслеживания координат и скоростей самолета, осуществляющего маневр в горизонтальной плоскости.
Скачивания
Данные скачивания пока не доступны.
Литература
1. Сравнительный анализ среднеквадратической погрешности определения координат объекта в бесплатформенной инерциальной навигационной системе при использовании различных алгоритмов нелинейной фильтрации / А. С. Конаков [и др.] // Доклады ТУ-СУР. – 2012. – No 1 (25), ч. 1. – С. 5–9.
2. Сопоставление методов фильтрации в задачах статистической регуляризации при оценивании параметров радиолокационных систем / А. А. Сытник [и др.] // Вестник Воронеж. гос. ун-та. Сер. Системный анализ и информационные технологии. – 2013. – No 1. – C. 10–16.
3. Сопоставительный анализ ансцентного и расширенного фильтров Калмана при вторичной обработке информации в спутниковых радионавигационных системах / А. Н. Мороз [и др.] // Доклады БГУИР. – 2014. – No 4 (82). – С. 66–72.
4. Солонар, А. С. Особенности применения методов дискретной фильтрации для задач сопровождения баллистических объектов, совершающих спиральный маневр / А. С. Солонар, П. А. Хмарский // Доклады БГУИР. – 2015. – No 1 (87). – С. 71–77.
5. Кудрявцева, И. А. Анализ эффективности расширенного фильтра Калмана, сигма-точечного фильтра Калмана и сигма-точечного фильтра частиц / И. А. Кудрявцева // Научный вестник МГТУ ГА. – 2016. – No 224 (2). – С. 43–51.
6. Куликова, М. В. Численно устойчивые реализации фильтра Калмана для оценивания линейных парных марковских моделей с гауссовым шумом / М. В. Куликова, Ю. В. Цыганова // Вычислительные технологии. – 2017. – Т. 22, No 3. – С. 45–60.
7. Рыбаков, К. А. Статистические методы анализа и фильтрации в непрерывных стохастических системах / К. А. Рыбаков. – Москва : Изд-во МАИ, 2017. – 176 с.
8. Методы описания, анализа и синтеза нелинейных систем управления / В. В. Семенов [и др.]. – Москва : Изд-во МАИ, 1993. – 312 с.
9. Bain, A. Fundamentals of Stochastic Filter-ing / A. Bain, D. Crisan. – Springer, 2009. – 404 p.
10. Rybakov, K. A. Robust Duncan – Mortensen – Zakai equation for non-stationary stochastic systems / K. A. Rybakov // Proceedings of the 2017 International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON) (Novosibirsk Akademgorodok, Russia, September 18–22, 2017). – IEEE, 2017. – P. 151–154.
11. Руденко, Е. А. Оптимальный нелинейный рекуррентный фильтр с конечной памятью / Е. А. Руденко // Известия РАН. Теория и системы управления. – 2018. – No 1. – С. 45–63.
12. Рыбаков, К. А. Применение фильтра частиц в задаче оценивания траектории спускаемого аппарата при аэродинамическом торможении / К. А. Рыбаков // Актуальные проблемы прикладной математики, информатики и механики : сб. тр. Междунар. на-уч.-техн. конф. (Воронеж, 18–20 декабря 2017 г.). – Воронеж: Изд-во «Научно-исследовательские публикации», 2017. – С. 863–872.
13. Куликова, М. В. Численные методы нелинейной фильтрации для обработки сигналов и измерений / М. В. Куликова, Г. Ю. Куликов // Вычислительные технологии. – 2016. – Т. 21, No 4. – С. 64–98.
14. Arasaratnam, I. Cubature Kalman fil-tering for continuous-discrete systems: theo ry and simulations / I. Arasaratnam, S. Haykin, T. R. Hurd // IEEE Transactions on Signal Processing. – 2010. – V. 58, no. 10. – P. 4977–4993.
15. Bar-Shalom, Y. Estimation with Applica-tions to Tracking and Navigation / Y. Bar-Shalom, X. R. Li, T. Kirubarajan. – John Wiley & Sons, 2001. – 580 p.
16. Синицын, И. Н. Фильтры Калмана и Пугачева / И. Н. Синицын. – Москва : Логос, 2007. – 776 с.
17. Степанов, О. А. Применение теории нелинейной фильтрации в задачах обработки навигационной информации / О. А. Степанов. – Санкт-Петербург : ЦНИИ «Электро-прибор», 2003. – 370 с.
18. Аверина, Т. А. Верификация численных методов решения систем со случайной структурой / Т. А. Аверина. – Новосибирск : РИЦ НГУ, 2015. – 178 с.
19. Аверина, Т. А. Построение алгоритмов статистического моделирования систем со случайной структурой / Т. А. Аверина. – Новосибирск : РИЦ НГУ, 2015. – 155 с.
20. Кузнецов, Д. Ф. Стохастические дифференциальные уравнения: теория и практика численного решения. C программами в среде Matlab / Д. Ф. Кузнецов // Дифференциальные уравнения и процессы управления. – 2017. – No 2.
21. Särkkä, S.On unscented Kalman filtering for state estimation of continuous-time nonlinear systems / S. Särkkä // IEEE Transactions on Automatic Control. – 2007. – V. 52, No. 9. – P. 1631–1641.
2. Сопоставление методов фильтрации в задачах статистической регуляризации при оценивании параметров радиолокационных систем / А. А. Сытник [и др.] // Вестник Воронеж. гос. ун-та. Сер. Системный анализ и информационные технологии. – 2013. – No 1. – C. 10–16.
3. Сопоставительный анализ ансцентного и расширенного фильтров Калмана при вторичной обработке информации в спутниковых радионавигационных системах / А. Н. Мороз [и др.] // Доклады БГУИР. – 2014. – No 4 (82). – С. 66–72.
4. Солонар, А. С. Особенности применения методов дискретной фильтрации для задач сопровождения баллистических объектов, совершающих спиральный маневр / А. С. Солонар, П. А. Хмарский // Доклады БГУИР. – 2015. – No 1 (87). – С. 71–77.
5. Кудрявцева, И. А. Анализ эффективности расширенного фильтра Калмана, сигма-точечного фильтра Калмана и сигма-точечного фильтра частиц / И. А. Кудрявцева // Научный вестник МГТУ ГА. – 2016. – No 224 (2). – С. 43–51.
6. Куликова, М. В. Численно устойчивые реализации фильтра Калмана для оценивания линейных парных марковских моделей с гауссовым шумом / М. В. Куликова, Ю. В. Цыганова // Вычислительные технологии. – 2017. – Т. 22, No 3. – С. 45–60.
7. Рыбаков, К. А. Статистические методы анализа и фильтрации в непрерывных стохастических системах / К. А. Рыбаков. – Москва : Изд-во МАИ, 2017. – 176 с.
8. Методы описания, анализа и синтеза нелинейных систем управления / В. В. Семенов [и др.]. – Москва : Изд-во МАИ, 1993. – 312 с.
9. Bain, A. Fundamentals of Stochastic Filter-ing / A. Bain, D. Crisan. – Springer, 2009. – 404 p.
10. Rybakov, K. A. Robust Duncan – Mortensen – Zakai equation for non-stationary stochastic systems / K. A. Rybakov // Proceedings of the 2017 International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON) (Novosibirsk Akademgorodok, Russia, September 18–22, 2017). – IEEE, 2017. – P. 151–154.
11. Руденко, Е. А. Оптимальный нелинейный рекуррентный фильтр с конечной памятью / Е. А. Руденко // Известия РАН. Теория и системы управления. – 2018. – No 1. – С. 45–63.
12. Рыбаков, К. А. Применение фильтра частиц в задаче оценивания траектории спускаемого аппарата при аэродинамическом торможении / К. А. Рыбаков // Актуальные проблемы прикладной математики, информатики и механики : сб. тр. Междунар. на-уч.-техн. конф. (Воронеж, 18–20 декабря 2017 г.). – Воронеж: Изд-во «Научно-исследовательские публикации», 2017. – С. 863–872.
13. Куликова, М. В. Численные методы нелинейной фильтрации для обработки сигналов и измерений / М. В. Куликова, Г. Ю. Куликов // Вычислительные технологии. – 2016. – Т. 21, No 4. – С. 64–98.
14. Arasaratnam, I. Cubature Kalman fil-tering for continuous-discrete systems: theo ry and simulations / I. Arasaratnam, S. Haykin, T. R. Hurd // IEEE Transactions on Signal Processing. – 2010. – V. 58, no. 10. – P. 4977–4993.
15. Bar-Shalom, Y. Estimation with Applica-tions to Tracking and Navigation / Y. Bar-Shalom, X. R. Li, T. Kirubarajan. – John Wiley & Sons, 2001. – 580 p.
16. Синицын, И. Н. Фильтры Калмана и Пугачева / И. Н. Синицын. – Москва : Логос, 2007. – 776 с.
17. Степанов, О. А. Применение теории нелинейной фильтрации в задачах обработки навигационной информации / О. А. Степанов. – Санкт-Петербург : ЦНИИ «Электро-прибор», 2003. – 370 с.
18. Аверина, Т. А. Верификация численных методов решения систем со случайной структурой / Т. А. Аверина. – Новосибирск : РИЦ НГУ, 2015. – 178 с.
19. Аверина, Т. А. Построение алгоритмов статистического моделирования систем со случайной структурой / Т. А. Аверина. – Новосибирск : РИЦ НГУ, 2015. – 155 с.
20. Кузнецов, Д. Ф. Стохастические дифференциальные уравнения: теория и практика численного решения. C программами в среде Matlab / Д. Ф. Кузнецов // Дифференциальные уравнения и процессы управления. – 2017. – No 2.
21. Särkkä, S.On unscented Kalman filtering for state estimation of continuous-time nonlinear systems / S. Särkkä // IEEE Transactions on Automatic Control. – 2007. – V. 52, No. 9. – P. 1631–1641.
Опубликован
2018-06-06
Как цитировать
Рыбаков, К. А., & Ющенко, А. А. (2018). Непрерывные фильтры частиц и их реализация в реальном масштабе времени. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (3), 56-64. https://doi.org/10.17308/sait.2018.3/1231
Выпуск
Раздел
Математические методы системного анализа и управления
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
