面向传感器融合与状态估计的基于物理推导的自动化代码生成
系统与控制
2020-04-30 v1 系统与控制
摘要
我们提出了一种新方法，可从感知系统物理特性及其信号与信号约束的机器可读规范中自动生成状态估计算法的实现。我们将该状态估计器代码生成方法实现为一种物理规范语言的后端，并应用此后端为线性系统（卡尔曼滤波器）和非线性系统（扩展卡尔曼滤波器）生成完整的 C 代码状态估计器实现。从物理规范进行状态估计器代码生成完全自动化，无需人工干预。所生成的滤波器可结合一种自动微分（Automatic Differentiation）技术，将函数求值与微分合并于单一过程。利用一系列复杂度的物理系统描述，我们生成了扩展卡尔曼滤波器，并通过仿真轨迹在预测精度方面对其进行了评估。结果表明，我们自动生成的传感器融合与状态估计实现所提供的状态估计，与人工编写且手工优化的对应实现处于相同的误差界内。我们还量化了所生成状态估计器实现在 RISC-V 架构上的代码规模与动态指令数需求。结果表明，与标准微分技术相比，我们采用自动微分的合成状态估计实现使所生成卡尔曼滤波器的动态指令数平均改进了 7%–16%。这一改进以所生成滤波器代码规模平均仅增加 4.5% 的有限代价换来。
引用
@article{arxiv.2004.13873,
title = {Automated Physics-Derived Code Generation for Sensor Fusion and State Estimation},
author = {Orestis Kaparounakis and Vasileios Tsoutsouras and Dimitrios Soudris and Phillip Stanley-Marbell},
journal= {arXiv preprint arXiv:2004.13873},
year = {2020}
}
备注
11 pages, 7 figures