مقاوم سازی موقعیت یابی در برابر فریب GPS با استفاده از سامانه های INS و Loran-C
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 683
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TJEE-48-3_036
تاریخ نمایه سازی: 17 تیر 1398
چکیده مقاله:
امروزه قابلیت اطمینان سامانه ها در طراحی سامانه های جدید ناوبری در هواپیماهای بدون سرنشین از اهمیت ویژه ای برخوردار است. یکی از موارد افزایش قابلیت اطمینان سامانه ها استفاده هم زمان از چند سیستم برای برآورده کردن یک هدف خاص است. یکی از تهدیدات اصلی در زمان جنگ در ناوبری هواپیماهای بدون سرنشین، حمله فریب GPS است. در این مقاله برای مقاوم سازی موقعیت یابی در برابر فریب GPS با استفاده از سیستم های INS و Loran-C معماری تلفیقی پیشنهاد شده است که از الگوریتم های مبتنی بر ذره بهره می برد. ایده اصلی این معماری شامل دو بخش اصلی شناسایی فریب با استفاده از روش آزمون فرض و جبران سازی آن با استفاده از الگوریتم های داده کاوی در تلفیق سیستم های INS/Loran-C است. در این معماری علاوه بر افزایش قابلیت اطمینان سامانه در صورت خرابی یکی از سیستم ها، صحت خروجی داده های موقعیت در زمان حمله فریب نیز افزایش می یابد. بنابراین با قابلیت اطمینان بیشتری می توان از هواپیماهای بدون سرنشین در شرایط خطرناک با احتمال خطرپذیری زیاد از فریب گرهای GPS، استفاده نمود. با استفاده از معیار ریشه میانگین مربعات خطا، عملکرد معماری پیشنهادی مورد ارزیابی قرار می گیرد. نتایج شبیه سازی، عملکرد معماری پیشنهادی را در دو سناریوی مختلف فریب GPS و همچنین در حالت در دسترس نبودن داده های GPS و Loran-C به صورت هم زمان، تایید می کند.
کلیدواژه ها:
مقاوم سازی موقعیت یابی ، تلفیق سیستم های ناوبری ، داده کاوی ، فریب گیرنده GPS ، هواپیمای بدون سرنشین
نویسندگان
محمد مجیدی
مجتمع برق و الکترونیک - دانشگاه صنعتی مالک اشتر تهران
علیرضا عرفانیان
مجتمع برق و الکترونیک - دانشگاه صنعتی مالک اشتر تهران
حمید خالوزاده
دانشکده مهندسی برق و کامپیوتر - دانشگاه صنعتی خواجه نصیرالدین طوسی - تهران
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 :