論文の概要: A Hybrid Adaptive Velocity Aided Navigation Filter with Application to
INS/DVL Fusion
- arxiv url: http://arxiv.org/abs/2211.01329v1
- Date: Sat, 8 Oct 2022 06:59:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-11-06 15:18:44.831123
- Title: A Hybrid Adaptive Velocity Aided Navigation Filter with Application to
INS/DVL Fusion
- Title（参考訳）: ハイブリッド適応速度支援ナビゲーションフィルタとINS/DVL融合への応用
- Authors: Barak Or and Itzik Klein
- Abstract要約: 慣性センサは非線形フィルタでAUVナビゲーションソリューションを推定するために使用される。
一般的な実践は、この行列がAUV操作中に固定されていると仮定することである。
学習に基づく適応速度支援ナビゲーションフィルタを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous underwater vehicles (AUV) are commonly used in many underwater
applications. Usually, inertial sensors and Doppler velocity log readings are
used in a nonlinear filter to estimate the AUV navigation solution. The process
noise covariance matrix is tuned according to the inertial sensors'
characteristics. This matrix greatly influences filter accuracy, robustness,
and performance. A common practice is to assume that this matrix is fixed
during the AUV operation. However, it varies over time as the amount of
uncertainty is unknown. Therefore, adaptive tuning of this matrix can lead to a
significant improvement in the filter performance. In this work, we propose a
learning-based adaptive velocity-aided navigation filter. To that end,
handcrafted features are generated and used to tune the momentary system noise
covariance matrix. Once the process noise covariance is learned, it is fed into
the model-based navigation filter. Simulation results show the benefits of our
approach compared to other adaptive approaches.
- Abstract（参考訳）: 自律型水中車両(AUV)は多くの水中用途で一般的に使われている。
通常、慣性センサとドップラー速度ログは非線形フィルタでAUVナビゲーションソリューションを推定するために使用される。
プロセスノイズ共分散行列は、慣性センサの特性に応じて調整される。
この行列はフィルタの精度、堅牢性、性能に大きな影響を与える。
一般的な実践は、この行列がAUV操作中に固定されていると仮定することである。
しかし、不確かさの程度は不明であるため、時代によって異なる。
したがって、この行列の適応チューニングはフィルタ性能を著しく向上させる可能性がある。
本研究では,学習に基づく適応速度支援ナビゲーションフィルタを提案する。
そのために、手作りの特徴を生成して、瞬間的なシステムノイズ共分散行列をチューニングする。
プロセスノイズ共分散が学習されると、モデルベースのナビゲーションフィルタに入力される。
シミュレーション結果は,他の適応的アプローチと比較して,我々のアプローチの利点を示す。
関連論文リスト
- State Estimation Using Particle Filtering in Adaptive Machine Learning Methods: Integrating Q-Learning and NEAT Algorithms with Noisy Radar Measurements [0.8528368686417979]
本稿では,Q-LearningとNEATを統合化して,ノイズ測定の課題に対処する統合フレームワークを提案する。
グリッドベースのナビゲーションとシミュレートされた自動車環境の実験は、トレーニングの安定性、最終的なパフォーマンス、高度なフィルタリングを欠いたベースラインに対する成功率において、一貫した向上を浮き彫りにした。
論文 参考訳（メタデータ） (2025-04-10T02:20:45Z) - A Data-Driven Method for INS/DVL Alignment [2.915868985330569]
慣性センサーとドップラー速度ログ(DVL)融合は長距離水中航法において有望な解決策である。
本稿では,アライメントプロセスのためのエンドツーエンドのディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-27T10:38:37Z) - Gaussian Process Regression for Improved Underwater Navigation [13.221163846643607]
ドップラー速度ログ(DVL)は通常、速度測定によってこのドリフトを緩和するために使用される。
