Комплексирование измерителей при некратности частот следования показаний и выходных оценок

  • Valeriy Mariafovich Ponyatsky Акционерное общество «Конструкторское бюро приборостроения им. академика А. Г. Шипунова» http://orcid.org/0000-0001-8326-165X
  • Boris Vladislavovich Zenov Акционерное общество «Конструкторское бюро приборостроения им. академика А. Г. Шипунова» http://orcid.org/0000-0003-1914-8892

Аннотация

Рассматриваются вопросы комплексирования измерений с двух датчиков, моменты получения измерений с которых не совпадают по времени, при этом требуемые моменты выдачи результатов их обработки также лежат внутри интервалов между показаниями. Предложено несколько вариантов алгоритмов объединения на основе калмановской фильтрации как с использованием централизованного фильтра, так и на основе параллельно работающих частных фильтров в рамках децентрализованной фильтрации. Описана адаптация параметров фильтра к работе в условиях неэквидистантной сетки рабочих тактов. Рассмотрены варианты объединения оценок состояния процесса внутри контура фильтрации и за его пределами. Сравнение методов выполняется с точки зрения величины относительной среднеквадратической ошибки получаемой на выходе оценки. Отдельно анализируются случай равноточных измерений и случай, когда уровень шумов в показаниях датчиков значительно различается. Работоспособность методов исследуется при различных значениях ширины полосы пропускания, определяемой соотношением интенсивности шума процесса и шума измерения.

Сведения об авторах

Valeriy Mariafovich Ponyatsky, Акционерное общество «Конструкторское бюро приборостроения им. академика А. Г. Шипунова»

начальник отдела, кандидат технических наук

Boris Vladislavovich Zenov, Акционерное общество «Конструкторское бюро приборостроения им. академика А. Г. Шипунова»

ведущий инженер-исследователь

Литература

[1] Bar-Shalom Y., Campo L. The Effect of the Common Process Noise on the Two-Sensor Fused-Track Covariance. IEEE Transactions on Aerospace and Electronic Systems. 1986; AES-22(6):803-805. (In Eng.) DOI: https://doi.org/10.1109/TAES.1986.310815
[2] Willner D., Chang C.B., Dunn K.P. Kalman filter algorithms for a multi-sensor system. In: 1976 IEEE Conference on Decision and Control including the 15th Symposium on Adaptive Processes. Clearwater, FL, USA; 1976. p. 570-574. (In Eng.) DOI: https://doi.org/10.1109/CDC.1976.267794
[3] Roecker J.A., McGillem C.D. Comparison of two-sensor tracking methods based on state vector fusion and measurement fusion. IEEE Transactions on Aerospace and Electronic Systems. 1988; 24(4):447-449. (In Eng.) DOI: https://doi.org/10.1109/7.7186
[4] Gan Q., Harris C.J. Comparison of two measurement fusion methods for Kalman-filter-based multisensor data fusion. IEEE Transactions on Aerospace and Electronic Systems. 2001; 37(1):273-279. (In Eng.) DOI: https://doi.org/10.1109/7.913685
[5] Armesto L., Tornero J., Vincze M. Fast Ego-motion Estimation with Multi-rate Fusion of Inertial and Vision. The International Journal of Robotics Research. 2007; 26(6):577-589. (In Eng.) DOI: https://doi.org/10.1177/0278364907079283
[6] Chong C.-Y., Mori S., Barker W.H., Chang K.-C. Architectures and algorithms for track association and fusion. IEEE Aerospace and Electronic Systems Magazine. 2000; 15(1):5-13. (In Eng.) DOI: https://doi.org/10.1109/62.821657
[7] Dhuli R., Kandagadla M., Lall B. Multirate Kalman Filter for Sensor Data Fusion. In: Proceedings of the Fifteenth National Conference on Communications (NCC 2009). January 16-18, 2009, Guwahati, India; 2009. p. 229-233. (In Eng.)
[8] Yan L.P., Liu B.S., Zhou D.H. The Modeling and Estimation of Asynchronous Multirate Multisensory Dynamic Systems. Aerospace Science and Technology. 2006; 10(1):63-71. (In Eng.) DOI: https://doi.org/10.1016/j.ast.2005.09.001
[9] Bar-Shalom Y. Update with out-of-sequence measurements in tracking: exact solution. IEEE Transactions on Aerospace and Electronic Systems. 2002; 38(3):769-777. (In Eng.) DOI: https://doi.org/10.1109/TAES.2002.1039398
[10] Alexander H.L. State estimation for distributed systems with sensing delay. Proc. SPIE. Data Structures and Target Classification. 1991; 1470: 103-111. (In Eng.) DOI: https://doi.org/10.1117/12.44843
[11] Larsen T.D., Andersen N.A., Ravn O., Poulsen N.K. Incorporation of time delayed measurements in a discrete-time Kalman filter. In: Proceedings of the 37th IEEE Conference on Decision and Control (Cat. No.98CH36171). Tampa, FL, USA. 1998; 4:3972-3977. (In Eng.) DOI: https://doi.org/10.1109/CDC.1998.761918
[12] Sahebsara M., Chen T., Shah S.L. Optimal fast-rate soft-sensor design for multi-rate processes. In: 2006 American Control Conference. Minneapolis, MN, USA; 2006. p. 976-981. (In Eng.) DOI: https://doi.org/10.1109/ACC.2006.1655485
[13] Hara T., Tomizuka M. Multi-rate controller for hard disk drive with redesign of state estimator. In: Proceedings of the 1998 American Control Conference. ACC (IEEE Cat. No.98CH36207). Philadelphia, PA, USA. 1998; 5:3033-3037. (In Eng.) DOI: https://doi.org/10.1109/ACC.1998.688414
[14] Mallick M., Coraluppi S., Carthel C. Advances in asynchronous and decentralized estimation. In: 2001 IEEE Aerospace Conference Proceedings (Cat. No.01TH8542). Big Sky, MT, USA. 2001; 4:1873-1888. (In Eng.) DOI: https://doi.org/10.1109/AERO.2001.931505
[15] Nettleton E.W., Durrant-Whyte H.F. Delayed and asequent data in decentralized sensing networks. In: Proc. SPIE - Sensor Fusion and Decentralized Control in Robotic Systems. 2001; 4571:1-9. (In Eng.) DOI: https://doi.org/10.1117/12.444148
[16] Zhang K., Li X.R., Zhu Y. Optimal update with out-of-sequence measurements. IEEE Transactions on Signal Processing. 2005; 53(6):1992-2004. (In Eng.) DOI: https://doi.org/10.1109/TSP.2005.847830
[17] Mallick M., Krant J., Bar-Shalom Y. Multi-sensor multi-target tracking using out-of-sequence measurements. In: Proceedings of the Fifth International Conference on Information Fusion. FUSION 2002. (IEEE Cat.No.02EX5997). Annapolis, MD, USA. 2002; 1:135-142. (In Eng.) DOI: https://doi.org/10.1109/ICIF.2002.1021142
[18] Steffes S. Computationally Distributed Real-Time Dual Rate Kalman Filter. Journal of Guidance, Control, and Dynamics. 2014; 37(4):1064-1086. (In Eng.) DOI: https://doi.org/10.2514/1.G000179
[19] Anitha R., Renuka S., Abudhahir A. Multi sensor data fusion algorithms for target tracking using multiple measurements. In: 2013 IEEE International Conference on Computational Intelligence and Computing Research. Enathi, India; 2013. p. 1-4. (In Eng.) DOI: https://doi.org/10.1109/ICCIC.2013.6724283
[20] Gao J.B., Harris C.J. Some remarks on Kalman Filters for the multisensory fusion. Information Fusion. 2002; 3(3):191-201. (In Eng.) DOI: https://doi.org/10.1016/S1566-2535(02)00070-2
[21] Guo Y., Zhao Y., Huang B. Development of soft sensor by incorporating the delayed infrequent and irregular measurements. Journal of Process Control. 2014; 24(11):1733-1739. (In Eng.) DOI: https://doi.org/10.1016/j.jprocont.2014.09.006
[22] Wang Y., Kostić D., Jansen S.T.H., Nijmeijer H. Filling the gap between low frequency measurements with their estimates. In: 2014 IEEE International Conference on Robotics and Automation (ICRA). Hong Kong, China; 2014. p. 175-180. (In Eng.) DOI: https://doi.org/10.1109/ICRA.2014.6906606
[23] Sun S.L., Deng Z.L. Multi-sensor optimal information fusion Kalman filter. Automatica. 2004;40(6):1017-1023. (In Eng.) DOI: https://doi.org/10.1016/j.automatica.2004.01.014
[24] Feddaoui A., Boizot N., Busvelle E., Hugel V. High-gain extended Kalman filter for continuous-discrete systems with asynchronous measurements. International Journal of Control. 2020; 93(8):2001-2014. (In Eng.) DOI: https://doi.org/10.1080/00207179.2018.1539525
[25] Luo R.C., Chang C.C., Lai C.C. Multisensor Fusion and Integration: Theories, Applications, and its Perspectives. IEEE Sensors Journal. 2011; 11(12):3122-3138. (In Eng.) DOI: https://doi.org/10.1109/JSEN.2011.2166383
[26] Castanedo F. A Review of Data Fusion Techniques. The Scientific World Journal. 2013; 2013:704504. (In Eng.) DOI: https://doi.org/10.1155/2013/704504
[27] Smith D., Singh S. Approaches to Multisensor Data Fusion in Target Tracking: A Survey. IEEE Transactions on Knowledge and Data Engineering. 2006; 18(12):1696-1710. (In Eng.) DOI: https://doi.org/10.1109/TKDE.2006.183
[28] Durrant-Whyte H., Henderson T.C. Multisensor Data Fusion. In: Siciliano B., Khatib O. (ed.) Springer Handbook of Robotics. Springer, Berlin, Heidelberg; 2008. p. 585-610. (In Eng.) DOI: https://doi.org/10.1007/978-3-540-30301-5_26
[29] Bar-Shalom Y., Fortmann T. Tracking and Data Association. Academic Press, New York; 1988. (In Eng.)
[30] Manyika J., Durrant-Whyte H.F. Data Fusion and Sensor Management: A Decentralized Information-Theoretic Approach. Ellis Horwood, New York; 1994. (In Eng.)
[31] Blackman S.S., Popoli R.F. Design and Analysis of Modern Tracking Systems. Artech House, Boston; 1999. (In Eng.)
Опубликована
2020-11-30
Как цитировать
PONYATSKY, Valeriy Mariafovich; ZENOV, Boris Vladislavovich. Комплексирование измерителей при некратности частот следования показаний и выходных оценок. Международный научный журнал «Современные информационные технологии и ИТ-образование», [S.l.], v. 16, n. 3, p. 575-581, nov. 2020. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/680>. Дата доступа: 25 sep. 2021 doi: https://doi.org/10.25559/SITITO.16.202003.575-581.
Раздел
Когнитивные информационные технологии в системах управления

Наиболее читаемые статьи этого автора (авторов)