Фильтрация состояния нелинейной динамической системы по наблюдениям со случайными запаздываниями

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Представлена модель стохастической системы наблюдения, позволяющая учесть временные задержки между поступившим наблюдением и фактическим состоянием наблюдаемого объекта, сформировавшим эти наблюдения. Такого рода задержки возможны при наблюдении за движением объекта в водной среде с применением акустических сонаров и оказывают принципиальное влияние на точность отслеживания положения. Приведены уравнения для решения оптимальной в среднем квадратическом задачи фильтрации. Поскольку практическое использование оптимального решения фактически невозможно из-за вычислительной сложности, основное внимание уделено альтернативному, неоптимальному, но вычислительно эффективному подходу. Именно, к предложенной модели адаптирован условно-минимаксный нелинейный фильтр (УМНФ), сформулированы достаточные условия существования его оценки. Проведен вычислительный эксперимент на близкой к практическим потребностям модели. Результаты эксперимента показали, с одной стороны, работоспособность УМНФ в рассматриваемой модели, с другой - значительное падение качества оценивания в сравнении с моделью без случайной задержки наблюдений, что можно рассматривать как источник для дальнейшего исследования модели и связанных с нею задач.

Об авторах

А. В. Босов

Федеральный исследовательский центр “Информатика и управление” РАН

Автор, ответственный за переписку.
Email: abosov@frccsc.ru
Москва

Список литературы

  1. Bar-Shalom Y., X.-R. Li, Kirubarajan T. Estimation with Applications to Tracking and Navigation: Theory, Algorithms and Software. John Wiley & Sons, Inc. 2002.
  2. Ehlers F. (Ed.) Autonomous Underwater Vehicles: Design and Practice (Radar, Sonar & Navigation). London, UK: SciTech Publishing, 2020.
  3. Luo J., Han Y., Fan L. Underwater Acoustic Target Tracking: A Review // Sensors. 2018. V. 18. No. 1(112).
  4. Ghafoor H., Noh Y. An Overview of Next-Generation Underwater Target Detection and Tracking: An Integrated Underwater Architecture // IEEE Access. 2019. V. 7. P. 98841-98853.
  5. Su X., Ullah I., Liu X., Choi D. A Review of Underwater Localization Techniques, Algorithms, and Challenges // J. Sensors. 2020. V. 2020 (6403161).
  6. Kalman R.E. A New Approach to Linear Filtering and Prediction Problems // Trans. ASME-J. Basic Engineer. 1960. V. 82. Ser. D. P. 35-45.
  7. Bernstein I., Friedland B. Estimation of the State of a Nonlinear Process in the Presence of Nongaussian Noise and Disturbances // J. Franklin Instit. 1966. V. 281. No. 6. P. 455-480.
  8. Julier S.J., Uhlmann J.K., Durrant-Whyte H.F. A new approach for ltering nonlinear systems // Proc. IEEE Amer. Control Conf. (ACC'95), 1995. P. 1628-1632.
  9. Menegaz H.M.T., Ishihara J.Y., Borges G.A., Vargas A.N. A Systematization of the Unscented Kalman Filter Theory // IEEE Trans. Autom. Control. 2015. V. 60. No. 10. P. 2583-2598.
  10. Christ R.D., Wernli R.L. The ROV Manual: A User Guide for Remotely Operated Vehicles. 2nd Edition. Oxford, UK: Butterworth-Heinemann, 2013.
  11. Miller A., Miller B., Miller G. Navigation of Underwater Drones and Integration of Acoustic Sensing with Onboard Inertial Navigation System // Drones. 2021. V. 5. No. 3 (83).
  12. Borisov A., Bosov A., Miller B., Miller G. Passive Underwater Target Tracking: Conditionally Minimax Nonlinear Filtering with Bearing-Doppler Observations // Sensors. 2020. V. 20. No. 8 (2257).
  13. Pankov A.R., Bosov A.V. Conditionally minimax algorithm for nonlinear system state estimation // IEEE Trans. Autom. Control. 1994. V. 39. No. 8. P. 1617-1620.
  14. Bertsekas D.P., Shreve S.E. Stochastic Optimal Control: The Discrete-Time Case. N.Y.: Academic Press, 1978.
  15. Chen Z. Bayesian Filtering: From Kalman Filters to Particle Filters, and Beyond // Statist. 2003. V. 182. No. 1. P. 1-69.
  16. Борисов А.В., Босов А.В., Кибзун А.И., Миллер Г.Б., Семенихин К.В. Метод условно-оптимальной нелинейной фильтрации и современные подходы к оцениванию состояний нелинейных стохастических систем // АиТ. 2018. № 1. С. 3-17.
  17. Ширяев А.Н. Вероятность. М.: Наука, 1989.
  18. Пугачев В.С. Рекуррентное оценивание переменных и параметров в стохастических системах, описываемых разностными уравнениями // ДАН СССР. 1978. Т. 243. № 5. С. 1131-1133.
  19. Пугачев В.С. Оценивание переменных и параметров в дискретных нелинейных системах // АиТ. 1979. № 6. С. 63-79.
  20. Weirathmueller M., Weber T.C., Schmidt V., McGillicuddy G., Mayer L., Hu L. Acoustic Positioning and Tracking in Portsmouth Harbor, New Hampshire // Proc. OCEANS 2007, Vancouver, BC, Canada, 29 September - 4 October, 2007. P. 1-4.

© Российская академия наук, 2023

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах