Методи фільтрації інформації, отриманої при гідрографічній зйомці

Скорочена інформація про документ
dc.contributor.authorОлійник, Павло Б.
dc.contributor.authorOliynyk, Pavlo B.
dc.contributor.authorОлейник, П. Б.
dc.date.accessioned2016-08-10T13:03:00Z
dc.date.available2016-08-10T13:03:00Z
dc.date.issued2014
dc.description.abstractenCurrent trends in navigation are characterized by the further increase of demands on the precision of hydrographic information, especially of the nautical maps. Thus, precision of both spatial position and depth bathymetric data is important for ensuring safe navigation, and so problem of data filtering and elimination of outliers arises. In the present work, comparison of methods, used for postprocessing of depth data, measured by echosounder, is done. First of all, review of commonly used data filtering and outlier elimination methods is done, and their advantages and disadvantages are analyzed. As improved outlier elimination algorithm and median filtering has their flaws, Kalman filtering is considered as a measure of outlier elimination and real data estimation. It’s shown that Kalman filter can both effectively filter noise and eliminate outliers; however, quality of the filtered data strongly depends on measurement noise covariation and process noise covariation estimates, R and Q respectively. At that, the lower Q is, the better noise is filtered and the smoother depth profile is; the higher R is, the better outliers are eliminated. However, care must be taken, as depth profile is distorted at high R values, and noise is almost not filtered at low ones. It’s shown that noise covariation estimate has more influence on data filtering; therefore, one should pay attention to correct R estimation. For practical reasons, values of Q = 0,01; R =10 are recommended. In the recent works, wavelet filtering is considered as a promising method of data filtering in postprocessing. Therefore, as a next step, comparison of Kalman filtering and wavelet filtering is done using the real-world data. To that end, white noise is added to filtered and smoothed data, and then those data are filtered by methods, mentioned above. Corellation of source and denoised data is chosen as a criterion of filter effectiveness. It’s shown that Kalman filter is somewhat less effective in data postprocessing than wavelet filter. However, as Kalman filter allows one both to filter noises form the measured data and to eliminate outliers, and can be used for “on-the-fly” data filtering, it’s advisable to use Kalman filtering for real-time measurements during surveys, and wavelets for data postprocessing. Future studies may be devoted to improvement of existing and introduction of new data filtering and postrprocessing methods.uk
dc.description.abstractruПроведено сравнение методов, которые применяются для постобработки данных глубины, измеренных эхолотом. Определено, что в сравнении с вейвлет-фильтрацией, фильтр Калмана несколько менее эффективен, но фильтрация глубины с помощью фильтра Калмана дает возможность как очистить данные от шумов, так и исключить аномальные данные. Предметом последующих исследований может стать усовершенствование примененных и внедрение новых методов фильтрации и постобработки измеренных данных.uk
dc.description.abstractukПроведено порівняння методів, що застосовуються для постобробки даних глибини, виміряних ехолотом. Визначено, що в порівнянні з вейвлет-фільтрацією, фільтр Калмана є дещо менш ефективним, але фільтрація глибини за допомогою фільтра Калмана дає змогу як очистити дані від шумів, так і відкинути аномальні дані. Предметом подальших досліджень може стати вдосконалення використаних та впровадження нових методів фільтрації та постобробки виміряних даних.uk
dc.format.pagerangeС. 10-18uk
dc.identifier.citationОлійник П. Б. Методи фільтрації інформації, отриманої при гідрографічній зйомці / П. Б. Олійник // Механіка гіроскопічних систем : науково-технічний збірник. – 2014. – Вип. 27. – С. 10–18. – Бібліогр.: 12 назв.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/17298
dc.language.isoukuk
dc.publisherНТУУ "КПІ"uk
dc.publisher.placeКиївuk
dc.source.nameМеханіка гіроскопічних систем: науково-технічний збірникuk
dc.status.pubpublisheduk
dc.subjectгідрографічна зйомкаuk
dc.subjectпостобробкаuk
dc.subjectфільтраціяuk
dc.subjectвідкидання аномальних данихuk
dc.subjecthydrographic surveyen
dc.subjectpostprocessingen
dc.subjectfilteringen
dc.subjectelimination of outliersen
dc.subjectгидрографическая съемкаru
dc.subjectпостобработкаru
dc.subjectфильтрацияru
dc.subjectисключение аномальных данныхru
dc.subject.udc519.218.82: 004.9 + 681.5.015.44uk
dc.titleМетоди фільтрації інформації, отриманої при гідрографічній зйомціuk
dc.title.alternativeData filtering methods for hydrographic survey datauk
dc.title.alternativeМетоды фильтрации информации, полученной при гидрографической съемкеuk
dc.typeArticleuk
thesis.degree.level-uk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
mgs27_02_Оliynyk.pdf
Розмір:
640.09 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.71 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Механіка гіроскопічних систем: науково-технічний збірник, Вип. 27