دانلود مقاله ترجمه شده موقعیت یابی گره های متحرک (سیار) با استفاده از روش تفاضل تقسیم شده ی فیلتر کالمن


چطور این مقاله مهندسی برق را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2005292 رایگان است. ترجمه چکیده این مقاله مهندسی برق در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید

قیمت :
815,000 ریال
شناسه محصول :
2005292
سال انتشار:
2013
حجم فایل انگلیسی :
1 Mb
حجم فایل فارسی :
883 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

موقعیت یابی گره های متحرک (سیار) با استفاده از روش تفاضل تقسیم شده ی فیلتر کالمن

عنوان انگليسي

Divided Difference Kalman Filter for Indoor Mobile Localization

نویسنده/ناشر/نام مجله

International Conference on Indoor Positioning and Indoor Navigation

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی برق شامل 8 صفحه انگلیسی به صورت پی دی اف و 22 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی


چکیده

به طور کلی آگاهی از موقعیت گره­ های حسگر برای اپلیکیشن­ های متعددی که در شبکه سنسور بی سیم وجود دارد، بسیار مهم است. در این مقاله، از روش تفاضل تقسیم شده­ ی فیلتر کالمن (DDKF) به عنوان یک راه حل برای مکان­ یابی و ردیابی یک گره متحرک استفاده شده است. این رویکرد به نوعی جایگزینی از روش فلیتر کالمن غیر خطی است که  در حال حاضر در اپلیکیشن های شبکه حسگر بی­ سیم استفاده شده است. مزیت این روش نسبت به روش فیلتر کالمن تعمیم یافته (EKF) این است که در این روش نیازی به محاسبه ماتریس ژاکوبین نمی­ باشد و همچنین مزیت آن نسبت به روش فیلتر کالمن بی ­بو (UKF) این است که نیازی به استفاده از چندین پارامتر مختلف ندارد، درحالیکه در روش UKF دقت محاسبات بستگی زیادی به انتخاب مناسب این چنین پارامترها دارد. در این مقاله عملکرد چهار روش موقعیت یابی DDKF، EKF، UKF و فیلتر کالمن حداقل مربعات (LS-KF) است، که یک روش مبتنی بر فرآیند multilateration در حداقل مربعات حس­شده می ­باشد، (با استفاده از فیلتر کالمن و پیروی از مراحل ساده) با یکدیگر مقایسه شده است. این مقاله مزایای استفاده از روش DDKF را برای موقعیت یابی داخل ساختمان نشان می دهد به طوریکه در مقایسه با دیگر روش ­های در نظر گرفته، مقدار میانگین ریشه مربعات خطاها (RMSE) در تخمین موقعیت بیشتر از 40 درصد و خطای مکان­یابی کمتر از 2 متر در 95٪ از موارد در نظر گرفته بدست آمده است.

1-مقدمه

شبکه های حسگر بی سیم (WSN) اغلب از تعداد زیادی از گره ­ها، به نام سنسور تشکیل شده­ اند. این گره موجودیت­ هایی هستند که می توانند به طور مستقل نسبت به محیطی که در آن قرار دارند، به جمع آوری و ارسال داده ­ها بپردازند. در سال های اخیر، WSN در بسیاری از برنامه های کاربردی استفاده شده است که عبارتند از: کاربردهای امنیتی نظامی و غیرنظامی (کنترل خطرات آتش‌سوزی، بلایای طبیعی)، پزشکی (نظارت از راه دور بر اطلاعات فیزیولوژیکی، ردیابی پزشکان و بیماران)، و غیره...

موقعیت یابی داخلی محوطه شبکه های حسگر بی سیم روش تفاضل تقسیم شده ی فیلتر کالمن :کلمات کلیدی

چکیده انگلیسی

Abstract

Knowledge of the positions of sensor nodes is crucial for numerous applications in wireless sensors network. In this paper, we propose to use the Divided Difference Kalman Filter (DDKF) as a solution for locating and tracking a mobile node. This approach is an alternative variant of the nonlinear Kalman filtering, already used in this type of applications. The advantage of this approach is that it does not require calculation of the Jacobian as for the Extended Kalman Filter (EKF) and it does not need to use several parameters, as for the Unscented Kalman Filter (UKF) whose accuracy is closely dependent on the good choice of such parameters. In this work, a comparative performance study of four localization methods is conducted, namely the DDKF, the EKF, the UKF and the Least Squares Kalman Filter (LS-KF), which is a method based on multilateration in the least squares sense, followed by a smoothing step, using Kalman filtering. This study reveals many advantages in favor of the DDKF which, when applied for indoor localization, provides up to 40% gain in terms of Root Mean Squares Errors (RMSE) in position estimation, as compared to the other considered methods and which has a location error that is less than 2 meters in 95% of the considered cases

Keywords: Indoor Localization Wireless Sensor Network Divided Difference Kalman Filter
این برای گرایش های: مهندسی برق مخابرات، کاربرد دارد. سایر ، را ببینید. [ برچسب: ]
 مقاله مهندسی برق با ترجمه
Skip Navigation Linksصفحه اصلی > دپارتمان ها > دپارتمان فنی و مهندسی > مهندسی برق > مقاله های مهندسی برق و ترجمه فارسی آنها > موقعیت یابی گره های متحرک (سیار) با استفاده از روش تفاضل تقسیم شده ی فیلتر کالمن
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید