Adaptive Neural Unscented Kalman Filter

要約

無濃縮カルマンフィルターは、非線形シナリオを処理できるアルゴリズムです。
プロセスノイズ共分散の不確実性は、フィルターの推定パフォーマンスを低下させるか、その分岐に至る可能性があります。
したがって、プロセスノイズ共分散マトリックスをリアルタイムで調整することが重要です。
この論文では、プラットフォーム操作中に時変不確実性に対処するために、適応性のある神経の無香料のカルマンフィルターを開発しました。
この目的のために、プロセスノイズ共分散マトリックスを適応的に推定するために、シンプルでありながら効率的なエンドツーエンド回帰ネットワークであるProcessNetを考案しました。
自律的な水中車両ナビゲーションの場合、非線形慣性センサーとドップラー速度ログ融合問題に焦点を当てました。
自律的な水中車両からの実際の記録されたデータセットを使用して、フィルターのパフォーマンスを実証し、他の適応型および非適応性のない非線形フィルターに対する利点を示しました。

要約(オリジナル)

The unscented Kalman filter is an algorithm capable of handling nonlinear scenarios. Uncertainty in process noise covariance may decrease the filter estimation performance or even lead to its divergence. Therefore, it is important to adjust the process noise covariance matrix in real time. In this paper, we developed an adaptive neural unscented Kalman filter to cope with time-varying uncertainties during platform operation. To this end, we devised ProcessNet, a simple yet efficient end-to-end regression network to adaptively estimate the process noise covariance matrix. We focused on the nonlinear inertial sensor and Doppler velocity log fusion problem in the case of autonomous underwater vehicle navigation. Using a real-world recorded dataset from an autonomous underwater vehicle, we demonstrated our filter performance and showed its advantages over other adaptive and non-adaptive nonlinear filters.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google