محمد محمدپور فروتقه - کارشناسی ارشدف دانشکده برق، دانشگاه علم و صنعتی ایران
سعید عباداللهی - استادیار، دانشکده برق، دانشگاه علم و صنعت ایران

در این مقاله به مقایسه کارآیی فیلتر کالمن با استفاده از ضریب حذف شوندگی تطبیقی و فیلتر ذره ای (Particle Filter) پرداخته شده است. در فیلتر کالمن مرسوم برای شبیه سازی سیستم ها از داده های همزمان (Synchronous) و ویژگی های احتمالی (Stochastic) معین استفاده می کند در سیستم های خطی همراه با نویز گوسی تخمین مدل حالت با فیلتر کالمن به خوبی انجام می شود و کمترین میانگین مربعات فراهم می شود. در فیلتر کالمن توسعه یافته با ضریب حذف شوندگی تطبیقی Fading Extended) Kalman Filter Adaptive) اثر نامعینی واریانس نویز کاهش پیدا کرده است. با توجه به محل قرار گیری ضریب حذف شوندگی (Fading Factor) سه نوع معادله برای واریانس خطا وجود دارد. برای پردازش روی خط داده ها و همچنین تحلیل سیستم های ناگوسی و غیرخطی استفاده از فیلترهای ذره گسترش پیدا کرده است. فیلتر ذره روش های مونتوکارلوی پی دی پی هستند که از نقاط توده ای استفاده میکنند که قابل اعمال به همه سیستم ها می باشند.

فیلتر کالمن، فیلتر ذره ای، ضریب حذف شوندگی تطبیقی، سیستم های ناگوسی و غیرخطی، مونتوکارلو