Vis enkel innførsel

dc.contributor.advisorBrekke, Edmund Førland
dc.contributor.advisorWilthil, Erik
dc.contributor.authorSirnes, Magne
dc.date.accessioned2021-10-03T16:27:56Z
dc.date.available2021-10-03T16:27:56Z
dc.date.issued2021
dc.identifierno.ntnu:inspera:76427839:45144107
dc.identifier.urihttps://hdl.handle.net/11250/2787228
dc.description.abstractEn ny løsning (error state joint localization and tracking: ES-JLAT) for felles navigasjon og sporing ved hjelp av feiltilstander er utviklet og testet. Filtreringsytelsen til denne løsningen er testet i en rekke Monte Carlo simuleringer, og sammenlignet med ytelsen til en tilsvarende, etablert løsning: et utvidet Kalman-filter (EKF) med både eget skip og sporingsmål i sin tilstandsvektor. ES-JLAT er definert som mange sporingsfilter, der alle interagerer med et felles navigasjonsfilter. Bidragene i denne oppgaven er utviklingen av sporingsfilter som kan produsere korreksjoner på navigasjonsestimatet, en metode for å sammenfatte et vilkårlig antall av disse korreksjonene ned til en enkelt konsensus-korreksjon, og til slutt to metoder for å injisere denne korreksjonen inn i navigasjonsfilteret. I simuleringene består navigasjon av to oppgaver, først er estimering av posisjon og hastighet for eget skip, som er generert vha. en konstant hastighet (CV) modell. Den andre oppgaven er å estimere skipets kurs, denne er generert med en tilfeldig gange (random walk) modell. Merk at skipets hastighet og kurs dermed er uavhengige, for å emulere et fullt aktuert skip. For sporing er målet å estimere posisjon og hastighet til to uavhengige mål, igjen generert med en CV modell. Begge løsningene blir tilført målinger i form av posisjonene til alle skip (både eget skip og begge sporingsmål) som er fullstendig assosiert, og gitt i et globalt koordinatsystem. I tillegg blir begge løsninger tilført avstand-peiling (range-bearing) målinger til begge sporingsmål, gitt i et lokalt koordinatsystem (altså relativt til eget skip). Merk at ingen målinger av kursen til eget skip er tilgjengelige, dermed kan kursen bare estimeres vha. de relative avstand-peiling målingene. Ytelsen til begge løsninger er kvantisert med ensemble-gjennomsnitt tidserier av estimeringsfeil (EE) og normalisert, kvadrert estimeringsfeil (NEES), snittet over mange simuleringer. I tillegg er RMS-feil og gjennomsnittlig NEES (ANEES) regnet ut for hver enkelt simulering. Alle disse metrikkene er presentert for en rekke ulike konfigurasjoner av ES-JLAT, i tillegg til en 'standard-konfigurasjon' uten noen feilestimat-injeksjon, som tilsvarer et konvensjonelt CV-filter. Etter noe tilpasning av ES-JLAT ble resulater for den siste varianten presentert og sammenlignet med EKF. Disse navigasjonsresultatene viste seg å være marginalt mindre presise for posisjon og hastighet, men markant mer presise for kurs. For sporingsmålene var resultatene også marginalt mindre presise, men fortsatt konkurransedyktige. Når det gjelder troverdighet (filter consistency) til estimatene, viste det seg at navigasjonsestimatene var helt troverdige, mens sporingsestimatene var stort sett for selvsikre. For EKFs estimater, var samtlige for lite selvsikre.
dc.description.abstractA novel solution (ES-JLAT) for joint localization and tracking (JLAT) using error states (ES) is developed and tested. The filtering performance of this solution is tested in a number of Monte Carlo simulations, and compared to the performance of an already established solution: an extended Kalman filter (EKF) comprised of both ownship and target states. ES-JLAT is defined in terms of several tracking filters, each interacting with a localization filter. The contribution for this thesis stands as the development of tracking filters which can infer corrections on the localization estimate based on positional measurements of targets, as well as a method for condensing an arbitrary number of these corrections into a single correction, and finally two methods for injecting such a correction into the localization filter. In the simulations, the localization objective is twofold, first is estimation of an ownship's position and velocity, generated using a constant velocity (CV) model. Second is estimation of its heading, generated as a random walk process. Note that velocity and heading are decoupled, to emulate the motion range of a fully actuated vessel. Furthermore, the tracking objective is estimation of the position and velocity of two independent targets, also generated using CV models. Either solution is provided with positional measurements of all vessels (fully associated), in a global coordinate system, as well as range-bearing measurements of the relevant targets, in a body (ownship) coordinate system. Crucially, no direct observations of the ownship heading are provided, so either solution has to infer heading from the range-bearing measurements in order to fulfill their localization objective. The performance of both solutions is quantified as ensemble averaged timeseries' of estimation error (EE) and normalized estimation error squared (NEES) over multiple simulations, as well as root-mean-square (RMSE) and average NEES (ANEES) values for individual simulations. Resulting metrics are presented for a number of different configurations of ES-JLAT, as well as a 'baseline' configuration of ES-JLAT without error state injection, which effectively is a CV-filter. After some design revision, the final variation of ES-JLAT presented was found to have localization performance comparable to that of EKF, with marginally worse estimation accuracy for position and velocity, and significantly more accurate heading estimation. For estimation of target states, the performance was again comparable, being marginally less accurate for position and velocity. As for consistency, the localization estimates were found to be consistent, while the target estimates were mostly overconfident, finally the EKF was under-confident on all counts.
dc.languageeng
dc.publisherNTNU
dc.titleJoint localization and tracking: a per-track error state approach
dc.typeMaster thesis


Tilhørende fil(er)

Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel