JPH05315894A - Filter device - Google Patents
Filter deviceInfo
- Publication number
- JPH05315894A JPH05315894A JP11902692A JP11902692A JPH05315894A JP H05315894 A JPH05315894 A JP H05315894A JP 11902692 A JP11902692 A JP 11902692A JP 11902692 A JP11902692 A JP 11902692A JP H05315894 A JPH05315894 A JP H05315894A
- Authority
- JP
- Japan
- Prior art keywords
- observation data
- data
- observation
- kalman filter
- estimated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Complex Calculations (AREA)
- Feedback Control In General (AREA)
- Filters That Use Time-Delay Elements (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
Abstract
Description
【０００１】[0001]
【産業上の利用分野】本発明は、カルマンフィルタを備
えたフィルタ装置に係り、特には、観測される状態変数
のパラメータが少ない場合においても、高雑音抑圧度を
有し、かつ、高応答性が得られるようにするための技術
に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a filter device provided with a Kalman filter, and in particular, it has a high degree of noise suppression and a high response even when there are few observed state variable parameters. It relates to a technique for making it available.
【０００２】[0002]
【従来の技術】一般に、白色雑音を抑圧して真の信号を
抽出するために有効な手段として、移動平均を求めるも
のや、カルマンフィルタなどの技術がある。2. Description of the Related Art Generally, effective means for suppressing white noise and extracting a true signal include a technique for obtaining a moving average and a technique such as a Kalman filter.
【０００３】前者の移動平均を求めるものでは、雑音抑
圧度と応答性とが正にトレードオフの関係にあって、雑
音抑圧度を高めるためには観測データのデータ量を増や
すと、それだけ応答性が悪くなり、逆に、応答性を高め
ようとすると、雑音抑圧度が劣化するという難点があ
る。In the former case of obtaining the moving average, the noise suppression degree and the responsiveness have a positive trade-off relationship, and in order to increase the noise suppression degree, if the data amount of the observation data is increased, the responsiveness is correspondingly increased. Is deteriorated, and conversely, if an attempt is made to improve responsiveness, there is a drawback that the noise suppression degree is deteriorated.
【０００４】これに対して、後者のカルマンフィルタ
は、真の信号の生成過程を状態モデル化し、各種の計測
器で得られる状態変数(たとえば、位置、速度、加速度
等)の観測データに基づいて最小二乗推定を行うもので
あって、単位時間ごとに上記の状態変数が更新される機
構を有しているため、各単位時間ごとに状態変数が得ら
れるならば、そのデータの蓄積によって推定誤差が次第
に小さくなり、高雑音抑圧度をもち、かつ、高応答性の
ものとなる。On the other hand, the latter Kalman filter models the generation process of a true signal as a state model, and minimizes it based on observation data of state variables (for example, position, velocity, acceleration, etc.) obtained by various measuring instruments. Since it is a method of square estimation and has a mechanism that the above state variables are updated every unit time, if the state variables are obtained for each unit time, the estimation error will be caused by the accumulation of the data. It becomes gradually smaller, has a high degree of noise suppression, and is highly responsive.
【０００５】このカルマンフィルタにおいては、周知の
ように、状態変数(位置、速度、加速度等)の測定データ
Ｚm(t)が得られるならば、ある時刻tで推定した時刻tに
おける推定値Ｘ(t／t)は、次式で与えられる。In this Kalman filter, as is well known, if measured data Zm (t) of state variables (position, velocity, acceleration, etc.) is obtained, an estimated value X (t at time t estimated at a certain time t. / T) is given by the following equation.
【０００６】 Ｘ(t／t)＝Ｘ(t／t−１)＋Ｇ(t)・Ｚr(t) (１) ここに、 Ｘ(t／t−１)＝Ф(t)・Ｘ(t−１／t−１) (２) Ｚr(t)＝Ｚm(t)−Ｈ(t)・Ｘ(t／t−１) (３) であり、Ｘ(t／t−１)は時刻t−１で推定した時刻tにお
ける推定値、Ｘ(t−１／t−１)は時刻t−１で推定した
時刻t−１における推定値、Ｇ(t)はフィルタゲイン、Ｚ
r(t)は観測残差、Ｈ(t)は観測マトリックス、Ф(t)は遷
移マトリックスである。X (t / t) = X (t / t−1) + G (t) · Zr (t) (1) Here, X (t / t−1) = Φ (t) · X (t −1 / t−1) (2) Zr (t) = Zm (t) −H (t) · X (t / t−1) (3), where X (t / t−1) is the time t. −1, the estimated value at time t, X (t−1 / t−1) is the estimated value at time t−1 estimated at time t−1, G (t) is the filter gain, and Z is
r (t) is an observation residual, H (t) is an observation matrix, and Φ (t) is a transition matrix.
