УДК: 681.3.01, 681.787

Сравнительный анализ расширенной фильтрации Калмана и последовательного метода Монте-Карло при использовании вероятностных моделей сигналов в оптической когерентной томографии

Волынский М.А., Гуров И.П., Ермолаев П.А., Скаков П.С.

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Волынский М.А., Гуров И.П., Ермолаев П.А., Скаков П.С. Сравнительный анализ расширенной фильтрации Калмана и последовательного метода Монте-Карло при использовании вероятностных моделей сигналов в оптической когерентной томографии // Оптический журнал. 2015. Т. 82. № 8. С. 54–60.

Volynskiy M.A., Gurov I.P., Ermolaev P.A., Skakov P.S. Comparative analysis of extended Kalman filtering and the sequential Monte Carlo method, using probability models of signals in optical coherent tomography [in Russian] // Opticheskii Zhurnal. 2015. V. 82. № 8. P. 54–60.

Ссылка на англоязычную версию:

M. A. Volynskiĭ, I. P. Gurov, P. A. Ermolaev, and P. S. Skakov, "Comparative analysis of extended Kalman filtering and the sequential Monte Carlo method, using probability models of signals in optical coherent tomography," Journal of Optical Technology. 82(8), 533-537 (2015). https://doi.org/10.1364/JOT.82.000533

Аннотация:

Рассмотрено описание сигналов в оптической когерентной томографии с использованием вероятностных моделей и проведен сравнительный анализ расширенного фильтра Калмана и последовательного метода Монте-Карло для динамического оценивания параметров сигналов. Приведены результаты сравнения ошибок оценивания и быстродействия алгоритмов. Показано, что качество формируемых изображений при помощи расширенного фильтра Калмана и последовательного метода Монте-Карло зависит от доступной априорной информации о характеристиках обрабатываемых данных. Приведены рекомендации по использованию алгоритмов для обработки сигналов в корреляционной оптической когерентной томографии.

Ключевые слова:

вероятностные модели, расширенный фильтр Калмана, последовательный метод Монте-Карло, оптическая когерентная томография

Благодарность:

Работа выполнена при финансовой поддержке Министерства образования и науки Российской Федерации.

Коды OCIS: 110.4500, 120.3180, 120.2650, 100.2000, 100.3175

Список источников:

1. Van Kampen N.G. Stochastic processes in physics and chemistry. 3rd ed. Amsterdam: North-Holland Personal Library, 2007. 463 p.
2. Simon D. Optimal state estimation. NY: John Wiley & Sons, Inc., 2006. 526 p.
3. Гуров И.П. Оптическая когерентная томография: принципы, проблемы и перспективы // Проблемы когерентной и нелинейной оптики / Под ред. Гуров И.П., Козлов С.А. СПб.: СПбГУ ИТМО, 2004. С. 6–30.
4. Fercher A. Optical coherence tomography // Journal of Biomedical Optics. 1996. V. 1. P. 157–173.
5. Kalman R.E. A new approach to linear filtering and prediction problems // Trans. ASME, J. Basic Eng. 1960. V. 82. P. 35–45.
6. Simon D. Using nonlinear Kalman filtering to estimate signals // Embedded Systems Design. 2006. V. 19. № 7. P. 38–53.
7. Ristic B., Arulampalam S., Gordon N. Beyond the Kalman filter: particle filters for tracking applications. London: Artech House, 2004. 302 p.
8. Dubois A., Grieve K., Moneron G., Lecaque R., Vabre L., Boccara C. Ultrahigh-resolution full-field optical coherence tomography // Applied Optics. 2004. V. 43. P. 2874–2883.
9. Мирошник И.В. Теория автоматического управления. Нелинейные и оптимальные системы. СПб.: Питер, 2006. 272 с.

10. Volynskii M.A., Gurov I.P., Zhukova Е.V. Recursion algorithms for processing video information in opticalcoherence-tomography system // JOT. 2012. V. 79. Is. 11. P. 698–703. (Оптический журнал. 2012. № 11(79). С. 28–35.)
11. Волынский М.А., Гуров И.П., Ермолаев П.А., Скаков П.С. Динамическое оценивание параметров интерферометрических сигналов на основе последовательного метода Монте-Карло // Научно-технический вестник информационных технологий, механики и оптики. 2014. № 3 (91). С. 18–24.
12. Гуров И.П., Захаров А.С. Анализ характеристик интерференционных полос методом нелинейной фильтрации Калмана // Оптика и спектроскопия. 2004. № 2 (96). С. 210–216.
13. Sundararajan D. The discrete fourier transform. Theory, algorithms and applications. Singapore: World Scientific Publishing Co. Pte. Ltd., 2001. 390 p.
14. Кормен Т., Лейзерсон Ч., Ривест Р., Штайн К. Алгоритмы: построение и анализ. Издание 2. М.: Вильямс, 2005. 1296 с.
15. Волынский М.А., Гуров И.П., Ермолаев П.А., Скаков П.С. Анализ вычислительной сложности рекуррентных алгоритмов обработки данных в оптической когерентной томографии // Научно-технический вестник информационных технологий, механики и оптики. 2014. № 6 (94). С. 35–41.