Çoklu  Unutma Faktörleri ile Uyarlı Kalman Filtresi İçin İyileştirme

Cenker BİÇER; Levent ÖZBEK

Article Details

Çoklu Unutma Faktörleri ile Uyarlı Kalman Filtresi İçin İyileştirme

Authors:

Cenker BİÇER | Levent ÖZBEK

Publisher:

Erciyes University

Main Topics:

Applied physics

Journal:

Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi 2017 Vol.33 Issue 1, pp.41-50

Document Type:

Article

Publication Date:

4/2017

Document Language:

Turkish

Document ID (Org No.):

2000410315

pISSN:

1012-2354

Abstract:

 

The
Kalman filter  is most popular  estimation technique for solving state 
estimation  problems  of  dynamical  systems  and  it  has  been  the  most  frequently 
used  algorithm  in  applications  from  different  areas  such  as  science,  military  and 
economics  etc. 
The  Kalman  fi
lter  works  best  with  predictive  performance  as  long 
as  system  characteristics  are  known  correctly.
However,  the  performance  of  the 
Kalman  filter  will  dramatically  decrease  when  system  characteristics  are  either 
unknown or partially known. 
Numerous studies 
have been  published so  far  to  get 
over  the  problem  of  performance  loss  in  the 
K
alman  filter
.
Some
researchers 
introduce
d
a  fading  factor  to  improve  the  performance  of the 
K
alman  filter
under 
unknown or partially known initial information. “Adaptive estimat
ion  of  multiple 
fading factors in Kalman filter for navigation applications” (AEMFFKF) is one of 
these 
studies
. 
In  this  paper,  adaptive  fading  Kalman  filter  with  the  multiple  forgetting  factors  is 
considered
and
an   adaptive   estimation   algorithm   is   propose
d 
to   determine
forgetting  factors  which 
can  not  be  determined
in
the
AEMFFKF.  In  addition,  A 
Monte  Carlo  simulation  is  performed  to  compare  the  estimation  performances  of 
the 
Kalman filter
with the adaptive filters
.

 

Kalman  filtresi  d
inamik  sistemlerde  durum  tahmin
pro
b
leminin çözümü için 
kullanılan popüler bir tahmin yöntemidir. Fen, mühendislik, ekonomi, askeri vb. 
olmak  üzere  birçok  alandan  probleme  kolayca  uygulanabilir.  Sistem 
karakteristikleri  doğru  olarak  bilindiği  sürece  Kalman
filtresi   en   iyi   tahmin 
performansı  ile  çalışır.  Ancak  sistem  karakteristiklerinin  kısmen  bilindiği 
durumlarda  veya  yanlış  bilindiği  durumlarda  filtrenin  tahmin  performansında 
ciddi  kayıplar  olm
ası  kaçınılmazdır.  Kalman  filtresin
deki  performans  kaybı 
probl
eminin  üstesinden  gelebilmek  için  şu  ana  kadar  çok  sayıda  çalışma 
yayınlanmıştır. Bir kısım araştırmacı tarafından Sistem karakteristiklerinin kısmen 
veya tamamen hatalı bilinmesi durumunda, filtrelemede bazı güçlendirmelerin 
yapılmasını sağlayacak unutma 
faktörü ile uyarlanmış Kalman Filtresi tanıtılmıştır. 
“Adaptive estimation of multiple fading factors in Kalman filter for navigation 
applications” (AEMFFKF) bu çalışmalardan bir tanesidir.
Bu  çalışmada,  çoklu  unutma  faktörüyle  uyarlı  Kalman  filtresi  incel
enmiş  ve 
AEMFFKF yönteminde belirlenemeyen unutma faktörlerini belirleyebilmek için 
adaptif bir tahmin algoritması önerilmiştir. Ayrıca yapılan simülasyon çalışmasıyla 
Kalman     filtresin
in  performansı  ile  uyarlı  filtre
nin  tahmin  performansı 
karşılaştırılmışt
ır.

Article Details

Çoklu Unutma Faktörleri ile Uyarlı Kalman Filtresi İçin İyileştirme

Authors: Cenker BİÇER | Levent ÖZBEK

Publisher: Erciyes University

Main Topics: Applied physics

Journal: Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi 2017 Vol.33 Issue 1, pp.41-50

Document Type: Article

Publication Date: 4/2017

Document Language: Turkish

Document ID (Org No.): 2000410315

pISSN: 1012-2354

Issues

Authors:

Cenker BİÇER | Levent ÖZBEK

Publisher:

Erciyes University

Main Topics:

Applied physics

Journal:

Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi 2017 Vol.33 Issue 1, pp.41-50

Document Type:

Article

Publication Date:

4/2017

Document Language:

Turkish

Document ID (Org No.):

2000410315

pISSN:

1012-2354