ПРОГРАМНИЙ ЗАСІБ ДЛЯ КАЛМАНІВСЬКОГО ФІЛЬТРУВАННЯ СИГНАЛУ В РЕЖИМІ РЕАЛЬНОГО ЧАСУ
DOI:
https://doi.org/10.31471/1993-9981-2025-1(54)-190-198Ключові слова:
метрологія, вимірювання, розробка програмного забезпечення, фільтрування сигналу, фільтр Калмана, обробка даних.Анотація
У статті представлено розробку програмного засобу для виконання фільтрації пакету даних за алгоритмом Калмана в режимі реального часу або наближеному до нього. Проведено аналіз існуючих наукових досліджень, присвячених адаптації фільтра Калмана до різноманітних задач обробки сигналів в інформаційно-вимірювальній техніці. Наведено узагальнений теоретичний опис принципу дії фільтра Калмана, включаючи рівняння спостереження та системне рівняння, що описують зв'язок між спостережуваними даними та невідомою характеристикою, а також динаміку зміни стану процесу в часі. Деталізовано послідовність основних операцій фільтра Калмана для кожного вимірювання: визначення приросту, оновлення передбачення, перерахунок сходимості похибки та формування нового передбачення. Основну частину роботи присвячено розробці програмного засобу, що реалізує спрощену версію фільтра Калмана. Програмний засіб розроблено з використанням об’єктно-орієнтованої парадигми програмування на основі відокремлених класів. Графічний інтерфейс користувача створено за допомогою бібліотеки QT, що забезпечує зручне візуальне представлення даних та елементи керування. Описано структуру розроблених класів, включаючи генератор типових сигналів (синусоїдального, прямокутного, трикутного), генератор шуму із заданою амплітудою та безпосередньо клас фільтра Калмана. Представлено блок-схеми алгоритму виконання фільтрації та алгоритму пошуку середньої похибки передбачення для фільтра Калмана. Детально описано інтерфейс розробленого програмного засобу з поясненням функціональності кожного елемента керування (амплітуда та частота генератора, тип сигналу, об’єм буфера даних, параметри генератора шуму, керування примусовою генерацією, панелі виводу похибок та візуалізатор). Наведено приклади роботи програмного засобу при генерації та фільтрації сигналів різних типів.
Завантаження
Посилання
Kalman, Rudolph Emil. A New Approach to Linear Filtering and Prediction Problems. Transactions of the ASME. Journal of Basic Engineering. 1960. Vol. 82. Series D. Pp. 35 – 45. doi: 10.1115/1.3662552
Paul Zarchan; Howard Musoff Fundamentals of Kalman Filtering: A Practical Approach. American Institute of Aeronautics and Astronautics, Incorporated. 2000. 883 p. doi: 10.2514/4.102776
Richard J. Meinhold, Nozer D. Singpurwalla. Understanding the Kalman Filter. The American Statistician. 1983. Vol. 31. No. 2. Pp. 123 – 127. doi: 10.1080/00031305.1983.10482723
The Kalman Filter. URL: https://kalmanfilter.org/cpp/index.html
Robert Grover Brown, Patrick Y. C. Hwang. Introduction to Random Signals and Applied Kalman Filtering with Matlab Exercises, 4th Edition. Wiley. 2012. 400 p. ISBN: 978-0-470-60969-9.
Al-Attabi Ali, Al Ali. Spectral Graph Filtering for Noisy Signals Using the Kalman filter. ECTI Transactions on Electrical Engineering, Electronics, and Communications. 2023. 21. 249818. doi: 10.37936/ecti-eec.2023212.249818
Medetov Bekbolat, Kulakayeva Aigul, Zhetpisbayeva Ainur, Albanbay Nurtay, Kabduali Tair. Identifying the regularities of the signal detection method using the Kalman filter. Eastern-European Journal of Enterprise Technologies. 2023. Vol. 5. P. 26-34. doi: 10.15587/1729-4061.2023.289472
Meda Campaña Jesus, Hernandez Juan, Velazquez Sanchez Rodolfo Daniel, Paramo Carranza Luis, Hernández-Cortés Tonatiuh, Tapia-Herrera Ricardo. Estimating Complex Signals With a Fuzzy-Enhanced Kalman Filter: A Note on “the Output Regulation and the Kalman Filter as the Signal Generator”. IEEE Access.2025. Vol. 13. P. 24041 – 24052. doi: 10.1109/access.2025.3537497
Bratić Sara, Prosenica Đorđe, Gajić Ljubomir, Terzić Stojan, Kasapović Sara, Urekar Marjan. Comparing Filter Efficiency: Complementary vs. Kalman Filters on Accelerometer and Gyroscope Signals. 2024. P. 111-116. doi: 10.69994/11Ic24019
Ao Weixian. Enhancing Kalman Filter Performance for PPG Signal Denoising: Adaptive Integration of Accelerometer and Gyroscope Data. Applied and Computational Engineering. 2025.133. Pp. 143-149. 10.54254/2755-2721/2025.20638
Koliesnychenko, A. O., Pliesnetsov, S. Yu., Pliesnetsov, Yu. O. Ohliad suchasnykh zasobiv ta system dlia avtomatychnoho kalibruvannia obladnannia (Overview of moder systems for automatic calibration of hardware). Metody ta prylady kontroliu yakosti. 2024. 1(52). P. 15–25. doi: 10.31471/1993-9981-2024-1(52)-15-25 [in Ukrainian]
Pliesnetsov S. Yu., Kolesnichenko A. O., Yashchenko K. A. Rozrobka prohramnoho zasobu dlia statystychnoho analizu syhnalu v rezhymi realnoho chasu (Software development for realtime signal analysis). Visnyk Natsionalnoho tekhnichnoho universytetu "KhPI". Ser. : Innovatsiini tekhnolohii ta obladnannia obrobky materialiv u mashynobuduvanni ta metalurhii : zb. nauk. pr. Kharkiv: NTU "KhPI". 2018. № 31 (1307). P. 67-71.URI:https://repository.kpi.kharkov.ua /handle/KhPI-Press/41205 [in Ukrainian]
Qt. URL: https://www.qt.io/
Git repository cppQTFilterApp. URL: https://github.com/Rastrelly/cppQTFilterApp
QT Documentation. URL: https://doc.qt.io/