Фильтрация состояния нелинейной динамической системы по наблюдениям со случайными запаздываниями

Обложка

Цитировать

Полный текст

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.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Российская академия наук, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».