【０００７】図３に、上記の(１)式〜(３)式をモデル化
したカルマンフィルタＦのブロック図を示す。同図にお
いて、１は観測残差Ｚr(t)を算出するための減算器、２
はフィルタゲインＧ(t)の掛算器、３は推定値Ｘ(t／t)
を算出するための加算器、４は加算器３の出力を所定時
間分だけ遅延させて出力する遅延回路、５は遷移マトリ
ックスФ(t)の掛算器、６は観測マトリックスＨ(t)の掛
算器である。FIG. 3 shows a block diagram of a Kalman filter F that models the above equations (1) to (3). In the figure, 1 is a subtractor for calculating the observation residual Zr (t), 2
Is a multiplier of the filter gain G (t), 3 is the estimated value X (t / t)
Is a delay circuit for delaying the output of the adder 3 by a predetermined time and outputting it. 5 is a multiplier of the transition matrix Φ (t) and 6 is a multiplier of the observation matrix H (t). It is a vessel.
【０００８】[0008]
【発明が解決しようとする課題】図３に示す構成のカル
マンフィルタＦにおいて、たとえば、状態変数の推定量
Ｘ(t／t)として速度データを得たい場合に、そのカルマ
ンフィルタのデータ入力部in1，in2に対して速度および
加速度の観測データＺm1(t)，Ｚm2(t)がそれぞれ入力さ
れるならば、速度観測量Ｚm1(t)の場合よりも、このカ
ルマンフィルタＦで得られる推定量Ｘ(t／t)は、高雑音
抑圧度でかつ高応答性のものとなる。In the Kalman filter F having the configuration shown in FIG. 3, for example, when it is desired to obtain velocity data as the estimated amount X (t / t) of the state variable, the data input unit in 1 , velocity and acceleration of the observed data Zm 1 relative in 2 (t), if Zm 2 (t) are input, than the rate observed amount Zm 1 of (t), obtained in this Kalman Filter F estimated The quantity X (t / t) has high noise suppression and high responsiveness.
【０００９】たとえば、船舶が定速状態から負の加速度
を受けて停止する場合を例にとると、図４に示すよう
に、速度の観測データは図中の符号zで示す曲線のよう
に経時変化する。これに伴うカルマンフィルタＦの速度
推定量は、図中の符号x1で示すように変化する。なお、
移動平均において、カルマンフィルタと同様な雑音抑圧
度をもつ信号出力を得る場合には、その出力は符号x3で
示すように応答性が悪くなっている。For example, in the case where a ship receives a negative acceleration from a constant speed state and stops, as shown in FIG. 4, the observation data of the speed is as shown by a curve z in the figure. Change. Along with this, the velocity estimation amount of the Kalman filter F changes as indicated by a symbol x 1 in the figure. In addition,
When a signal output having the same degree of noise suppression as that of the Kalman filter is obtained in the moving average, the output has poor responsiveness as indicated by symbol x 3 .
【００１０】ところで、カルマンフィルタＦには、推定
量Ｘ(t／t)を得るために必要なだけの観測データＺm(t)
が常に入力されるとは限らない。たとえば、船舶の場合
には、速度計のみを装備し、加速度計までは装備しない
ものがある。この場合には、カルマンフィルタＦの一方
のデータ入力部in1にのみ速度の観測データＺm1(t)が入
力されるだけなので、観測更新時刻での加速度推定性能
が悪くなり、この結果、応答性が悪くなる。特に、速度
の観測雑音が大きいために、雑音抑圧を大きくしたい場
合に問題となる。たとえば、図４に示した例では、カル
マンフィルタＦの速度推定量は、図中の符号x2で示すよ
うになる。つまり、カルマンフィルタＦの有する特性を
十分に発揮し得ない状態となる。By the way, in the Kalman filter F, as much observation data Zm (t) as necessary to obtain the estimated quantity X (t / t) is obtained.
