کد متلب و C و فایل word کامل پایان نامه
سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری سیستم ترمز اضطراری خودرو
فهرست مطالب
چکیده فصل اول- مقدمه و هدف : تلفیق داده
مقدمه 3 1-1)چهارچوب پردازشی دیتا فیوژن چیست؟ 4 1-2)آگاهی وضعیتی 5 1-3)چند کاربرد تلفیق اطلاعات 7 1-4)تلفیق داده و مزایای آن 8 1-5)نمای کلی از سیستم تلفیق داده 9 1-6)تخصیص داده 12
فصل دوم: کلیات نحوه عملکرد ردگیری سنسورهای راداری وسیستم پردازش و روابط آنها
2-1)رادارهای ردگیر 15 2-2)رادارهای ردگیری (تمرکز پیوسته روی هدف) – رادارهای STT 15 2-3) ردگیری در حین جستجو 16 2-3-1)الگوریتم ردگیری اهداف چندگانه مبتنی بر TWS 17 2-3-2)اجزای اصلی سیستم مبتنی بر TWS 17 2-3-3)دادههای ورودی 19 2-3-4)دروازه بندی 19 2-4) تخصیص داده و موقعیت یابی دقیق 20 2-5)انواع ساختارهای تلفیق داده 21 2-6)الگوریتم های تلفیق داده 23 2-7)تلفیق سلسله مراتبی 24 2-8)تلفیق جمعی 26 2-9) شبیهسازی مختصاتی دادهها در شبکه راداری 27
فصل سوم :بررسی انواع فیلتر ها و روش انجام این تحقیق
3-1) فیلتر های پرکاربرد 29 3-1-2) فیلتر β-α 29 3-1-3) خطای مانور برای فیلتر β-α 31 3-1-4) معیار انتخاب ضرایب فیلتر β-α 31 3-1-5) فیلتر β-α بهینه‌ی Benedict-Bordner 32 3-1-6) پایداری فیلتر β-α 34 3-2)فیلتر γ-β-α 34 3-2-1) فیلتر γ-β-α بهینه‌ی Benedict-Bordner 36 3-2-2) پایداری فیلتر γ-β-α 38 3-3) فیلترکالمن خطی 39 3-3) مزیت های فیلتر کالمن نسبت به فیلتر β-α 39 3-4-1) تاریخچه ی فیلتر کالمن 40 3-4-2) نویز سفید 42 3-4-3) تخمین خطی در سیستمهای دینامیک 43 3-4-4) پایداری فیلتر کالمن 46 3-4-5) سازگاری تخمین‌گر کالمن 48 3-4-6) شرایط اولیهی فیلتر کالمن 51 3-4-7) مدلهای دینامیکی برای اهداف راداری به منظور ردگیری آنها 51 3-5) مدل سرعت ثابت 52 3-6) مدل شتاب ثابت 53 3-7) حالت حدی فیلتر کالمن-فیلترβ-α و γ-β-α بهینه‌ی Kalata 55 3-8) فیلتر کالمن توسعه یافته 56 3-9)الگوریتم برهم کنش چند مدل (IMM) 59 3-9-1)پارامترهای طراحی برای یک الگوریتم IMM 60 3-9-2)مهمترین مراحل الگوریتم IMM در هر سیکل 61 3-9-3))مدل دینامیکی و مشاهدات در الگوریتم IMM 62 3-9-5)مزایای الگوریتم IMM 68
فصل چهارم: نتایج شبیه سازی و بحث در مورد آنها
نتایج شبیه سازی 70 4-1) تلفیق در سطح مشاهدات 70 4-1-1) میانگین مربعات خطا یا MSE(Mean Square Error) 73 4-2)تلفیق داده در سطح دادههای ردیابی 74 4-2-1) تلفیق داده به صورت Batch 75 4-2-2)کاهش خطای مکان یابی بوسیله فیلترکالمن 78 4-2-3) تلفیق داده بصورت سلسله مراتبی 79 4-2-4) مقایسه دو روش جمعی و سلسله مراتبی 81 4-2-5) کاهش نویز مکان یابی بوسیله افزایش تعداد رادارها ازدو به چهار 82 4-2-6) بررسی افزایش تعداد رادارها ازدو به چهاردر تلفیق (Hierarchical) 85
فصل پنجم: نتیجه گیری کلی وپیشنهادات برای ادامه کار
5-1) بررسی عملکرد سنسور با برد های 50متر و120متر و200متر با.... 90 5-2) بهبود خطای مکان یابی و سرعت یابی بوسیله مرکز تلفیق 93 5-3) نتایج حاصل از اعمال الگوریتم های تلفیق داده 96 5-4)پروژه مشابه (کاربرد دیتا فیوژن در سیستم های کمک راننده )... 97 5-5)موارد زیر جهت ادامه و گسترش دادن موضوع بررسی شده ... 98 برنامه نویسی مطلب 99 منایع 106
فهرست اشکال :
شکل 1-1) هم پوشانی رادارهای ناوبری هوایی 9 شکل 1-2) تبدیل مختصات کارتزین ,استوانه ای و کروی 12 شکل 2-1) بلوک دیاگرام کلی حلقه رد گیری TWS 18 شکل 2-2) بلوک دیاگرام جزیی حلقه رد گیری TWS 18 شکل 2-3) دروازه بندی 20 شکل 2-4) ساختار تلفیق متمرکز 22 شکل 2-5) ساختار تلفیق غیرمتمرکز 22 شکل 2-6) تلفیق در سطح مشاهدات 23 شکل 2-7) تلفیق در سطح بردارهای حالت 24 شکل 2-8) تلفیق سلسله مراتبی 26 شکل 2-9) تلفیق جمعی 26 شکل 2-10) تبدیل های مختصاتی تلفیق داده 27 شکل 3-1) بلوک دیاگرام فیلتر β-α 33 شکل 3-2) بلوک دیاگرام فیلتر γ-β-α 37 شکل3-3) نویز سفید 42 شکل 3-4) حلقه پرذازشی فیلتر کالمن 46 شکل 3-5) حلقه پرذازشی فیلتر کالمن توسعه یافته 58 شکل 3-6) حلقه پردازشی الگوریتم IMM 67 شکل 4-1) تلفیق در سطح مشاهدات 71 شکل 4-2) تلفیق در سطح مشاهدات 72 شکل 4-3) تلفیق در سطح مشاعدات با الگوریتم پیشنهادی 74 شکل 4-4) تلفیق در سطح داده های ردیابی 75 شکل 4-5) تلفیق داده بصورت Batch 75 شکل 4-6) مسیر حرکت واقعی هدف و مشاهدات رادارها 76 شکل 4-7) خطای مکان یابی Local برای هر رادار 77 شکل 4-8) کاهش خطای مشاهدات بعد از فیلتر کالمن 78 شکل 4-9) مقایسه خطای مکان یابی فیلتر کالمن وتلفیق جمعی 79 شکل 4-10) تلفیق بصورت سلسله مراتبی 80 شکل 4-11) مقایسه خطای مکان یابی فیلتر کالمن و. سلسله مراتبی 81 شکل 4-12) مقایسه تلفیق جمعی و سلسله مراتبی 81 شکل 4-13) خطای مشاهدات و فیلتر کالمن در سنسور شماره یک 82 شکل 4-14) خطای مشاهدات و فیلتر کالمن در سنسور شماره دو 83 شکل 4-15) خطای مشاهدات و فیلتر کالمن در