Адаптивное оценивание параметров движения объекта на основе гибридной стохастической модели

Abstract

Задача адаптивного оценивания параметров движения объекта по сложной траектории в условиях зашумленности и неполноты измерений, а также непредвиденных изменений режима движения объекта является актуальной в силу важности ее практи- ческих приложений. Примерами таких приложений являются задачи слежения за движу- щимися техническими объектами в робототехнике, судовождении, управлении наземным транспортом. Мы предлагаем решение задачи адаптивного оценивания параметров дви- жения объекта на основе гибридной стохастической модели, представляющей собой набор дискретных линейных стохастических моделей, отвечающих за различные участки тра- ектории движения объекта. Линейность этих моделей позволяет применить оптимальную калмановскую фильтрацию для вычисления оценок параметров движения объекта. Для идентификации текущего режима движения объекта в известные моменты времени разра- ботан алгоритм, основанный на применении банка фильтров Калмана и последовательного решающего правила. Вычислительные эксперименты подтверждают эффективность пред- ложенного решения. This paper examines the problem of estimating parameters of the motion of an object moving along a complex trajectory in the presence of incomplete noisy measurements. This problem is of current interest because of the importance of its practical applications. Examples of such applications are the tracking problems of moving technical devices in robotics, navigation, ground transportation. We propose a solution to the problem of adaptive estimation of the motion parameters of an object based on the hybrid stochastic model, which is a set of discrete linear stochastic models responsible for various pieces of the object's trajectory. The linearity of the models allows us to apply the optimal Kalman ̋ltering to calculate the estimates of the motion parameters of an object. To identify the current motion mode of an object at a known time moments, new algorithm based on the use of the Kalman ̋lters bank and sequential ratio probability test is constructed. Numerical experiments con ̋rm the e° ciency of the obtained results.