Is not always entered. For example, some ships are equipped with only a speedometer and not an accelerometer. In this case, since the velocity observation data Zm 1 (t) is input only to one data input part in 1 of the Kalman filter F, the acceleration estimation performance at the observation update time deteriorates, resulting in responsiveness. Becomes worse. Especially, since the observation noise of the velocity is large, it becomes a problem when it is desired to increase the noise suppression. For example, in the example shown in FIG. 4, the velocity estimation amount of the Kalman filter F is as indicated by the symbol x 2 in the figure. That is, the characteristics of the Kalman filter F cannot be sufficiently exhibited.
【００１１】本発明は、このような問題点に鑑みてなさ
れたもので、カルマンフィルタに入力される状態変数の
観測されるパラメータが少ない場合でも、カルマンフィ
ルタが本来有する高雑音抑圧度で、かつ高応答性という
特性が発揮されるようにすることを課題とする。The present invention has been made in view of the above problems, and has a high noise suppression degree and a high response that the Kalman filter originally has, even when the number of observed state variables of the Kalman filter is small. The challenge is to ensure that the characteristic of sex is exhibited.
【００１２】[0012]
【課題を解決するための手段】本発明は、上記の課題を
解決するためになされたもので、次の構成を採る。The present invention has been made to solve the above problems, and has the following constitution.
【００１３】すなわち本発明のフィルタ装置は、カルマ
ンフィルタを備え、このカルマンフィルタのデータ入力
部の前段には、複数の観測データを格納する観測データ
記憶手段と、この観測データ記憶手段に格納された観測
データに基づいて最小二乗回帰曲線を求め、この最小二
乗回帰曲線によって得られる推定観測データおよびこの
推定観測データよりも高次微分の推定観測データをそれ
ぞれ前記カルマンフィルタに出力する最小二乗演算手段
と、が設けられていることを特徴としている。That is, the filter device of the present invention comprises a Kalman filter, and an observation data storage means for storing a plurality of observation data in front of the data input section of the Kalman filter and the observation data stored in the observation data storage means. The least squares regression curve is obtained based on, and the least squares operation means for outputting the estimated observational data obtained by this least squares regression curve and the estimated observational data of higher derivative than the estimated observational data to the Kalman filter, respectively, are provided. It is characterized by being.
【００１４】[0014]
【作用】上記構成において、速度計等の計測器で得られ
る観測データの複数個が観測データ記憶手段に格納され
る。続いて、最小二乗演算手段は、これらの観測データ
に基づいて最小二乗回帰曲線を求め、この最小二乗回帰
曲線によって得られる推定観測データ、およびこの推定
観測データよりも高次微分の推定観測データをそれぞれ
決定する。そして、これらの推定観測データをカルマン
フィルタに出力する。したがって、カルマンフィルタに
は、状態変数のパラメータの不足分が補われたたかちで
入力されるので、高雑音抑圧度で、かつ高応答性の推定
量の出力が得られる。In the above structure, a plurality of pieces of observation data obtained by a measuring instrument such as a speedometer are stored in the observation data storage means. Subsequently, the least-squares calculating means obtains a least-squares regression curve based on these observational data, and estimates the observed data obtained by the least-squares regression curve, and the estimated observational data of a higher derivative than this estimated observational data. Determine each. Then, these estimated observation data are output to the Kalman filter. Therefore, since the Kalman filter is input after the shortage of the parameter of the state variable is compensated, the output of the estimated amount of the high noise suppression degree and the high responsiveness is obtained.
【００１５】[0015]
【実施例】図１は本発明の実施例に係るフィルタ装置の
ブロック図である。1 is a block diagram of a filter device according to an embodiment of the present invention.
【００１６】同図において、符号Ｆはカルマンフィルタ
である。このカルマンフィルタＦの構成は、図３に示し
たものと同じであるから、図３と対応する箇所には同一
の符号を付して詳細な説明は省略する。In the figure, reference numeral F is a Kalman filter. Since the configuration of the Kalman filter F is the same as that shown in FIG. 3, parts corresponding to those in FIG. 3 are designated by the same reference numerals, and detailed description thereof will be omitted.
