بررسی تاثیر کاهش نویز مشاهدات مغناطیس سنج، ژیروسکوپ و شتاب سنج در بهبود تعیین موقعیت وسیله نقلیه با الگوریتم فیلتر کالمن

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 335

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_SEPEHR-30-117_003

تاریخ نمایه سازی: 5 تیر 1400

Abstract:

دقت تعیین موقعیت به کیفیت تکنولوژی مورد استفاده بستگی دارد. در حالی که استفاده از تکنولوژی­ های ارائه دهنده کیفیت بالای تعیین موقعیت مستلزم صرف هزینه زیاد و داشتن تخصص بالا جهت استفاده می باشد، عمدتا تکنولوژی با کیفیت و قیمت پایین تعیین موقعیت ماهواره ­ای (GPS) و حسگرهای وضعیتی استفاده می­ شوند که در قالب گوشی­ های هوشمند به صورت فراگیر در دسترس می باشند. یکی از نکات متمایز این تکنولوژی­ های ارزان قیمت، میزان تاثیرپذیری آن ها از عوامل تولید کننده نویز می باشد. در این مقاله تاثیر بهبود میزان نویز حاصل از حسگرهای تعیین موقعیت و وضعیت گوشی­ های همراه بر دقت تعیین موقعیت اشیاء متحرک مانند خودروها با استفاده از تکنیک محلی­ سازی[۱]  و تلفیق داده های حاصل از حسگرهای مغناطیس سنج، ژیروسکوپ که در گوشی­ های همراه هوشمند وجود دارند بررسی شده است. از حسگرهای مزبور پارامترهای آزیموت و زاویه چرخش (رول) استخراج شده است و این پارامترها به همراه شتاب­ خطی و مختصات جغرافیایی حاصل از GPS برای بهبود موقعیت وسیله نقلیه در الگوریتم کالمن که یک فیلتر پایین گذر برای نویزهای با فرکانس پایین است، تلفیق شده ­اند. نتایج به دست آمده از اجرای روش پیشنهادی در خط ۲ بزرگراه آزادگان شرق به غرب تهران و مقایسه آن با داده های مرجع نشان داده است که خطای تعیین موقعیت خودرو با گیرنده GPS گوشی هوشمند از ۰.۸۲۷۴ متر به ۰.۶۷۶۸ متر بدون کاهش نویز در فیلتر کالمن توسعه یافته[۲]، کاهش یافته است. با کاهش تدریجی نویز، میزان دقت نتایج حاصل از فیلتر کالمن بین مقادیر ۰.۶۷۶۳ تا ۰.۶۷۷۱ متر در نوسان بوده است که بیشترین بهبود دقت موقعیت خودرو در اثر کاهش ۲ درصدی نویز، به مقدار ۰.۶۷۶۳ متر حاصل شده ­است. براساس این نتایج، با وجود این که کاهش اثر نویز می تواند منجر به بهبود موقعیت وسیله نقلیه با استفاده از فیلتر کالمن و مشاهدات حسگرهای گوشی هوشمند شود، نامنظم بودن تغییرات دقت ناشی از کاهش نویز، لزوم یافتن درصد نویز کاهش بهینه را ایجاب می­ کند. [۱]- Dead-reckoning   [۲]- Extended  Kalman Filter  

Authors

کبری بزرگ نیا

دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم جغرافیایی، دانشگاه خوارزمی، تهران، ایران

هانی رضائیان

استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم جغرافیایی، دانشگاه خوارزمی، تهران، ایران

جواد سدیدی

استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم جغرافیایی، دانشگاه خوارزمی، تهران، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • Andersson, D,Fjellstrom, J(۲۰۰۴). Vehicle Positioning with Map Matching Using Integration ...
  • Diniz, P. S. (۲۰۱۳). Adaptive Filtering Algorithms and Practical Implementation. ...
  • Hall,P,(۲۰۰۱). A Bayesian Approach to Map-Aided Vehicle Positioning,Forssell,U, Nordlund,P.J, Linköping ...
  • Kim, Y., & Bang, H. (۲۰۱۹). Introduction to Kalman Filter ...
  • Toledo-Moreo, R., Zamora-Izquierdo, M., & Gomez-Skarmeta, A. (۲۰۰۶). IMM-EKF based ...
  • Wen, X., Liu, C., Huang, Z., Su, S., Guo, X., ...
  • نمایش کامل مراجع