本稿では、DVL速度推定を改善するために、多出力ガウス過程回帰(MOGPR)に基づくデータ駆動方式を提案する。
提案手法を実世界のAUVデータを用いて評価し,LSと最先端のディープラーニングモデルであるBeamsNetと比較した。
論文 参考訳（メタデータ） (2025-02-23T09:13:41Z) - Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。
本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。
本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-04-19T19:44:24Z) - Automatic dimensionality reduction of Twin-in-the-Loop Observers [1.6877390079162282]
本稿では,高複雑性オブザーバを寸法を小さくすることで調整する手法を提案する。
これらの戦略は、実世界のデータに対する速度とヨーレートの推定のために検証されている。
論文 参考訳（メタデータ） (2024-01-18T10:14:21Z) - Implicit Maximum a Posteriori Filtering via Adaptive Optimization [4.767884267554628]
標準ベイズフィルタ問題を時間変化目標に対する最適化として検討する。
我々のフレームワークは、高次元システムに対して効率的で堅牢でスケーラブルなフィルタをもたらすことを示す。
論文 参考訳（メタデータ） (2023-11-17T15:30:44Z) - Filter Pruning for Efficient CNNs via Knowledge-driven Differential
Filter Sampler [103.97487121678276]
フィルタプルーニングは同時に計算を加速し、CNNのメモリオーバーヘッドを低減する。
本稿では,MFM(Masked Filter Modeling)フレームワークを用いた知識駆動型微分フィルタサンプリング(KDFS)を提案する。
論文 参考訳（メタデータ） (2023-07-01T02:28:41Z) - Parallel APSM for Fast and Adaptive Digital SIC in Full-Duplex
Transceivers with Nonlinearity [19.534700035048637]
カーネルベースの適応フィルタは、フル(FD)モードのトランシーバにおけるデジタルデジタルドメイン自己干渉キャンセル(SIC)に適用される。
彼らは、カーネルベースのアルゴリズムがリッチで非線形な関数空間内で並列計算ベースの実装を実現しつつ、良好なレベルのデジタルSICを実現することを実証した。
論文 参考訳（メタデータ） (2022-07-12T11:17:22Z) - A Hybrid Model and Learning-Based Adaptive Navigation Filter [0.0]
本稿では,ハイブリッドモデルと学習に基づく適応ナビゲーションフィルタを提案する。
提案手法は位置誤差が25%向上したことを示す。
論文 参考訳（メタデータ） (2022-06-14T17:10:47Z) - Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for
5G and Beyond [70.81551587109833]
非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。
主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。
本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
論文 参考訳（メタデータ） (2022-01-13T15:20:45Z) - Adaptive Low-Pass Filtering using Sliding Window Gaussian Processes [71.23286211775084]
ガウス過程回帰に基づく適応型低域通過フィルタを提案する。
本研究では,提案手法の誤差が一様境界であることを示す。
論文 参考訳（メタデータ） (2021-11-05T17:06:59Z) - Fast Variational AutoEncoder with Inverted Multi-Index for Collaborative
Filtering [59.349057602266]
変分オートエンコーダ (VAE) は, 協調フィルタリングの非線形手法として拡張されている。
内積に基づくソフトマックス確率を逆多重インデックスに基づいて分解する。
FastVAEはサンプリング品質と効率の両面で最先端のベースラインを上回っます。
論文 参考訳（メタデータ） (2021-09-13T08:31:59Z) - Decoupled Dynamic Filter Networks [85.38058820176047]
これらの欠点を同時に解決できるDDF(Decoupled Dynamic Filter)を提案します。
最近の注目の高まりに触発されて、DDFは深度ワイドなダイナミックフィルタを空間的およびチャネル的ダイナミックフィルタに分離する。
分類ネットワークにおける標準畳み込みをDFFに置き換える際の性能向上を観察する。
論文 参考訳（メタデータ） (2021-04-29T04:55:33Z) - DANAE: a denoising autoencoder for underwater attitude estimation [1.0312968200748116]
DANAEは、カルマンフィルタIMU/AHRSデータ統合で動作する、姿勢推定のためのDenoising AutoeNcoderである。
本稿では、DANAEが堅牢で信頼性が高く、カルマンフィルタの結果を大幅に改善していることを示す。
論文 参考訳（メタデータ） (2020-11-13T10:53:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。