ردیابی هدف زیر دریا فقط با اندازه گیری سمت با استفاده از فیلتر کالمن مکعبی درجه پنج مقاوم در حضور داده های پرت

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 558

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJMT-6-2_001

تاریخ نمایه سازی: 12 خرداد 1399

چکیده مقاله:

ردیابی هدف با استفاده از اندازه گیری سمت یکی از روش های اصلی در ردیابی غیرفعال اهداف متحرک زیر دریا به شمار می رود. در این مساله همواره انتخاب نوع فیلتر و دقت تخمین های صورت گرفته از متغیرهای حالت هدف از مهم ترین موضوعات بوده است؛ اما در بسیاری از موارد و کاربردهای این نوع از ردیابی، وجود داده پرت در اندازه گیری ها اجتناب ناپذیر است که موجب کاهش دقت تخمین ها یا ناپایداری در عملکرد فیلترهای ردیابی می شود. در این مقاله برای غلبه بر این مشکل روشی جدید بر مبنای تخمین مقاوم در ساختار فیلتر کالمن مکعبی درجه پنج ارائه می شود. در این روش ابتدا داده های پرت در اندازه گیری شناسایی شده و با استفاده از تابع وزنی هوبر، وزن این داده های مخرب کاهش می یابد. آنالیز انجام شده بر روی یک مساله ردیابی هدف زیر دریا در سه حالت بدون حضور داده پرت، وجود داده های پرت کوچک در چند اندازه گیری پیوسته و حضور داده پرت بزرگ اندازه گیری بیانگر موثر بودن روش ارائه شده بوده به طوری که دقت تخمین های صورت گرفته توسط فیلتر انتخابی همچنان در سطح قابل قبولی می باشد.

کلیدواژه ها:

ردیابی هدف ، ردیابی از روی سمت ، فیلتر کالمن مکعبی درجه پنج مقاوم ، داده های پرت

نویسندگان

محمدامین احمدپورکاخک

کارشناسی ارشد مهندسی برق-کنترل، دانشکده مهندسی، دانشگاه فردوسی مشهد

مجید اکبریان

دانشجوی دکتری مهندسی برق-کنترل، دانشکده مهندسی، دانشگاه فردوسی مشهد

ناصر پریز

استاد گروه مهندسی برق، دانشکده مهندسی، دانشگاه فردوسی مشهد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Bar-Shalom, Y. and Rong Li, X., Multitarget Multisensor Tracking: Principles ...
  • Wan, M., Li, P. and Li, T., Tracking Maneuvering Target ...
  • Julier, S., Uhlmann, J. and Durrant-Whyte, H. F., A New ...
  • Yang, T., Mehta, P. G. and Meyn, S. P., Feedback ...
  • Karlgaard, C. D. and Schaub, H., Huber-based Divided Difference Filtering, ...
  • Wang, X., Cui, N. and Guo, J., Huber-based Unscented Filtering ...
  • Chang, L., Hu, B., Chang, G. and Li, A., Robust ...
  • Song, T. and Speyer, J., A stochastic analysis of a ...
  • Arasaratnam, S. and Haykin, S., Cubature Kalman Filters, IEEE Transactions ...
  • Leong, P. H., Arulampalam, S., Lamahewa, T. A. and Abhayapala, ...
  • Wu, H., Chen, S., Yang, B., and Luo, X., Robust ...
  • Wu, H., Chen, S., Yang, B. and Chen, K., Robust ...
  • Song, Q. and Han, J.-D., An Adaptive UKF Algorithm for ...
  • Yu, J. Y., Coates, M. J., Rabbat, M. G. and ...
  • Huang, G., Zhou, K., Trawny, N. and Roumeliotis, S. I., ...
  • Radhakrishnan, R., Bhaumik, S., Tomar, N. K., and Singh A. ...
  • Li, L. and Xie, W., Bearings-only Maneuvering Target Tracking based ...
  • Zhu, W., Wang, W. and Yuan, G., An Improved Interacting ...
  • Sabet, M. T., Fathi, A. R. and Daniali, H. R. ...
  • Huang, Y. and Song, T. L., Iterated Modified Gain Extended ...
  • Lakshmi, M. K., Rao, S. K., Subrahmanyam K., and Tilak ...
  • Alexandri, T., and Diamant, R., A Reverse Bearings Only Target ...
  • Bekiroglu, K., Ayazoglu, M., Lagoa, C., and Sznaier, M., Hankel ...
  • Radhakrishnan, R., Bhaumik, S., and Tomar, N. K., Gaussian sum ...
  • Wolek, A., Dzikowicz, B. R., McMahon J., and Houston B. ...
  • Hong, J. Kim, Y., and Bang, H., Cooperative Circular Pattern ...
  • Huang, Y. and Zhang, Y., Robust Student’s t-based Stochastic Cubature ...
  • Roh, H., Cho, M.-H., and Tahk, M.-J., Trajectory Optimization Using ...
  • Jia, B., Xin, M., and Cheng, Y., High-   degree cubature ...
  • Li, K., Hu, B., Chang, L., and Li, Y., Robust ...
  • نمایش کامل مراجع