【００１７】この実施例のフィルタ装置の特徴は、カル
マンフィルタＦのデータ入力部in1，in2の前段に設けら
れた構成部分にある。すなわち、図１において、Ｍは観
測データ記憶手段としてのメモリであって、このメモリ
Ｍは、本例では図外の速度計で得られる観測データ(こ
こでは速度データ)Ｚm0(t)の複数個(本例ではＮs個)を
時系列に格納するもので、図外のＣＰＵから与えられる
書込許容パルスＲに同期して観測データＺm0(t)を記憶
する。また、観測データＺm0(t)がＮs個分だけ格納され
た状態では、シフトレジスタのように、新しい一つの観
測データＺm0(t)が入力されるたびに、最も古い観測デ
ータが破棄される構成となっている。The feature of the filter device of this embodiment resides in the components provided before the data input units in 1 and in 2 of the Kalman filter F. That is, in FIG. 1, M is a memory as an observation data storage means, and this memory M is a plurality of observation data (here, velocity data) Zm 0 (t) obtained by a speedometer (not shown) in this example. The number (in this example, Ns) is stored in time series, and the observation data Zm 0 (t) is stored in synchronization with the write permission pulse R given from the CPU (not shown). Further, in a state where Ns pieces of observation data Zm 0 (t) are stored, the oldest observation data is discarded every time one new observation data Zm 0 (t) is input like a shift register. It is configured to.
【００１８】Ｌは最小二乗演算器であって、メモリＭに
格納されたＮs個の観測データに基づいて最小二乗回帰
曲線を求め、この最小二乗回帰曲線によって得られる推
定観測データＺm1(t)およびこの推定観測データよりも
高次微分(本例では加速度)の推定観測データＺm2(t)を
それぞれ出力するものである。L is a least-squares calculator, which calculates a least-squares regression curve based on Ns observation data stored in the memory M, and estimates observation data Zm 1 (t) obtained by this least-squares regression curve. And estimated observation data Zm 2 (t) of higher order differential (acceleration in this example) than the estimated observation data.
【００１９】ＳはカルマンフィルタＦの加算器１から出
力される観測残差Ｚr(t)のデータに基づいて、メモリＭ
に格納される観測データのデータ点数Ｎsを変更するデ
ータ格納量変更手段としてのデータ点数決定器である。
このデータ点数決定器Ｓを設けているのは次の理由によ
る。S is a memory M based on the data of the observation residual Zr (t) output from the adder 1 of the Kalman filter F.
Is a data point number determiner as a data storage amount changing means for changing the data point number Ns of the observation data stored in.
The reason for providing the data score determiner S is as follows.
【００２０】一般に、カルマンフィルタＦで得られる観
測残差Ｚr(t)は、定常状態に達した状態においては、観
測データに含まれる観測雑音成分のみとなる。一方、疑
似的な加速度の推定観測データＺm2(t)を得るために、
データ点数Ｎsを過度に大きく設定すると、最小二乗回
帰推定で得られる速度および加速度に大きな時間遅れが
生じる。この結果、本発明自身の効果が期待できなくな
る。したがって、データ点数Ｎsは過度に大きくならな
いように適切な値に設定する必要がある。このように適
切なＮsを設定すれば、ここで生じた遅れによる不具合
は最小二乗推定によって観測雑音が抑圧された速度およ
び加速度が得られるため、カルマンフィルタの観測雑音
パラメータＲを小さく設定できることによる応答性向上
のメリットの方が勝ることになる。したがって、観測残
差Ｚr(t)の大小に応じてメモリＭに格納する観測データ
のデータ点数Ｎsを最適値に変化させれば、観測雑音の
大きさに応じて常に適切な応答性が得られることにな
る。In general, the observation residual Zr (t) obtained by the Kalman filter F becomes only the observation noise component contained in the observation data when the steady state is reached. On the other hand, in order to obtain the estimated observation data Zm 2 (t) of pseudo acceleration,
If the number of data points Ns is set too large, a large time delay will occur in the velocity and acceleration obtained by the least squares regression estimation. As a result, the effect of the present invention cannot be expected. Therefore, the number of data points Ns needs to be set to an appropriate value so as not to become excessively large. If an appropriate Ns is set in this way, the problem caused by the delay generated here is that the velocity and acceleration in which the observation noise is suppressed by the least-squares estimation can be obtained, so that the response noise due to the small setting of the Kalman filter observation noise parameter R The merit of improvement is better. Therefore, if the number of data points Ns of the observation data stored in the memory M is changed to an optimum value according to the magnitude of the observation residual Zr (t), an appropriate response can always be obtained according to the magnitude of the observation noise. It will be.
【００２１】Ｃはサンプル点数決定器Ｓからのデータ点
数Ｎsをプリセット入力するとともに、前記の書込許容
パルスＲに応じてデータ点数Ｎsを減カウントしてメモ
リＭ、最小二乗演算器Ｌ、および後述の切換回路Ｋに制
御信号を出力するカウンタである。C preset inputs the number of data points Ns from the sample number determiner S, and decrements the number of data points Ns in accordance with the above-mentioned write permission pulse R to make a memory M, a least-squares arithmetic unit L, and later-described. Is a counter that outputs a control signal to the switching circuit K.
