تحلیل شبکه عصبی مبتنی بر موجک اموزش یافته با الگوریتم PSO برای پیش بینی بلادرنگ خطا ها در گیرنده های تک فرکانسه GPS

دقت گیرنده های تک فرکانسه GPS به علت منابع خطاهای موجود در آن از قبیل خطاهای ناشی از اثر یونسفر و تروپسفر، خطای ساعت ماهواره، خطای حاصله از اطلاعات مداری، خطاهای گیرنده و نیز خطای ناشی از پدیده چندمسیری، کم می باشد. وجود منابع خطاهای بیان شده در فوق سبب می گردد دقت گیرنده های ارزان قیمت GPS پایین و کاربردهای آن محدود شود. بنابراین کاهش خطا در سیستم موقعیت یاب جهانی GPS از اهمیت بسزایی برخوردار است. الگوریتم بهینه سازی گروهی ذرات PSO) یک الگوریتم جستجوی اجتماعی می باشد که از روی رفتار اجتماعی دسته های پرندگان مدل شده است. این الگوریتم از دیدگاه محاسباتی بسیار ساده، دارای سرعت بالا و حافظه ای کم هزینه می باشد. در این مقاله یک شبکه عصبی مبتنی بر موجک آموزش یافته با الگوریتم بهینه سازی گروهی ذرات برای پیش بینی بلادرنگ خطاها در گیرنده های تک فرکانسه GPS پیشنهاد می شود. این مقاله از جمع آوری داده های واقعی برای ارزیابی کارآیی روش پیشنهادی استفاده می نماید. نتایج آزمایشگاهی در آزمون های میدانی، پتانسیل قوی این روش مدل سازی خطا را جهت دسترسی به مکان سنجی دقیق تضمین می کنند. نتایج به دست آمده نشان می دهند که می توان موثر خطاهای مکانی در گیرنده های ارزان قیمت GPS را به حدود ١ متر کاهش داد.

کلیدواژه ها:

شبکه عصبی مبتنی بر موجک ، الگوریتم بهینه سازی گروهی ذرات ، پیش بینی خطاها ، گیرنده های تک فرکانسه GPS