سنسور شماره سه 83 شکل 4-16) خطای مشاهدات و فیلتر کالمن در سنسور شماره چهار 84 شکل 4-17) افزایش تعداد سنسور ها و مقایسه با الگوریتم Batch 85 شکل 4-18) افزایش تعداد سنسور ها و مقایسه با الگوریتم. Hierarchical 86 شکل 4-19) مقایسه الگوریتم تلفیق جمعی و سلسله مراتبی 86 شکل 4-20) خطای مکان یابی بعد از ردگیزی هدف در مرکز تلفیق 87 شکل 4-21) مقایسه خطای مکان یابی مرکز تلفیق و الگوریتم Batch 88 شکل 5-1)کاهش خطای مکان یابی با فیلتر کالمن 91 شکل5-2) کاهش خطای مکان یابی سنسور یک با فیلتر کالمن 92 شکل 5-3) کاهش خطای مکان یابی سنسور دو با فیلتر کالمن 92 شکل5-4) کاهش خطای مکان یابی سنسور سه با فیلتر کالمن 93 شکل5-5) بهبود خطای مکان یابی بعد از مرکز تلفیق 94 شکل 5-6) بهبود خطلی سرعت یابی بعد از مرکز تلفیق 94
چکیده:
موضوع مورد نظر دراین تحقیق طراحی و شبیه سازی تلفیق داده در یک شبکه راداری که دارای هم پوشانی هستند می باشد. تلفیق داده به معنی ترکیب کردن داده های خروجی سنسورهای رادار غیرمشابه میباشدکه از نظر دقت در برد سنجی و زاویه سنجی با هم متفاوت می¬باشند. این سنسورها جهت تشخیص بهتر موانع موجود در جاده در قسمت جلوی خودرو و در یک ردیف نصب شده اند. هر رادار داده های مربوط به گزارش خود از موقعیت هدف را به مرکز تلفیق داده ارسال می کند، با اعمال الگوریتم تلفیق داده به این داده ها می توان به تخمین دقیق تری از مکان و سرعت هدف دست یافت . روش انجام کار بدین صورت است که با اعمال روش تخمین فیلتر کالمن و کالمن توسعه یافته برروی اطلاعات ارسالی از سنسورها مقدار خطا کاهش یافته و سپس انواع روش های تلفیق اطلاعات سنسورها (سلسله مراتبی و جمعی) در دو سطح تلفیق داده های مشاهدات و تلفیق داده های ردیابی بررسی شده است. هدف از انجام این تحقیق تلفیق دادههای ردیابی به منظور یکپارچه کردن پوشش منطقه و بهبود دقت تخمین موقعیت هدف بعد از مرحله ردیابی میباشد که از معیار میانگین مربعات خطا برای ارزیابی سامانه استفاده کرده ایم. نتایج حاصله نشان دادکه، خطای مکان یابی هر کدام از سنسورها علاوه بر دقت رادار به موقعیت هدف نسبت به رادار نیز وابسته است دیگر اینکه با افزایش تعداد سنسورها دقت مکان یابی بیشتر شده و رفته رفته دقت مکان یابی هدف با افزایش تعداد سنسورها بهتر شده است بطوریکه خطای مکان یابی مرکز تلفیق در هر لحظه بهتر از خطای مکان یابی تک تک سنسورهایی که در آن لحظه دارای هم پوشانی هستند می باشد.
واژه های کلیدی: تلفیق داده- ترمزاضطراری خودرو - فیلترکالمن- فیلتر کالمن توسعه یافته - ردیابی اهداف راداری - آگاهی وضعیتی-ترکیب سنسورهامقدمه:
مزایای ناشی از ترکیب داده های حاصل از چندین منبع بر داده های تک منبعی، باعث ایجاد روند تحقیقات به مدت چندین دهه در حوزه فرآیند تلفیق داده های چند منبعی و چند منظوره شده است. Hall و James، معرفی جامع و کاملی در خصوص این موضوع، حوزه های کاربرد آن، مدل معماری و روش های پیاده سازی آن، ارائه نموده اند. هدف نهایی پروسه تلفیق داده ها عبارتست از افزایش دقت در فرآیند درک پدیده مورد مشاهده و نیز استنتاج سناریو های آینده.]5[،]6[
تلفیق اطلاعات چیست؟
با یک مثال ساده شروع می کنیم، اعضا و جوارح یک انسان را در نظر بگیرید، هر قسمت را به عنوان یک سنسور فرض کنید که اطلاعاتی را به مغز انسان می فرستند، در مغز پردازش می شوند و خروجی مناسبی را اعمال می کند. جنبه انسان ها از پنج ارگان حس وحس ها درونداد می شود؛لامسه ، بویایی ، چشایی(چشیدن) شنوایی ، بینایی و ساختارهای فیزیکی متفاوت توسط یک پروسه باور نکردنی ،که هنوز بطور کامل درک نشده است ، انسانها درونداد را ازاین ارگانها بواسطه مغز به سوی احساس بودن در واقعیت انتقال می دهند . مانیازداریم تا احساس کنیم یا مطمئن باشیم که در مکانی ،در مختصاتی ،در محلی ،در زمانی می باشیم . بنابراین ما یک تصویرکامل تر یک حس مشاهده شده را بدست آورده ایم. فعالیت های انسانی طراحی، هنر، سرمایه گذاری ، تحلیل بازار، هوش نظامی ،کار هنری پیچیده ، توالی رقص پیچیده ، خلق موسیقی ، وروزنامه نگاری ، مثال های خوبی از فعالیت هایی می باشند که از مفهوم ها وجنبه های ترکیب داده پیشرفته DF استفاده می کنند که ما تاکنون بطور کامل درک نکرده ایم.شاید،مغز انسان چنین داده یا اطلاعاتی را بدون صرف هیچ گونه مساعدت اتوماتیک ادغام می کند،زیرا او دارای یک توانایی علت یابی انجمنی نمویافته در طی هزاران سال بوده است. کار دیتا فیوژن همان کار مغز است که اطلاعات را با هم می آمیزد و اطلاعاتی جدید از ان استنتاج می کند که قبل از این توسط هیچ سنسوری قابل استنتاج نبود. به عنوان مثال دوم برای درک بهتر تلفیق اطلاعات فرض کنید دو سنسور داریم یکی راداری که مشخص می کند هواپیمای دشمن در چه نقطه ای قرار دارد اما از نظر ارتفاعی هیچ اطلاعی به ما نمی دهد(برخی رادار ها دارای چنین قابلیتی هستند، در اینجا فقط به عنوان یک مثل و برای فهم بهتر مطلب فرض شده که چنین راداری در اختیار نداریم) و سنسور مادون قرمزی که ارتفاع را به ما می دهد اما هیچ اطلاعاتی در مورد نقطه وجود دشمن نمی دهد حال اگر این دو را با هم ترکیب کنیم مزیت اصلی تلفیق اطلاعات آشکار می شود. در این صورت می توانیم اطلاعاتی در مورد مکان و موقعیت هواپیمای دشمن و بسیاری از اطلاعت دیگر که از مجموع اطلاعات این دو سنسور استخراج می شود مانند سرعت آن و آرایش و رفتار آن و … استنتاج و استخراج کنیم. آنچه مشخص است وقتی اطلاعات تلفیق می شوند یعنی اطلاعات بیشتری تولید می شود و اطلاعات بیشتر یعنی قدرت بیشتر. دیتا فیوژن کاربرد های بسیاری دارد از جمله آن می توان به موارد زیر اشاره کرد : حمل و نقل , ناوبری هوایی (نظامی و مسافربری )، ساخت خودروهای هوشمند، مدیریت ترافیک جاده ها مخابرات چند رسانه ایی،ترکیب صدا و تصویر در ارتباط جمعی از را دور، سیستم های هوشمند منازل، روباتیک، نمایشگرهی سه بعدی , محاسبه خوردگی مواد و... یکی از اصطلاحاتی که زیاد به آن برخورد می کنیم اصطلاح fuse است که با توجه به مثال بالا کاری که مغز هنگام دریافت چندین سیگنال از سنسور ها انجام می دهد مثلا آنها را پردازش می کند و خروجی مناسب تولید می کند را شامل می شود. حال اگر همین معنا را به دیتا فیوژن تعمیم دهیم زیاد کار سختی نخواهد بود.
