موقعیت یابی مبتنی بر فیلتر فراابتکاری کلونی مورچگان پیوسته

موقعیت یابی به دلیل شرایط محیطی مانند عدم دسترسی به حسگر کمکی، غیرخطی بودن شدید مدل های دینامیکی، عدم قطعیت پارامتری و اغتشاشات محیطی، با چالش های اساسی مواجه است. فیلترهای متعارف مبتنی بر کالمن (KF) به دلیل وابستگی به فرضیات خطی سازی و توزیع گاوسی، و فیلتر ذره نیز به دلیل ضعف در تنوع ذرات و حساسیت به انتخاب مکانیزم بازنمونه گیری، در مواجهه با این شرایط کارایی محدودی دارند. در این مقاله، فیلتر کلونی مورچه پیوسته (CACF) برای تخمین موقعیت در یک مدل دینامیکی ساده شده ارائه می شود. رویکرد پیشنهادی مسئله تخمین حالت را به عنوان یک مسئله بهینه سازی پویای تصادفی بازتعریف و با بهره گیری از مکانیزم هوشمند جستجوی جمعیتی، فضای حالت را به صورت مستقیم کاوش می کند. فیلتر پیشنهادی در یک سناریوی موقعیت یابی یک بعدی با سه حالت (موقعیت، سرعت و بایاس شتاب سنج) مورد ارزیابی قرار گرفته و با KF مقایسه می شود. نتایج نشان می دهد که در شرایط ایده آل، دقت CACF معادل فیلتر KF است. با این حال، در حضور عدم قطعیت، فیلتر CACF مقاومت بسیار بالاتری از خود نشان داده و خطای تخمین موقعیت را تا حدود ۴۰٪ در مقایسه با KF کاهش می دهد. این یافته ها، ظرفیت بالای پارادایم فیلترهای فراابتکاری را برای دستیابی به ناوبری مقاوم و دقیق در شرایط غیرایده آل تایید می کند.

کلیدواژه ها:

موقعیت یابی ، فیلتر فراابتکاری ، کلونی مورچه پیوسته (CACF) ، مقاومت در برابر عدم قطعیت