افزایش دقت ردیابی برداری سامانه موقعیتیاب جهانی (GPS) در شرایط سیگنال ضعیف مبتنی بر فیلتر کالمن تطبیقی ردیاب قوی

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 509

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PADSA-6-3_001

تاریخ نمایه سازی: 7 اردیبهشت 1400

چکیده مقاله:

در این مقاله یک روش جدید برای ردیابی برداری سیگنال­ ماهواره­های GPS در شرایطی که سیگنال ضعیف میباشد، ارائه شده است. در ردیابی برداری معمولا از فیلتر کالمن توسعه یافته (EKF) استفاده میشود. یکی از مشکلات فیلتر کالمن مرسوم، واگرایی آن است. برای جلوگیری از واگرایی فیلتر کالمن، از فیلتر کالمن تطبیقی استفاده میشود. روش مرسوم تطبیقی­کردن فیلتر کالمن در ردیابی برداری، استفاده از پنجرهای با طول محدود میباشد اما طول این پنجره نمیتواند از یک حدی بزرگتر باشد و از طرفی، بعد از گذشت مدت زمانی اندک، فیلتر کالمن دوباره واگرا میشود. همچنین، طول پنجره به­صورت تجربی و با توجه به خصوصیات آماری تعیین میشود که ممکن است به ازای یک مقدار خاص جواب ایده­آل حاصل شود و به ازای یک مقدار دیگر چنین نشود. از اینرو، در این مقاله از فیلتر کالمن تطبیقی ردیاب قوی (STKF) استفاده شده است. نتایج شبیه­سازیها نشان می­دهد که STKF تطبیقی نسبت به EKF تطبیقی در ردیابی برداری از دقت بالاتری برخوردار بوده و همچنین درصورتی­که پارامترهای STKF به­درستی تنظیم شوند، پیچیدگی محاسباتی ردیابی برداری پیشنهادی کمتر از روش مرسوم خواهد بود. همچنین، نتایج نشان می­دهد که در ردیابی برداری مبتنی بر STKF تطبیقی نسبت به ردیابی برداری مرسوم، خطای اندازهگیری فرکانس حامل، خطای اندازه­گیری موقعیت و سرعت به مقدار قابل توجهی کاهش یافته است.

کلیدواژه ها:

GPS ، ردیابی برداری ، فیلتر کالمن ردیاب قوی ، سیگنال ضعیف

نویسندگان

میلاد انارفرهاد

دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

سید محمد رضا موسوی میرکلایی

دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

علی اصغر عابدی

دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • [1]     M. R. Mosavi, M. Moazedi, M. J. Rezaei, and ...
  • [2]     E. Shafiee, M. R. Mosavi, and M. Moazedi, “Detection ...
  • [3]     B. Parkinson, J. Spilker, P. Axelrad, and P. Enge, ...
  • [4]     T. Pany, R. Kaniuth, and B. Eissfeller, “Deep Integration ...
  • [5]     T. Pany, R. Kaniuth, and B. Eissfeller, “Testing a ...
  • [6]     T. Pany and B. Eissfeller, “Use of a Vector ...
  • [7]     J. H. Won and B. Eissfeller, “Effectiveness Analysis of ...
  • [8]     M. Lashley, D. M. Bevly, and J. Y. Hung, ...
  • [9]     S. Zhao and D. M. Akos, “An Open Source ...
  • [10]  J. Liu, X. W.  Cui, and M. Q. Lu, ...
  • [11]  L. T. Hsu, P. D. Groves, and Sh. Sh. ...
  • [12]  S. Zhao, S. Hrbek, M. Lu, and D. Akos, ...
  •     [13]  Y. Ng and G. X. Gao, “Advanced Multi-Receiver ...
  • [14]  Y. Song and B. Lian, “Combined BDS and GPS ...
  • [15]  M. Cuntz, A. Konovaltsev, and M. Meurer, “Concepts, Development, ...
  • [16]  Zh. Su, X. Wang, Sh. Feng, H. Che, and ...
  • [17]  F. Li, R. Wu, and W. Wang, “The Anti-jamming ...
  • [18]  A. Tabatabaei, M. R. Mosavi, H. S. Shahhoseini, and ...
  • [19]  G. Liu, R. Zhang, M. Guo, and X. Cui, ...
  • [20]  M. Lashley and D. M. Bevly, “Analysis of Discriminator ...
  • [21]  D. W. Lim, H. W. Kang, S. L. Cho, ...
  • [22]  D. J. Jwo, Z. M. Wen, and Y. C. ...
  • [23]  Y. Song and B. Lian, “Combined BDS and GPS ...
  • [24]  D. H. Zhou and P. M. Frank, “Strong Tracking ...
  • [25]  D. J. Jwo and S. H. Wang, “Adaptive Fuzzy ...
  • [26]  X. Chen, C. Shen, W-b Zhang, M. Tomizuka, Y. ...
  • نمایش کامل مراجع