【００２２】ＫはカウンタＣからの制御信号が与えられ
る場合にのみ常閉接点(黒印)側から切換接点(白印)側に
接続を切り換える切換回路である。K is a switching circuit for switching the connection from the normally closed contact (black mark) side to the switching contact (white mark) side only when the control signal from the counter C is given.
【００２３】次に、上記構成のフィルタ装置の動作につ
いて説明する。なお、この実施例では、フィルタ装置に
は図外の速度計から速度データのみが観測データＺm
0(t)として入力されるものとする。Next, the operation of the filter device having the above configuration will be described. In this embodiment, only the velocity data from the velocity meter (not shown) is used as the observation data Zm in the filter device.
It shall be entered as 0 (t).
【００２４】まず、メモリＭに所定のデータ点数Ｎsの
観測データＺm0(t)が未だ格納されいない状態では、カ
ウンタＣはデータ点数設定器Ｓで設定されたデータ点数
Ｎmの値を書込許容パルスＲが入力されるたびに減カウ
ントしている途中であり、このため、カウンタＣから
は、何等制御信号が出力されない。したがって、切換回
路Ｋは最小二乗演算器Ｌに接続されず、速度計からの観
測データ(速度データ)Ｚm0(t)が切換回路Ｋを介してカ
ルマンフィルタＦのデータ入力部in1に入力される。そ
のため、カルマンフィルタＦで得られる速度推定値Ｘ(t
／t)の応答性は未だ不十分な状態にある。First, in a state where the observation data Zm 0 (t) having a predetermined number of data points Ns is not yet stored in the memory M, the counter C permits writing of the value of the number of data points Nm set by the data point number setter S. Each time the pulse R is input, it is in the process of decrementing, and therefore the control signal is not output from the counter C. Therefore, the switching circuit K is not connected to the least-squares computing unit L, and the observation data (speed data) Zm 0 (t) from the speedometer is input to the data input unit in 1 of the Kalman filter F via the switching circuit K. .. Therefore, the velocity estimation value X (t
The responsiveness of / t) is still insufficient.
【００２５】しかし、一旦メモリＭに所定のサンプリン
グ点数Ｎsの観測データＺm0(t)が時系列で格納される
と、それ以降は、カウンタＣに対して書込許容パルスＲ
が入力されるたびに、カウンタＣからは、メモリＭ、最
小二乗演算器Ｌ、および切換回路Ｋにそれぞれ制御信号
が出力される。However, once the observation data Zm 0 (t) of a predetermined sampling point Ns is stored in the memory M in time series, thereafter, the write enable pulse R is given to the counter C.
Each time is input, the control signal is output from the counter C to the memory M, the least-squares computing unit L, and the switching circuit K, respectively.
【００２６】メモリＭは、書込許容信パルスＲが入力さ
れるたびに入力される最新の観測データＺm0(t)を格納
するとともに、最古の観測データを破棄する一方、カウ
ンタＣからの制御信号に応答して、ここに格納されてい
るＮs個の観測データ(最新のものを含む)を次段の最小
二乗演算器Ｌに転送する。The memory M stores the latest observation data Zm 0 (t) input each time the write permission signal R is input and discards the oldest observation data, while the counter C In response to the control signal, the Ns pieces of observation data (including the latest data) stored here are transferred to the least-squares computing unit L at the next stage.
【００２７】最小二乗演算器Ｌは、メモリＭから転送さ
れてきたＮs個の観測データＺｍ０（ｔ）に基づいて、
図２に示すように、最小二乗回帰曲線を求める。たとえ
ば、最小二乗回帰曲線を一次式として求める場合には、
次式となる。The least-squares computing unit L, based on the Ns observation data Zm 0 (t) transferred from the memory M,
As shown in FIG. 2, a least squares regression curve is obtained. For example, to obtain the least squares regression curve as a linear expression,
It becomes the following formula.
