Санкт-Петербург

 
Моторин Андрей Владимирович 
Год рождения: 1989 
Университет ИТМО, факультет систем управления и робототехники, 
кафедра информационно-навигационных систем, ассистент 
e-mail: [e-mail] 
 
Степанов Олег Андреевич 
Год рождения: 1949 
Университет ИТМО, факультет систем управления и робототехники, 
кафедра информационно-навигационных систем, д.т.н., профессор 
e-mail: [e-mail] 
УДК 519.254 
ВЫЧИСЛИТЕЛЬНАЯ ОПТИМИЗАЦИЯ АЛГОРИТМА ИДЕНТИФИКАЦИИ 
МОДЕЛИ ОШИБОК ДАТЧИКОВ 
Смирнов Н.А., Моторин А.В. 
Научный руководитель – д.т.н., профессор Степанов О.А. 
Работа проводилась при поддержке гранта РФФИ 18-08-01101А. 
Рассмотрена задача вычислительной оптимизации алгоритма идентификации модели погрешностей 
датчиков, основанного на принципах нелинейной байесовской фильтрации. Обсуждены цели и 
потенциальные программные и аппаратные пути оптимизации. 
Ключевые слова: идентификация, банк фильтров Калмана, вычислительная оптимизация, Python, 
параллельные вычисления, графический процессор. 
Введение. Современные навигационные системы опираются на данные, получаемые 
от множества датчиков и чувствительных элементов. Для комплексной обработки 
получаемой информации широкое применение получили алгоритмы оптимальной 
фильтрации, такие как фильтр Калмана (ФК) и его различные модификации. При таком 
подходе предполагается случайный характер погрешностей датчиков и чувствительных 
элементов, как следствие требуется предварительная идентификация моделей таких 
погрешностей [1–3]. 
Задача идентификации модели погрешностей может быть решена в рамках теории 
нелинейной байесовской фильтрации. При этом вводятся предположения о наличии набора 
альтернативных гипотез о модели погрешностей в виде формирующих фильтров, для 
векторов состояния и неизвестных параметров которых заданы априорные функции 

---

Альманах научных работ молодых ученых 
XLVII научной и учебно-методической конференции Университета ИТМО. Том 1 
164 
плотности распределения вероятности (ф.п.р.в.). В этом случае задача может быть 
сформулирована следующие образом: по имеющимся измерениям требуется найти 
гипотезу, максимизирующую значение апостериорной вероятности, т.е. определить 
структуру модели, и получить оптимальные байесовские оценки и дисперсии 
погрешностей оценивания вектора неизвестных параметров и вектора состояния для этой 
гипотезы [4]. 
Использование аппроксимации ф.п.р.в. вектора неизвестных параметров и 
фиксирование его значений для каждой гипотезы позволяют свести решаемую задачу к 
набору линейных задач и построению алгоритма с помощью банка ФК [4]. 
Реализация банка ФК предусматривает необходимость проведения значительного 
объема вычислений. Помимо этого, существует задача определения потенциальной 
точности, при решении которой рассматриваемый алгоритм необходимо запускать 
многократно, что пропорционально увеличивает вычислительную сложность. В связи с этим 
встает вопрос о вычислительной оптимизации, которая позволила бы сократить реальное 
время, затрачиваемое на решение задачи.