فیلتر ذره ای بهبود یافته مبتنی بر محاسبات نرم با کاربرد در ردیابی هدف
Publish Year: 1397
Type: Journal paper
Language: Persian
View: 42
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JSCIT-7-2_002
Index date: 16 October 2024
فیلتر ذره ای بهبود یافته مبتنی بر محاسبات نرم با کاربرد در ردیابی هدف abstract
فیلتر ذره ای یکی از مهمترین فیلترها در تخمین سیستم های غیر خطی/غیر گوسی که در کاربردهای زیادی استفاده شده است. در فیلتر ذره ای استاندارد، از آنجایی که تابع چگالی پسین مشترک حالت با استفاده از نمونه برداری پراهمیت بازگشتی تقریب زده می شود، ابعاد تابع چگالی پسین مشترک در هر لحظه از زمان رشد می کند. این موجب می شود که الگوریتم سریعا" تباهیده شود. بنابراین استفاده از استراتژی نمونه برداری مجدد بمنظور تضمین یک تقریب منطقی از تابع چگالی احتمال پسین روی کل مسیر لازم می شود. با وجود این، در پیاده سازی فیلتر ذره ای، نمونه برداری مجدد روی فضای حاشیه ای انجام می شود. از آنجایی که سیستم ممکن است دارای رفتار فراموشی نمایی از خطاهای گذشته اش نباشد، با تعداد ذره محدود فرآیند نمونه برداری مجدد روی فضای حاشیه ای یک تخمین ناسازگار بوجود می آورد. برای رفع این مشکل، در این مقاله فیلتر ذره ای بهبود یافته مبتنی بر محاسبات نرم پیشنهاد شده است. در این فیلتر برخلاف فیلتر ذره ای، نمونه برداری بر روی توزیع حاشیه ای انجام می شود و ابعاد نمونه برداری با زمان افزایش نمی یابد. بعلاوه، نمونه برداری با استفاده از الگوریتم تکامل تفاضلی(DE) بهبود داده شده است. روش پیشنهادی با استفاده از شبیه سازی های کامپیوتری مورد ارزیابی قرار گرفته است. نتایج نشان می دهند روش پیشنهادی دارای عملکرد بهتری نسبت به فیلتر ذره ای استاندارد است.
فیلتر ذره ای بهبود یافته مبتنی بر محاسبات نرم با کاربرد در ردیابی هدف Keywords:
فیلتر ذره ای بهبود یافته مبتنی بر محاسبات نرم با کاربرد در ردیابی هدف authors
Ramazan Havangi
Faculty of Electrical and Computer Engineering, University of Birjand, Birjand, Iran.
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 :