【００２８】 ｙ（ｔ）＝Ｚm2(t)・t＋Ｚm1(t) (４) そこで、最小二乗演算器Ｌは、この(４)式における係数
Ｚm1(t)を速度の推定観測データとして、また、この推
定観測データＺm1(t)よりも高次微分のＺm2(t)を加速度
の推定観測データとしてそれぞれ決定し、これらのデー
タＺm1(t)、Ｚm2(t)を共に切換回路Ｋに出力する。Y (t) = Zm 2 (t) t + Zm 1 (t) (4) Then, the least-squares calculator L uses the coefficient Zm 1 (t) in the equation (4) as estimated observation data of velocity. Moreover, Zm 2 (t) of higher order derivative than this estimated observation data Zm 1 (t) is determined as the estimated observation data of acceleration, and both these data Zm 1 (t) and Zm 2 (t) are determined together. Output to the switching circuit K.
【００２９】切換回路Ｋは、メモリＭに観測データＺm0
(t)が所定のデータ点数Ｎs分だけ格納された状態となっ
てカウンタＣから制御信号が出力されるたびに、最小二
乗演算器Ｌの出力を選択するので、この最小二乗演算器
Ｌで得られた上記の各推定観測データＺm1(t)，Ｚm2(t)
がそれぞれ切換回路Ｋを介してカルマンフィルタＦのデ
ータ入力部in1，in2に入力される。したがって、現実に
は、速度の観測データＺm0(t)しか測定されていない場
合でも、カルマンフィルタＦに対しては、速度の推定観
測データＺm1(t)とともに、加速度の推定観測データＺm
2(t)が入力されるので、いわば、状態変数のパラメータ
の不足分が補われたたかちとなり、カルマンフィルタＦ
で得られる速度推定量のデータＸ(t／t)は、高雑音抑圧
度で、かつ高応答性のものとなる。The switching circuit K stores the observation data Zm 0 in the memory M.
Since the output of the least-squares computing unit L is selected every time the control signal is output from the counter C in the state where (t) is stored for the predetermined number of data points Ns, the least-squares computing unit L Each of the above estimated observation data Zm 1 (t), Zm 2 (t)
Are respectively input to the data input sections in 1 and in 2 of the Kalman filter F via the switching circuit K. Therefore, in reality, even when only the velocity observation data Zm 0 (t) is measured, for the Kalman filter F, together with the velocity estimation observation data Zm 1 (t), the acceleration estimation observation data Zm.
Since 2 (t) is input, it is, so to speak, the deficiency of the parameter of the state variable is compensated, and the Kalman filter F
The data X (t / t) of the speed estimation amount obtained in step 1 has high noise suppression and high responsiveness.
【００３０】たとえば、図４に示すように、船舶が定速
状態から負の加速度を受けて停止する場合では、この実
施例におけるカルマンフィルタＦの速度推定量Ｘ(t／t)
は、図中の符号x0で示す曲線のように、速度および加速
度の観測データを共に直接カルマンフィルタＦに入力す
る場合の推定量の曲線x1に近似したものとなり、速度の
観測データのみをカルマンフィルタＦに入力する場合の
推定量の曲線x2よりも応答性が優れたものとなる。For example, as shown in FIG. 4, when the ship receives a negative acceleration from a constant speed state and stops, the estimated speed X (t / t) of the Kalman filter F in this embodiment.
Is an approximation of a curve x 1 of the estimated amount when both the velocity and acceleration observation data are directly input to the Kalman filter F, as shown by the curve x 0 in the figure, and only the velocity observation data is Kalman filter The response is superior to the curve x 2 of the estimated amount when inputting to F.
【００３１】また、カルマンフィルタＦの減算器１から
出力される観測残差Ｚr(t)のデータは、データ点数決定
器Ｓに入力されるので、データ点数決定器Ｓは、この観
測残差Ｚr(t)に基づいて、カウンタＣに与えるデータ点
数Ｎsの大きさを変更する。本例の場合は、観測残差Ｚr
(t)の大きさに応じて段階的に上下のしきい値が設けら
れるとともに、各しきい値の範囲内ごとに観測残差Ｚr
(t)の大きさに対応するデータ点数Ｎsが予め設定されて
いるので、上下のしきい値の範囲に観測残差Ｚr(t)が含
まれる場合には、それに対応する最適なデータ点数Ｎs
がカウンタＳに出力される。特に、観測データＺm0(t)
の観測雑音が大きい場合には、データ点数Ｎsが大きく
なるため、応答性は有る程度悪くなるが、一般の移動平
均法の比べて雑音抑圧度および応答性能を改善すること
ができる。Since the data of the observation residual Zr (t) output from the subtracter 1 of the Kalman filter F is input to the data score determiner S, the data score determiner S determines the observation residual Zr (t). The number of data points Ns given to the counter C is changed based on t). In the case of this example, the observation residual Zr
Upper and lower thresholds are set stepwise according to the size of (t), and the observation residual Zr is set for each threshold range.
