Hybrid Method of Integrating Spaced Sensors for Adaptive Identification of Stationary and Mobile Objects under Conditions of a Priori Uncertainty

Capa

Citar

Texto integral

Acesso aberto Acesso aberto
Acesso é fechado Acesso está concedido
Acesso é fechado Acesso é pago ou somente para assinantes

Resumo

В рамках совместного применения классического статистического подхода, основанного на вероятностных моделях, а также нетрадиционного подхода, ориентированного на принципы непрерывности, размножения и кластеризации, для совокупности разнесенных в пространстве датчиков (произвольного типа) развит новый метод адаптивной идентификации стационарных и подвижных объектов. Задача решается применительно к условиям существенной априорной неопределенности, связанной, например, с наличием в измерениях плохо формализуемых аномальных ошибок измерений, сбоями в работе и выходе из строя отдельных датчиков или значительными изменениями условий наблюдения объекта идентификации. Приводятся модели, критерий и алгоритм идентификации, устойчивый к такой неопределенности. В качестве примера сравнительного анализа использована триангуляционная система датчиков, для которой показан эффект, достигаемый за счет адаптации. Даны практические рекомендации.

Sobre autores

Y. Bulychev

Email: profoulychev@yandex.ru

Bibliografia

  1. Черняк В.С. Многопозиционная радиолокация. М.: Радио и связь, 1993.
  2. Куприянов А.И., Петренко П.Б., Сычев М.П. Теоретические основы радиоэлектронной разведки. М.: Изд-во МГТУ им. Н.Э. Баумана, 2010.
  3. Бердышев В.П., Гарни Е.Н., Фомин А.Н. Радиолокационные системы. Красноярск: Изд-во Сибир. федер. ун-та, 2021.
  4. Берба В.С., Татарский Б.Г. Основы теории радиолокационных систем и комплексов. М.: Техносфера, 2024.
  5. Zekavat S., Buehrer R. Handbook of Position Location: Theory Practice and Advances. Second ed. Hoboken. New Jersey: Wiley-IEEE Press, 2019.
  6. Репин В.Г., Тартаковский Г.П. Статистический синтез при априорной неопределенности и адаптация информационных систем. М.: Сов. радио, 1977.
  7. Жданюк Б.Ф. Основы статистической обработки траекторных измерений. М.: Сов. радио, 1978.
  8. Фомин А.Ф., Новоселов О.Н., Плющев А.В. Отбраковка аномальных результатов измерений. М.: Энергоатомиздат, 1985.
  9. Будычев Ю.Г., Будычев В.Ю., Ивахина С.С. и др. Обоснование методов оптимального оценивания параметров движения цели в триангуляционной измерительной системе // ТиСУ. 2015. № 4. С. 94–110.
  10. Будычев Ю.Г., Будычев В.Ю., Ивахина С.С. и др. Классификация инвариантов пассивной локации и их применение // ТиСУ. 2015. № 6. С. 133–143.
  11. Wang X., Wang A., Wang D., et al. A modified Sage-Husa adaptive Kalman filter for state estimation of electric vehicle servo control system // Energy Reports. 2022. V. 8. No. 5. P. 20–27.
  12. Иванов А.В., Шишкин В.Ю., Бойков Д.В. и др. Адаптивные алгоритмы обработки информации в навигационных комплексах подвижных наземных объектов // РЭ. 2021. Т. 66. № 8. С. 760–771.
  13. Каланов А.А., Лукин О.В., Цыганова Ю.В. Об алгоритме адаптивной фильтрации параметров движения объекта // Автоматизация процессов управления. 2023. № 1 (71). С. 75–87.
  14. Peng L., Wenhui W., Junda Q., et al. Robust Generalized Labeled MultiBernoulli Filter and Smoother for Multiple Target Tracking using Variational Bayesian // KSII Transactions on Internet and Information Systems. 2022. V. 16. No. 3. P. 908–928.
  15. Gao G., Gao B., Gao S., et al. A Hypothesis Test-Constrained Robust Kalman Filter for INS/GNSS Integration with Abnormal Measurement // IEEE Transactions on Vehicular Technology. 2023. V. 72. No. 2. P. 1662–1673.
  16. Гранчин О.Н., Поляк Б.Т. Рандомизированные алгоритмы оценивания и оптимизации при почти произвольных помехах. М.: Наука, 2003.
  17. Гранчин О.Н., Шаммов Д.С., Аерос Р. и др. Рандомизированный алгоритм нахождения количества кластеров // АиТ. 2011. № 4. С. 86–98.
  18. Будычев Ю.Г., Чепель Е.Н. Оптимизация кластерно-вариационного метода построения многопозиционной пеленгационной системы для условий априорной неопределенности // АиТ. 2023. № 4. С. 96–114.
  19. Татузов А.Л. Нейронные сети в задачах радиолокации. М.: Радиотехника, 2009.
  20. Мансур М.Э., Степанов О.А. Алгоритмы комплексной обработки в задаче коррекции показаний навигационных систем при наличии нелинейных измерений // Изв. Тульского ГУ. Технические науки. 2016. № 6. С. 89–102.
  21. Гадюшев Ч.М. Метод отбраковки аномальных измерений для многомерных динамических систем // Автометрия. 2003. Т. 39. № 4. С. 39–46.
  22. Шэнь К., Шахтарин Б.И., Неусилин Б.И. и др. Алгоритмические методы коррекции навигационной информации с использованием спутниковой радионавигационной системы в условиях аномальных измерений // РЭ. 2019. Т. 64. № 1. С. 31–37.
  23. Gu T., Luo Z., Guo T., et al. New Reconstruction Method for Measurement Data with Multiple Outliers // IEEE Transact. Instrument. Measurement. 2022. V. 71. P. 1–9.
  24. Ji C., Song C., Li S., et al. An Online Combined Compensation Method of Geomagnetic Measurement Error // IEEE Sensor. J. 2022. V. 22. No. 14. P. 14026–14037.
  25. Иванов А.В., Шишкин В.Ю., Бойков Д.В. и др. Адаптивные алгоритмы обработки информации в навигационных комплексах подвижных наземных объектов // РЭ. 2021. Т. 66. № 8. С. 760–771.
  26. Майдель И.Д. Кластерный анализ. М.: Финансы и статистика, 1988.
  27. Паклин Н.Б., Орешков В.И. Кластерные силуэты / Системный анализ в проектировании и управлении: Сб. тр. XX Междунар. научно-практ. конф.; Санкт-Петербург, 29 июня–1 июля, СПб., 2016. С. 314–321.
  28. Буддычев Ю.Г., Чепель Е.Н. Мультиструктурный метод триангуляционного оценивания параметров движения излучающей цели в условиях априорной неопределенности // ТисУ. 2019. № 6. С. 26–42.
  29. Еокова Н.А., Соколинский Л.Б. Обзор моделей параллельных вычислений // Вестник ЮУрГУ. Серия «Вычислительная математика и информатика». 2019. Т. 8. № 3. С. 58–91.
  30. Иванов А.И., Шпилевая С.Г. О квантовых параллельных вычислениях // Вестник Балт. ун-та им. Канта. Серия «Физико-математические и технические науки». 2021. № 2. С. 95–99.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Declaração de direitos autorais © The Russian Academy of Sciences, 2025