دوره 12، شماره 4 - ( مجله کنترل، جلد 12، شماره 4، زمستان 1397 )                   جلد 12 شماره 4,1397 صفحات 15-22 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Hosseini S N, Haeri M, Khaloozadeh H. Joint State Estimation and System Classification Using Particle Filtering and Interacting Multiple-Model for Maneuvering Target Tracking. JoC. 2019; 12 (4) :15-22
URL: http://joc.kntu.ac.ir/article-1-515-fa.html
حسینی سید نصرالله، حائری محمد، خالوزاده حمید. تخمین هم‌زمان حالت و دسته‌بندی یک سیستم دینامیکی با استفاده از فیلتر ذره‌ای و مدل‌های چندگانه متعامل برای ردیابی هدف مانوردار. مجله کنترل. 1397; 12 (4) :15-22

URL: http://joc.kntu.ac.ir/article-1-515-fa.html


1- دانشگاه آزاد اسلامی واحدعلوم و‌تحقیقات تهران
2- دانشکده مهندسی برق، دانشگاه صنعتی شریف
3- دانشکده مهندسی برق، دانشگاه خواجه نصیرالدین طوسی
چکیده:   (1490 مشاهده)
در این مقاله به مسئله ردیابی و دسته‏بندی یک هدف مانوردار به صورت هم‏زمان پرداخته شده است. مسئله تعیین کلاس سیستم می‏تواند در بسیاری از کاربردها باعث بهبود عملکرد الگوریتم ردیابی شود. سیستم‏های مراقبت نظیر کنترل ترافیک هوایی، مراقبت دریایی و پدافند هوایی مثال بارز از این سیستم‏ها می‏باشند‌که بسیار ضروری است کلاس هدف در هر زمان مشخص باشد. بر خلاف الگوریتم‏های مرسوم ارائه شده تاکنون که برای هرکلاس یک فیلتر مجزا در نظر می‏گیرند، دراین مقاله با استفاده ازیک فیلتر ذره‌ای الگوریتمی ارائه می‌شود که به صورت هم‏زمان قابلیت ردیابی هدف مانوردار و‌کلاس هدف را دارد. این روش منجر به عملکرد صحیح ردیابی در اهدف مانوری و کاهش چشمگیری در حجم محاسبات شده است. نتایج شبیه‏سازی نشان می‏دهد که الگوریتم پیشنهادی به خوبی ردیابی وتخمین کلاس هدف را انجام می‌دهد.
متن کامل [PDF 639 kb]   (531 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۶/۵/۲۰ | پذیرش: ۱۳۹۷/۴/۱۶ | انتشار: ۱۳۹۸/۲/۱۴

