بهبود الگوریتم GM-PHD به منظور ردیابی چند هدف و چند سنسور با کمک تخمین : پایان نامه ارشد برق مخابرات

پایان نامه ای که به شما همراهان صمیمی فروشگاه دیجی لود معرفی میگردد از سری پایان نامه های جدید رشته برق و با عنوان بهبود الگوریتم GM-PHD به منظور ردیابی چند هدف و چند سنسور با کمک تخمین در 126صفحه با فرمت Word (قابل ویرایش) در مقطع کارشناسی ارشد تهیه و نگارش شده است. امیدواریم مورد توجه کاربران سایت و دانشجویان عزیز مقاطع تحصیلات تکمیلی رشته های جذاب مهندسی برق قرار گیرد.

چکیده تحقیق بهبود الگوریتم GM-PHD به منظور ردیابی چند هدف و چند سنسور با کمک تخمین :

در این پایان نامه مشکلات ردیابی چند هدف و چند سنسور ، با استفاده از قاعده مجموعه ذرات تصادفی مورد بررسی قرار می‌گیرد. فرضیه چگالی احتمال (PHD) بازگشتی به صورت دینامیکی اجرا می‌شود. این حالت دینامیکی به وسیله تلفیق مقدار بایاس انتقالی با تابع شدت انجام می‌گردد. بایاس دینامیکی را به صورت گوسی خطی در تابع شدت  فرض کرده ایم. اجرا فیلتر گوسی به صورت اجزا گوسی فرم بسته می‌باشد. موقعیت هدف و مقدار بایاس انتقالی به واسطه تابع صحت در هر مرحله با هم کوبل می‌شوند. استفاده از فیلتر دو مرحله‌ای کالمن منجر به کاهش قابل توجهی  پیچیدگی محاسبات می‌شود. در اینجا دو مثال برای بررسی فیلتر پیشنهادی فراهم شده است.

کلمات کلیدی:

ردیابی چند هدف ، فیلتر فرضیه چگالی احتمال، تخمین بایاس

پیشینه‌ی تحقیق

وو در سال 2004 فیلتر GM-PHD را برای سیستم ردیابی چند سنسور استفاده کرد و موقعیت هر هدف را به ترتیب داده‌هایی ‌که از هر سنسور به دست آمده بود را تخمین زد، با این حال از ثبت اشتباهات پیش آمده از هر سنسور صرف نظر کرد (Ma, Singh, & Vo, 2004).
ای ال. فلاح در سال 2011 فیلتر GM-PHD را برای سیستم ردیابی چند سنسور استفاده کرد و او نسخه ساده‌ای از ثبت خطا را در نظر گرفت (El-Fallah & Mahler, May 2011).

اف. لیان، سی. چان، اچ. چن در سال 2011 ثبت مقدار بایاس انتقالی در PHD بازگشتی مورد بررسی قرار داد، او ردیابی اهداف را با ثبت مقدار بایاس و به وسیله فیلتر SMC-PHD انجام داد        (Lian, Han, Liu, & Chen, 2011). اما به دلیل استفاده از فیلتر SMC، این روش معایبی از جمله هزینه محاسباتی بالاو غیر قابل اعتماد بودن خوشه بندی را دارا می‌باشد.

 روش تحقیق

ابتدا آخرین مقالات و پژوهش ها‌در این زمینه جمع آوري و مطالعه می‌شوند. این زمینه ها‌ شامل موارد مربوط به ردیابی هدف می‌باشند. سپس مفاهیم و موارد مورد نیاز از آنها استخراج شده و جهت ردیابی چند هدف و چند سنسور بکار برده می‌شوند.

