Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

MNiSW
100
Lista 2024
Status:
Autorzy: Zientarski Tomasz, Kozar Joanna Małgorzata, Pietrak Kamil
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2025
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Numer czasopisma: 12
Wolumen/Tom: 19
Strony: 420 - 435
Impact Factor: 1,3
Web of Science® Times Cited: 0
Scopus® Cytowania: 0
Bazy: Web of Science | Scopus | BazTech
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Otwarte czasopismo
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 1 listopada 2025
Abstrakty: angielski
Bayesian filters are most often used to predict the behaviour of dynamic objects in the presence of noise with a non-Gaussian distribution. Another application can be the filtration of measurement data obtained from measurement systems. Noise is present in almost all experimental data, and its distribution is often non-Gaussian. The article presents the application of Bayesian filtering methods to noisy data. For testing, real experimental data and artificially generated and noisy data with a known distribution were used. The following were used for testing: Generic Particle Filter, SIR Particle Filter, Auxiliary Particle Filter, and Regularized Particle Filter. The effect of the number of inserted particles on the estimated result data was examined. The Peak Signal-to-Noise Ratio (PSNR) measure was used to assess the quality of the estimation. The results showed a significant advantage of the Auxiliary Particle Filter over the other Bayesian filters. The same data sets were then subjected to Kalman filters. A basic and an extended Kalman filter were used. It turned out that all the Bayesian filters used, even for a small number of particles, give higher PSNR values than the commonly used Extended Kalman Filter.