فهرست منابع
1. [1] حمید خالوزاده، عطیه کشاورز محمدیان، "مروری بر کاربردهای نظریه تخمین، شناسایی و کنترل تصادفی در سیستم‌های صنعتی"، مجله کنترل، جلد 8، شماره 3، پاییز 1393.
2. [2] H. Khaloozadeh, A. Karsaz, "Modified input estimation technique for tracking maneuvering targets," IET Radar Sonar & Navigation, vol. 3, pp. 30-41, 2008. [DOI:10.1049/iet-rsn:20080028]
3. [3] H. Rahmati, H. Khaloozadeh, M. Ayati, "Novel approach for nonlinear maneuvering target tracking based on input estimation, "Applied Mechanics and Materials, pp.4415-4423, 2012. [DOI:10.4028/www.scientific.net/AMM.110-116.4415]
4. [4] G.W. Pulford, "A survey of Maneuvering target tracking methods," IEEE Transactions on Aerospace and Electronic Systems, vol. 27, no. 1, 2015.
5. [5] X.R. Li, "Multiple model bootstrap filter for maneuvering," IEEE Transactions on Aerospace and Electronic Systems, vol. 36, no. 3, pp. 1006-1012, 2000. [DOI:10.1109/7.869522]
6. [6] G.W. Pulford, S. Challa, "Joint target tracking and classification using radar and ESM sensors," IEEE Transactions on Aerospace and Electronic Systems, vol. 37, no. 3, pp. 1039-1055, 2001. [DOI:10.1109/7.953266]
7. [7] A. Averbuch, E. Mazor, Y. Bar-shalom, J. Dayan, "Interacting multiple model methods in target tracking: A Survey," IEEE Transactions on Aerospace and Electronic Systems, vol. 34, no. 3, pp. 103-123, 1998. [DOI:10.1109/7.640267]
8. [8] X. Chen, J. Gao, X. Han, "An algorithm based on interacting multiple models for maneuvering target tracking," IEEE Conference on Decision and Control, vol. 2, pp. 405-408, 2014. [DOI:10.1109/ITAIC.2014.7065080]
9. [9] A. Abdul Salam, "Adaptive tracking of maneuvering target using two-stage Kalman filter," IEEE International Symposium on Processing and Information Technology, 749-754, 2015. [DOI:10.1109/ISSPIT.2015.7394423]
10. [10] X. FU, Y. Shang, H. Yuan, "Improved diagonal interacting multiple model algorithm for maneuvering target tracking based on H∞ filter," IET Control Theory & Application, vol. 9, pp. 1887-1892, 2015. [DOI:10.1049/iet-cta.2014.0685]
11. [11] L. Hun, A. Xie, Z. Ren, D.S. Bernstein, "Maneuvering target tracking with unknown acceleration using retrospective-cost-based adaptive input and state estimation," 34th Chinese Control Conference, Hangzhou, China, 2015.
12. [12] W. Yanxuan, C. Jianbin, "An adaptive maneuvering target tracking algorithm based on three-dimensional parameter identification model," 34th Chinese Control Conference, Hangzhou, China, pp. 5479-5483, 2015. [DOI:10.1109/ChiCC.2015.7260496]
13. [13] K. Zhan, L. Xu, H. Jiang, "Joint tracking and classification with constraints and reassignment by radar and ESM," Digital Signal Process, 2014.
14. [14] H. Yihui, X. Wei, P. Hui, C. Xiliang, L. Jun, "A method of taracking maneuver target," 27th Chinese Control and Decision Conference, pp. 2004-2008, 2015. [DOI:10.1109/CCDC.2015.7162250]
15. [15] S. Ranhnama, M.R. Arvan, "Comparison of extended and unscented Kalman smoother in deriving kinematic characteristics of a high maneuver flying target" International Conference on Modelling, Identification and Control, Shanghai, China, pp. 537-542, 2011. [DOI:10.1109/ICMIC.2011.5973762]
16. [16] P. Smets, B. Ristic, "Kalman filter and joint tracking and classification based on belief functions in the TBM Framework," IEEE Conference on Decision and control, 2678-2685, 2005.
17. [17] W. Mei, G.L. Shan, X. Rongli, "An efficient bayesian algorithm for joint target tracking and classification," American Control Conference, pp. 2090-2098, 2005.
18. [18] L. Zhu, X. Cheng, "High maneuver target tracking in coordinated turns," IET Radar, Sonar & Navigation, vol. 9, pp. 1078-1087, 2015. [DOI:10.1049/iet-rsn.2014.0533]
19. [19] K. Zhan, L. Xu, H. Jiang, "An improved mixture unscented Kalman filters algorithm of joint target tracking and classification," IEEE Chinese Guidance & Navigation and Control Conference, Yantai, China, pp. 1197-1202, 2014. [DOI:10.1109/CGNCC.2014.7007372]
20. [20] M. Melzi, A. Ouldali, "Joint multiple target tracking and classification using the unscented Kalman particle PHD filter," American Control Conference, pp. 534-537, 2011. [DOI:10.1109/NEWCAS.2011.5981202]
21. [21] D. Angelova, L. Mihaylova, "Joint target tracking and classification with particle filtering and mixture Kalman filtering using kinematic radar information," Elsevier, Digital Signal Processing, vol. 16, pp. 180-204, 2006. [DOI:10.1016/j.dsp.2005.04.007]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله کنترل می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Journal of Control

Designed & Developed by : Yektaweb