Since the number of data points Ns corresponding to the size of (t) is preset, when the observation residual Zr (t) is included in the upper and lower threshold ranges, the optimum number of data points Ns corresponding to it
Is output to the counter S. Especially, observation data Zm 0 (t)
When the observation noise is large, the number of data points Ns is large, and the response is deteriorated to some extent, but the noise suppression and the response performance can be improved as compared with the general moving average method.
【００３２】[0032]
【発明の効果】本発明によれば、カルマンフィルタに
は、状態変数のパラメータの不足分が常に補われたたか
ちで入力されるので、高雑音抑圧度で、かつ高応答性の
推定量の出力特性が発揮されるようになる。According to the present invention, since the Kalman filter is input with the degree that the deficiency of the parameters of the state variables is always compensated for, the output of the estimated amount of high noise suppression and high responsiveness is output. The characteristics come to be exhibited.
【００３３】特に、最小二乗回帰による推定観測データ
を得ているので、観測データをそのままカルマンフィル
タに入力する場合と比較すると、カルマンフィルタに対
して一層観測雑音が低減された観測量が入力されるので
カルマンフィルタの観測雑音のパラメータを少なくする
ことができ、高応答性が維持される。In particular, since the estimated observation data obtained by the least-squares regression is obtained, the Kalman filter receives an observation amount with further reduced observation noise as compared with the case where the observation data is input to the Kalman filter as it is. The parameter of the observation noise of can be reduced and high response can be maintained.
【００３４】また、観測残差の大きさに応じて観測デー
タの記憶点数を変化させるようにしたので、観測雑音の
多少によって常に適切な応答性が得られることになる。Further, since the number of storage points of the observation data is changed according to the magnitude of the observation residual, appropriate response can always be obtained depending on the amount of observation noise.
【００３５】本発明は、たとえばドップラーソナー等を
用いた船速計等に適用する場合に有効である。The present invention is effective when applied to, for example, a ship speedometer using a Doppler sonar or the like.
【図１】本発明の実施例に係るフィルタ装置のブロック
図である。FIG. 1 is a block diagram of a filter device according to an embodiment of the present invention.
【図２】最小二乗演算手段による最小二乗回帰曲線の決
定方法の説明図である。FIG. 2 is an explanatory diagram of a method of determining a least squares regression curve by a least squares calculating means.
【図３】一般的なカルマンフィルタのブロック図であ
る。FIG. 3 is a block diagram of a general Kalman filter.
【図４】船舶が定速状態から負の加速度を受けて停止す
る場合のカルマンフィルタの速度推定量の経時変化を示
す特性図である。FIG. 4 is a characteristic diagram showing a change with time of a velocity estimation amount of a Kalman filter when a ship receives a negative acceleration from a constant speed state and stops.
Ｆ…カルマンフィルタ、in1，in2…データ入力部、Ｍ…
観測データ記憶手段(メモリ)、Ｌ…最小二乗演算手段
(最小二乗演算器)、Ｓ…データ格納量変更手段(サンプ
ル点数決定器)、Ｃ…カウンタ。F ... Kalman filter, in 1 , in 2 ... Data input section, M ...
Observation data storage means (memory), L ... Least squares calculation means
(Least square calculator), S ... Data storage amount changing means (sample point number determiner), C ... Counter.
Claims (2)
フィルタのデータ入力部の前段には、複数の観測データ
を格納する観測データ記憶手段と、この観測データ記憶
手段に格納された観測データに基づいて最小二乗回帰曲
線を求め、この最小二乗回帰曲線によって得られる推定
観測データおよびこの推定観測データよりも高次微分の
推定観測データをそれぞれ前記カルマンフィルタに出力
する最小二乗演算手段とが設けられていることを特徴と
するフィルタ装置。1. A Kalman filter is provided, and an observation data storage unit for storing a plurality of observation data is provided in the preceding stage of a data input unit of this Kalman filter, and a least squares regression based on the observation data stored in this observation data storage unit. A curve is obtained, and estimated observation data obtained by this least-squares regression curve and estimated-observation data of higher derivative than the estimated-observation data are respectively output to the Kalman filter. Filter device.
