اصغر راست بود - عضو هیئت علمی گروه نقشهبرداری دانشکده فنی و مهندسی عمران دانشگاه تبریز

یکی از انواع فیلتر های غیر خطی شبکه های عصبی می باشند. تا کنون استفاده از شبکه های عصبی به عنوان فیلترهای غیرخطی در بسیاری از کاربردهای پردازش سیگنال های غیرخطی پیشنهاد شده است. معادلات ناوبری سیستم تعیین موقعیت جهانی GPS در اصل غیر خطی از درجه دو هستند و امکان حل مستقیم این معادلات به شکل بسته وجود ندارد. در این مقاله روش جدیدی جهت حل معادلات شبه فاصلة GPS با استفاده از شبکه های عصبی سه لایه با تابع پایه شعاعی (RBF) معرفی می شود بدین صورت که یک شبکه عصبی با تابع پایه شعاعی سه لایه طراحی می شود که معادلات غیرخطی شبه فاصله را بطور مستقیم حل می کند . نتایج حاصله با روشهای متعارف امروزی یعنی روش خطی کمترین مربعات و فیلتر GPSکالمن تعمیم یافته قابل رقابت است . تابع ارزش انتخابی با استفاده از یک الگوریتم خاص طوری مینیمم می گردد که زمان یادگیری برای شبکه های عصبی زمان معقولی باشد.شبیه سازیها رفتار پایدار شبکه های عصبی را حتی تحت شرایط نامناسب هندسی که روشهای کمترین مربعات بازگشتی و فیلتر کالمن تعمیم یافته حساسیت بالایی به خطاهای اندازه گیری دارند، نشان می دهد. تحت شرایط هندسی خوب جواب شبکه های عصبی ،بهبود نویز بهتری را در مقایسه با جواب کمترین مربعات نشان می دهد. جهت ارزیابی اجرای شبکة عصبی آموزش داده شده شبیه سازی ها با استفاده از مدل های نویز گوسی سفید و نویز وابسته انجام شده است

. PDOP ، DOP ، ECEF ، RBF ، GPS