ردیابی غیر فعال هدف زیرآب با استفاده از الگوریتم اندازگیری فقط سمت

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 978

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DCEAEM01_226

تاریخ نمایه سازی: 18 دی 1393

چکیده مقاله:

دراین مقاله به ردیابی غیرفعال یک هدف زیرآب بااستفاده ازالگوریتم اندازه گیری فقط سمت هدف پرداخته شدهاست که تخمین موقعیت هدف متحرک درزیرآب صرفا براساس زوایای بدست آمده ازسیگنالهای اکوستیکی ساطع شده ازهدف و دریافت آن توسط حسگرهای سوناربدست می آید دراین مقاله حرکت هدف و حسگرها با سرعتی ثابت و درراستای خط مستقیم درنظر گرفته شده است وبعدازاندازه گیری زوایا توسط حسگرها این زوایا دراختیارصافی کالمن قرارمیگیرد و صافی کالمن به تخمین موقعیت و سرعت هدف می پردازد دراین مقاله برای براورد موقعیت و سرعت هدف متحرک ازسه نوع صافی کالمن عبارتنداز: صافی کالمن توسعه یافته سنتی صافی کالمن بی بو و صافی کالمن توسعه یافته فازی استفاده شده است که تفاوت این صافی با دوصافی دیگر د رتنظیم ماتریس کواریانس نویز اندازه گیری R است که توسط سیستم فازی انجام میشود و باعث بهبود عملکرد صافی کالمن شده است معادلات حالت توصیف کننده این سیستم تشکیل شده ازموقعیت و سرعت هدف متحرک درراستاهای مختلف می باشدو برداراندازه گیری مدل مذکور زاویه سمت رسیدن سیگنالهای اکوستیکی به حسگرها می باشد درنهایت بابیان یک مثال ردیابی هدف زیرآب به مقایسه سه صافی بیان شده پرداخته شده است که نتایج نشان دهنده این است که صافی کالمن توسعه یافته فازی دارای براورد بهتری نسبت به صافی کالمن توسعه یافته سنتی و صافی کالمن بی بو بوده و دارای RMSE کمتری نسبت به آنها می باشد

نویسندگان

امیرحسین ناصری صلحدار

دانشجوی کارشناسی ارشد مهندسی کنترل، دانشگاه صنعتی شاهرود

حیدر طوسیان شاندیز

دانشیار گروه کنترل، دانشکده برق و رباتیک دانشگاه صنعتی شاهرود

علی ایزدی پور

محقق در پژوهشکده نوح

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 :
  • _ Ferial El-Hawary, and Yuyang Jing, 'A Robust Pre-Filtering Approach ...
  • Ferial El-Hawary, F Aminzadeh, and GAN Mbamalu, 'The Generalized Kalman ...
  • Feria El-Hawary, 'Adaptive Underwater Target Tracking Via a Generalized Kalman ...
  • Smita Sadhu, S Mondal, M Srinivasan, and Tapan Kumar Ghoshal, ...
  • _ Stephen C Stubberud, Kathleen A Kramer, and J Antonio ...
  • Saifudin Razali, Keigo Watanabe, Shoichi Maeyama, and Kiyotaka Izumi, 'An ...
  • I7] Wang Yali, 'Bearings-Only Maneuvering Target Tracking Based on Stf ...
  • SA Gadsden, D Dunne, SR Habibi, and T Kirubarajan, 'Comparison ...
  • Rudolph Emil Kalman, 'A New Approach to Linear Filtering and ...
  • Rudolph E Kalman, and Richard S Bucy, 'New Results in ...
  • Taek L Song, and Jason L Speyer, 'A Stochastic Analysis ...
  • Fred Daum, 'Nonlinear Filters: Beyond the Kalman Filter', Aerospace and ...
  • Simon J Julier, and Jeffrey K Uhlmann, 'A New Extension ...
  • Lefebvre, T., Bruyninckx, H., and Schutter, J. D. (2002). "Comment ...
  • Scott F.Page, ،Mul ti ple-Opbj ect sensor Managment and opti ...
  • Patrick YC Hwang, and Robert Grover Brown, 'Introduction to Random ...
  • Robert J Fitzgerald, 'Divergence of the Kalman Filter', Automatic Control, ...
  • Simon S Haykin, Simon S Haykin, and Simon S Haykin, ...
  • PJ Escami lla-Ambrosio, and N Mort, 'Adaptive Kalman Filtering through ...
  • نمایش کامل مراجع