انتخاب زیر مجموعه بهینه ماهواره ها با استفاده از مدل ترکیبی SVMPSO به منظور افزایش دقت مکان یابی GPS
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 182
فایل این مقاله در 14 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_ISEE-6-4_005
تاریخ نمایه سازی: 6 دی 1400
چکیده مقاله:
هندسه ماهواره ها، نشان دهنده مکان های هندسی ماهواره های GPS است، فاکتوری که ارتباط هندسی صورت فلکی ماهواره های GPS را با همدیگر نشان می دهد، GDOP است. همه گیرنده ها از الگوریتم هایی برای انتخاب ماهواره ها استفاده می کنند، در این مقاله هدف استفاده از راهکار دسته بندی و تخمین فاکتور GDOP برای انتخاب زیر مجموعه بهینه ماهواره ها است. برای این منظور از مدل ترکیبی SVMPSO استفاده شده است. این مدل بر خلاف روش ماتریس معکوس که به دلیل تاخیرهای محاسباتی اعلام موقعیت بلادرنگ را دچار نقصان می کرد، با دقت، سرعت و قابلیت اطمینان بالا فاکتور GDOP را محاسبه می کند. مدل SVM یکی از مدل های قوی برای دسته بندی و تخمین است، نقش PSO بهینه سازی پارامترهای اساسی SVM است. این روش عملکرد SVM را در دقت و سرعت بهبود می دهد. مدل SVMPSO برای دسته بندی ماهواره های دیده شده با گیرنده ارزان قیمت GPS پیاده سازی شد. ۴ نقشه متفاوت برای محاسبه فاکتور GDOP وجود دارد. شبیه سازی هر ۴ نقشه در این مقاله منعکس و با یکدیگر مقایسه گردید. پیاده سازی مدل و نتایج شبیه سازی خطای تخمین مدل SVMPSO را کمتر از ۱۶/۰ و دقت دسته بندی آن را بیش از ۹۹ درصد نشان دادند. روش ارائه شده با روش های GA، NN و SVM که اخیرا برای محاسبه GDOP استفاده شده اند، مقایسه گردید.
کلیدواژه ها:
نویسندگان
محمد حسین رفان
استادیار، دانشکده مهندسی برق و کامپیوتر- دانشگاه تربیت دبیر شهید رجایی- تهران- ایران
عادل دمشقی
- کارشناس ارشد، دانشکده مهندسی برق وکامپیوتر- دانشگاه تربیت دبیر شهید رجایی - تهران- ایران
مهرنوش کمر زرین
دانشجوی کارشناسی ارشد، دانشکده مهندسی برق وکامپیوتر- دانشگاه شهید بهشتی - تهران- 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 :