بهبود تلفیق مستقل INS/GPS در هنگام فریب با استفاده از حالت ماندگار بهره ماتریس کالمن
Publish place: Journal of Space Science and Technology، Vol: 16، Issue: 3
Publish Year: 1402
Type: Journal paper
Language: Persian
View: 176
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JSST-16-3_004
Index date: 25 October 2023
بهبود تلفیق مستقل INS/GPS در هنگام فریب با استفاده از حالت ماندگار بهره ماتریس کالمن abstract
این مقاله به ارائه ی راهکاری برای تشخیص و جبران خطای فریب سیگنال های گیرنده ی GPS، به منظور افزایش دقت ناوبری تلفیق سامانه های اینرسی با سیگنال-های GPSمی پردازد. تلفیق ناوبری اینرسی و داده های GPS مزایای زیادی دربردارد. با این حال به واسطه ضعف سیگنال های ماهواره ای در مقابل حملات قطعی و فریب، ارائه راهکارهای تحلیلی در بهبود تخمین فیلتر کالمن نسبت به راهکارهای سخت افزاری از جایگاه ویژه ای برخوردار هستند. در این مقاله، روش جدیدی برای تلفیق مستقل INS/GPS ارائه شده است که در آن از رفتار حالت ماندگار پارامترهای بهره ماتریس کالمن، برای تشخیص و جبران فریب، استفاده می گردد. با توجه به میل پارامترهای بهره فیلتر کالمن به مقادیر ثابت، با هدف تصحیح و پیش بینی خطای متغیرهای حالت، می توان از آن برای شناسایی داده های فریب GPS استفاده کرد. وجود فریب در سیگنال گیرنده ی GPS هنگام تلفیق با داه های اینرسی از طریق نوسانات بهره ی فیلتر کالمن قابل تشخیص است. به طوری که درایه-های ماتریس بهره فیلتر کالمن درحالت حلقه بسته به مقدار ثابتی میل می کنند و در صورت بروز فریب این عملکرد با نوسانات بسیاری همراه می شود. همچنین با استفاده از وزن دهی پویا اثر خطاهای ناشی از این حملات جبران می شود.
بهبود تلفیق مستقل INS/GPS در هنگام فریب با استفاده از حالت ماندگار بهره ماتریس کالمن Keywords:
بهبود تلفیق مستقل INS/GPS در هنگام فریب با استفاده از حالت ماندگار بهره ماتریس کالمن authors
رضا قصری زاده
کارشناسی ارشد، دانشکده هوافضا، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران، ایران
امیر علی نیکخواه
دانشیار، دانشگاه صنعتی خواجه نصیرالدین طوسی، 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 :