فهرست مطالب

چکیده 1

مقدمه                   2

فصل اول: کلیات   3

1-1 بیان مسأله 4

1-2 اهداف تحقیق  8

1-3 فرضیه ها 8

1-4 پیشینه‌ی تحقیق  8

1-5 روش تحقیق  9

فصل دوم: سابقه تحقیق  10

مقدمه                   11

2-1 مدل ردیابی چند هدف  به وسیله فیلتر بیزین  11

2-2 فیلتر گوسی  13

2-2-1      مدل ردیابی چند هدف  به وسیله فیلتر PHD  14

2-3 فیلتر مونت‌کارلو  22

2-3-1      مونت کارلو ترتیبی  23

2-4 فیلتر SMC-PHD با ثبت خطا 30

2-4-1      بررسی مشکل ثبت خطا 34

2-4-2      شبیه سازی SMC-PHD با ثبت خطا 36

فصل سوم: GM-PHD با کمک تخمین بایاس   44

مقدمه 45

3-1 فیلتر GM-PHD با کمک تخمین بایاس برای اهداف خطی  50

3-1-1         مرحله اول: پیش بینی  50

3-1-2         مرحله دوم: به روز رسانی  51

3-1-3         مرحله سوم: هرس و ادغام اعضای گوسی  56

3-1-4         مرحله چهارم: تخمین موقعیت هدف و تخمین بایاس سنسور 60

3-2 فیلتر GM-PHD با کمک تخمین بایاس برای ردیابی اهداف غیر خطی(مانوری) 61

3-2-1         مرحله اول: تقریب BFG  61

3-2-2         مرحله دوم: پیش بینی  65

3-3 معیار ارزیابی انواع فیلتر  66

3-4 همگرایی خطا PHD  68

3-5 اجرا فیلتر GM-PHD با کمک تخمین بایاس   73

3-5-1         الگوریتم اجرا GM-PHD با کمک تخمین بایاس برای اهداف خطی  73

3-5-2         الگوریتم اجرا GM-PHD با کمک تخمین بایاس برای اهداف غیر خطی  74

فصل چهارم: شبیه سازی  75

مقدمه 76

4-1 شبیه سازی 1  76

4-2 شبیه سازی 2  85

فصل پنجم: نتیجه گیری و پیشنهادها 94

5-1 نتیجه گیری  95

5-2 پیشنهادها 98

منابع و مآخذ  99

چکیده‌ی انگلیسی  1

فهرست شکل ها

شکل ‏1‑1: اندازه گیری چند سنسور در‌یک مختصات مشترک بدون ثبت خطا 5

شکل ‏2‑1: روش مونتو کارلو برای حرکت کشتی  22

شکل ‏2‑2: اندازه گیری چند سنسور در‌یک مختصات مشترک بدون ثبت خطا در زمان k  35

شکل ‏2‑3: مسیر حرکت اهداف صحیح و مکان سنسور‌ها ‌را نمایش می‌دهد  39

شکل ‏2‑4: تخمین بایاس و بایاس صحیح نمایش داده شده است   39

شکل ‏2‑5:تخمین موقعیت اهداف   41

شکل ‏2‑6: میانگین OSPA برای   43

شکل ‏2‑7: میانگین CPEP برای   43

شکل ‏3‑1: زنجیره مارکوف   63

شکل ‏3‑2: تعداد اهداف در هر مرحله از زمان برای PHD استاندارد و PHD-Bias 67

شکل ‏3‑3: معیار OSPA برای PHD استاندارد و PHD-Bias 67

شکل ‏3‑4: الگوریتم خطی فیلتر GM-PHD با تخمین بایاس   73

شکل ‏3‑5: الگوریتم غیرخطی فیلتر GM-PHD با تخمین بایاس   74

شکل ‏4‑1: مسیر درست حرکت اهداف، مکان سنسور‌ها ‌و اندازه گیری سنسور‌ها ‌در مختصات (x,y) 79

شکل ‏4‑2: مسیر درست حرکت اهداف، مکان سنسور‌ها ‌و اندازه گیری سنسور‌ها ‌در طول زمان  80

شکل ‏4‑3: تخمین موقعیت  اهداف به  وسیله  فیلتر GM-PHD با تخمین  بایاس  و  فیلتر  استاندارد….. GM-PHD بدون تخمین بایاس در مختصات کارتزین  81

شکل ‏4‑4: تخمین موقعیت  اهداف  به وسیله  فیلتر GM-PHD با  تخمین  بایاس و فیلتر  استاندارد….. GM-PHD بدون تخمین بایاس در مختصات زمان  82

شکل ‏4‑5: مقایسه عملکرد دو فیلتر به وسیله معیار OSPA با کمترین در هم و برهمی  83

شکل ‏4‑6: مقدار میانگین OSPA برای ردیابی خطی  83

شکل ‏4‑7: تعداد صحیح اهداف و تخمین تعداد اهداف به وسیله 2 فیلتر  84

شکل ‏4‑8: تخمین بایاس   84

شکل ‏4‑9: حرکت مانوری اهداف   86

شکل ‏4‑10: حرکت 3 هدف در مختصات زمانی  87

شکل ‏4‑11: تخمین موقعیت اهداف مانوری در مختصات دکارتی  88

شکل ‏4‑12: تخمین موقعیت اهداف مانوری در مختصات زمانی  89

شکل ‏4‑13: معیار OSPA برای ردیابی اهداف مانوری  90

شکل ‏4‑14: مقدار میانگین OSPA برای ردیابی مانوری  90

شکل ‏4‑15: تخمین تعداد اهداف مانوری با درهم‌ریختگی مساوی  91

شکل ‏4‑16: تخمین بایاس سنسور ها 91

شکل ‏4‑17: معیار OSPA برای ردیابی هدف مانوری با در‌هم‌ریختگی نامساوی  92

فهرست جداول

جدول ‏4‑1: میانگین معیار OSPA برای ردیابی مانوری با 2 مدل در هم‌ریختگی  93

جدول ‏5‑1: میانگین معیار OSPA برای ردیابی  95

راهنمای خرید و دانلود فایل

برای پرداخت، از کلیه کارتهای عضو شتاب میتوانید استفاده نمائید.

بعد از پرداخت آنلاین لینک دانلود فعال و نمایش داده میشود ، همچنین یک نسخه از فایل همان لحظه به ایمیل شما ارسال میگردد.

در صورت بروز  هر مشکلی،میتوانید از طریق تماس با ما  پیغام بگذارید و یا در تلگرام با ما در تماس باشید، تا مشکل شما مورد بررسی قرار گیرد.

برای دانلود فایل روی دکمه خرید و دانلود  کلیک نمایید.