چهارچوب پردازشی دیتا فیوژن چیست؟
چارچوبی که به ما می گوید برای کار با سنسور هایی که به صورت مرکزی در حال سرویس دادن به ما هستند چگونه و از کجا شروع کنیم، چه کارهایی انجام دهیم و به چه نتایجی برسیم به عنوان مثال در مهندسی نرم افزار ما متدولوژی های زیادی داریم که توسط آنها طراحی و توسعه نرم افزارمان را مدیریت می کنیم، در بحث حاضر فریم ورک همان متودولوژی ها در مهندسی نرم افزار اند. یکی از مشهورترین فریم ورک ها، فریم ورک JDL می باشد که از معنی تحت الفظی آن ترکیب و بهم پیوستن مدیران آزمایشگاه ها، درون سازمان پدافند آمریکا می باشد.که برای کارهای نظامی طراحی شده است به منظور آشنایی با این فریم ورک باید سطوح آن را مورد بررسی قرار دهیم. سطوح اصلی این چهارچوب سه سطح به قرار زیر می باشدکه با توضیح هر قسمت این مدل آشکارتر می شود: سطح یک: اشیاء را تعریف می کند. برای این تعریف باید یک تصویر کلی از موقعیت موجود آن شیء گزارش شود. این کار بوسیله تلفیق شدن خصایص و ویژگی های آن آبجکت که از چندین منبع یا سنسور یا هر منبع دیگری استخراج شده انجام می شود. این تعریف را به صورت واضح تر از یک منبع دیگر عنوان می کنیم : این مرحله وظیفه مخلوط کردن و به هم پیوند دادن اطلاعات مختلف مکانی، زمانی و … برای اینکه آبجکتی بدست بیاوریم که تصفیه شده و منفرد باشد مثل اسلحه، یک موقعیت یا واحد نظامی جغرافیایی یا هر چیز دیگر را به عنوان یک شی شسته و رفته بدست می آوریم. سطح دوم : سعی دارد تصویری از اطلاعات کامل نشده از مرحله یک تصویر بکشد. این کار را با ارتباط بین موجودیت های دیگر که برای مجموعه ما مهم است و همچنین رویدادهای مشاهده شده انجام میدهد. تعریف دیگری از ]6[ بیان شده است : این مرحله یک شرح و توضیح از ارتباطات ما بین اشیاء یا ابجکت ها و رویدادها در بطن محیط اطراف آنها تعریف می کند. اشیاعی که توزیع شده اند و از بخش اول یا سطح یک بدست آمده اند، بررسی می شوند تا به یک واحد معنا دار تبدیل شوند. در کل این مرحله به اطلاعات ارتباطی بین اشیاء می پردازد. انواع و اقسام ارتباطات وجود دارد مثل ارتباطات فیزیکی ،که هدف از این کار تعیین کردن معنی و مفهوم مجموعه موجودیت ها است.این آنالیز در زمینه های مختلفی مثل زمین، رسانه های اطراف، آب شناسی،آب و هوا و دیگر فاکتورها می باشد. سطح سوم: نتایج مرحله دوم را به اندازه توان تولید و انجام می دهد. این مرحله مزایا و معایب یک دوره از عملیات را نسبت به دوره دیگر(مثلا دوره قبلی) محسابه می کند. به بیانی دیگر در منبعی دیگر این مرحله مسئول برنامه ریزی موقعیت موجود برای آینده است. در واقع استدلال و استنتاج می کند که رفتار هدف یا آسیب پذیری های آن و … چگونه خواهد بود و این رفتارها را استدلال می کند ]1[،]7[.
- ۹۶/۰۷/۱۱