基づいて、前記観測データ記憶手段におけるデータ格納
量を変更させるデータ格納量変更手段を備えることを特
徴とする請求項１記載のフィルタ装置。2. The filter device according to claim 1, further comprising data storage amount changing means for changing a data storage amount in the observation data storage means based on observation residual data obtained by a Kalman filter.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11902692A JP3218441B2 (en) | 1992-05-12 | 1992-05-12 | Filter device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11902692A JP3218441B2 (en) | 1992-05-12 | 1992-05-12 | Filter device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05315894A true JPH05315894A (en) | 1993-11-26 |
| JP3218441B2 JP3218441B2 (en) | 2001-10-15 |
Family
ID=14751149
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP11902692A Expired - Fee Related JP3218441B2 (en) | 1992-05-12 | 1992-05-12 | Filter device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3218441B2 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6564110B1 (en) | 2000-06-07 | 2003-05-13 | Sumitomo Heavy Industries, Ltd. | Position controlling apparatus capable of reducing the effect of disturbance |
| JP2008298738A (en) * | 2007-06-04 | 2008-12-11 | Mitsubishi Electric Corp | Target-tracking device |
| JP2009279732A (en) * | 2008-05-26 | 2009-12-03 | Toshiba Mitsubishi-Electric Industrial System Corp | Cutting control device of crop shear |
| JP2014178242A (en) * | 2013-03-15 | 2014-09-25 | Shimadzu Corp | Noise reduction device of time-series measurement signal |
-
1992
- 1992-05-12 JP JP11902692A patent/JP3218441B2/en not_active Expired - Fee Related
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6564110B1 (en) | 2000-06-07 | 2003-05-13 | Sumitomo Heavy Industries, Ltd. | Position controlling apparatus capable of reducing the effect of disturbance |
| JP2008298738A (en) * | 2007-06-04 | 2008-12-11 | Mitsubishi Electric Corp | Target-tracking device |
| JP2009279732A (en) * | 2008-05-26 | 2009-12-03 | Toshiba Mitsubishi-Electric Industrial System Corp | Cutting control device of crop shear |
| JP2014178242A (en) * | 2013-03-15 | 2014-09-25 | Shimadzu Corp | Noise reduction device of time-series measurement signal |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3218441B2 (en) | 2001-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dabroom et al. | Discrete-time implementation of high-gain observers for numerical differentiation | |
| JP6215527B2 (en) | Physical quantity measuring apparatus and physical quantity measuring method | |
| CN110501696B (en) | Radar target tracking method based on Doppler measurement adaptive processing | |
| CN111623779A (en) | Time-varying system adaptive cascade filtering method suitable for unknown noise characteristics | |
| JP7332005B1 (en) | Control device and control method | |
| JPH05315894A (en) | Filter device | |
| CN109471192B (en) | High-precision dynamic data processing method for full-automatic gravity tester | |
| JP2002135171A5 (en) | ||
| JP6265136B2 (en) | Noise removal system, voice detection system, voice recognition system, noise removal method, and noise removal program | |
| WO2024093016A1 (en) | Vehicle weight estimation method and apparatus, storage medium and engineering vehicle | |
| JP3166446B2 (en) | Speed estimation observer | |
| JP3508000B2 (en) | Target motion estimation device | |
| JP2004028911A (en) | Method for measuring inertial altitude | |
| JP2002236497A (en) | Noise reduction system | |
| JPH05322596A (en) | Filter device | |
| JP2769690B2 (en) | Delay device | |
| CN114818790A (en) | Signal noise reduction method and device based on improved AKF algorithm | |
| JPH028668B2 (en) | ||
| CN114962168A (en) | Variable pitch control method and device for wind generating set | |
| CN114297581A (en) | Pure orientation target tracking method considering signal delay | |
| CN117972637A (en) | Angular velocity data fusion method and angular velocity data fusion device for angular vibration table | |
| JPH0925987A (en) | Vibration control controlling method and device | |
| JPH0415585A (en) | Underwater acoustic signal detecting system | |
| CN115526206A (en) | Adaptive MEMS gyro signal denoising method based on ICEEMDAN-ACF | |
| CN114692067A (en) | Fixed point smoothing method for dynamic system with unknown input |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090810 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 8 Free format text: PAYMENT UNTIL: 20090810 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 9 Free format text: PAYMENT UNTIL: 20100810 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100810 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110810 Year of fee payment: 10 |
|
| LAPS | Cancellation because of no payment of annual fees |