تعیین بردار سرعت یک جسم در حال حرکت به کمک داده های جی. پی. اس. با آنالیز و دسته بندی الگوریتم های مختلف مشتق گیری عددی

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 590

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_AKT-7-2_006

تاریخ نمایه سازی: 25 خرداد 1398

چکیده مقاله:

محاسبه نرخ تغییرات یا به عبارتی مشتق­گیری از سیگنال­های دیجیتال همواره از مهم ترین چالش های موجود در زمینه پردازش سیگنال­های دیجیتال بوده است. این در حالی است که در کاربردهای مختلف به ناچار باید به مشتق­گیری از سیگنال­های دیجیتال پرداخت. در بسیاری از کاربردها استفاده از روش­های مرسوم مشتق­گیری ناکارآمد است و منجر به افزایش شدید خطا و نویز تا حدود چند ده برابر می شوند. در این مقاله محاسبه سرعت از روی داده­های همراه با نویز و گسسته در متغیر حالت مکان با روش­های مختلف از لحاظ تئوری و عملی بررسی و مقایسه و در ادامه بهترین روش محاسبه نرخ تغییرات (مشتق گیری) برای کاربرد مذکور استخراج شده است. با بررسی های انجام شده ملاحظه می شود که روش فیلتر کالمن مناسب­ترین عملکرد را در کمینه کردن مجموع مربعات خطا برای کاربرد محاسبه مشتق از داده­های جی. پی. اس. دارد و به خوبی با فیلتر مناسب داده ها آثار نویز و خطا را از بین می­برد. استفاده از روش فیلتر کالمن دارای حالت گذرای مناسب نیست. این مشکل با اصلاح روش و به کارگیری فیلتر کالمن تطبیقی با وزن دهی مناسب به داده­های عملکرد حالت گذرا را نیز تا حد خوبی بهبود داده است. نتایج حاصل از اعمال الگوریتم­های مورد بحث روی داده­های واقعی جی. پی. اس. برای استخراج بردار سرعت لحظه­ای گزارش شده است.

کلیدواژه ها:

نویسندگان

امیر پورصادق سادات محله

کارشناس ارشد / گروه کنترل، دانشگاه شهید بهشتی، تهران

مهدی پورقلی

عضو هیات علمی / گروه کنترل، دانشکده برق، دانشگاه شهید بهشتی

علیرضا یزدی زاده

عضو هیات علمی / گروه کنترل، دانشکده برق، دانشگاه شهید بهشتی

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 :
  • D. Murio, Automatic numerical differentiation by discrete mollification, Computers & ...
  • I. Knowles, R. J. Renka, Methods for numerical differentiation of ...
  • R. Chartrand, Numerical differentiation of noisy, nonsmooth data, ISRN Applied ...
  • D. Petrinovic, Causal Cubic Splines: Formulations, Interpolation Properties and Implementations, ...
  • S. Tingna, W. Zheng, X. Changliang, Speed Measurement Error Suppression ...
  • R. Ronsse, S. De Rossi, N. Vitiello, T. Lenzi, M. ...
  • David Eager, Ann-Marie Pendrill, and Nina Reistad. Beyond velocity and ...
  • Ye, Shirong, Yongwei Yan, Dezhong Chen, Performance Analysis of Velocity ...
  • Jakob M. Hansen, et al. Nonlinear Observer for Tightly Coupled ...
  • C. F. Gerald, Applied numerical analysis, Pearson Education India, 2004. ...
  • A. Antoniou, Digital signal processing, McGraw-Hill Toronto, Canada, 2006. ...
  • P. Holoborodko, Smooth noise robust differentiators, Consulted on, vol. 7, ...
  • A. V. Oppenheim, R. W. Schafer, Discrete-time signal processing, Pearson ...
  • S. W. Smith, The scientist and engineer s guide to ...
  • R. G. Lyons, Understanding digital signal processing, Pearson Education, 2010. ...
  • C. Groetsch, Lanczo s generalized derivative, The American mathematical monthly, ...
  • L. Washburn, The Lanczos derivative, Dept. of Maths, Whitman College, ...
  • F. Janabi-Sharifi, V. Hayward, C. S. J. Chen, Discrete-time adaptive ...
  • D. G. Luenberger, Optimization by vector space methods, John Wiley ...
  • M. Rao, Q. Xia, Y. Ying, Modeling and advanced control ...
  • نمایش کامل مراجع