بهبود کارایی ردیاب ستاره با استفاده از فیلتر انتساب داده احتمالاتی مشترک، به منظور تعیین وضعیت دقیق اجسام پرنده
محل انتشار: فصلنامه علوم و فناوری فضایی، دوره: 9، شماره: 1
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 320
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSST-9-1_004
تاریخ نمایه سازی: 13 آذر 1400
چکیده مقاله:
با توجه به کاربرد وسیع ماهواره ها و فضاپیماها در زمینه های مختلف، برای انجام ماموریت ها لازم است آنها بصورت دقیق و به طور خودکار تحت کنترل قرار بگیرند. یکی از پارامترهایی که در کنترل ماهواره یا فضاپیما مطرح می گردد تعیین وضعیت است. ردیاب ستاره یکی از سامانه های است که کاربرد وسیعی در تعیین وضعیت دارد. عملیات تعیین وضعیت در ردیاب ستاره مبتنی بر تصویربرداری از فضای اطراف ردیاب و شناسایی ستارگان موجود در تصویر است. برای این منظور الگوریتم های متفاوتی طراحی شده است. نقطه ضعف اغلب این الگوریتم ها این است که عمدتا، در عملیات تخمین موقعیت ستاره و تخمین وضعیت ماهواره به مشاهدات اکتفا می کنند. از آنجا که مشاهدات اغلب آغشته به نویز هستند این مساله بر کیفیت تعیین وضعیت تاثیرگذار است. در این مقاله، با استفاده از روش های ردیابی راه حلی برای این مشکل ارائه می شود. الگوریتم های ردیابی مبتنی بر فیلتر کالمن دارای کیفیت خوبی برای تخمین موقعیت هستند. الگوریتم پیشنهادی با استفاده ازیکی از این الگوریتم ها با نام الگوریتم انتساب داده احتمالاتی مشترک، ردیابی را انجام می دهد و نتایج تخمین وضعیت با نتایج تخمین وضعیت حاصل از روشSNA که یکی از معروف ترین الگوریتم ها موجود است مقایسه می گردد. نتایج شبیه سازی نشان دهنده بهبود در عملکرد تعیین وضعیت است.
کلیدواژه ها:
تعیین وضعیت ، ردیاب ستاره ، الگوریتم پیرآمید ، الگوریتم روش همسایه ستاره (SNA) ، فیلتر انتساب داده احتمالاتی مشترک
نویسندگان
احمدرضا صادقی
گروه مهندسی برق، دانشکده مهندسی، دانشگاه اصفهان، اصفهان، ایران
محمدفرزان صباحی
گروه مهندسی برق، دانشکده مهندسی، دانشگاه اصفهان، اصفهان، ایران
سیدمحمد صابرعلی
گروه مهندسی برق، دانشکده مهندسی، دانشگاه اصفهان، اصفهان، ایران
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 :