فیلتر ذره ای با مدل مشاهده مبتنی بر فیلتر وفقی

thesis
abstract

هرچند که فیلتر ذره ای (particle filter) ابزاری موثر در ردیابی شیء می باشد، اما یکی از محدودیت های موجود، نیاز به وجود مدلی دقیق برای حالت سیستم و مشاهدات است. بنابراین یکی از زمینه های مورد علاقه محققین تخمین تابع مشاهده با توجه به داده های یادگیری است. تابع مشاهده ممکن است خطی یا غیرخطی در نظر گرفته شود. روش های موجود در تخمین تابع مشاهده با مشکلاتی مواجه هستند. از جمله این مشکلات، وابستگی به مقدار اولیه پارامترها در روش های دومرحله ای مبتنی بر expectation maximization (em) و نیازمندی به یک سری مدل از پیش تعریف شده در روش های مبتنی بر چند مدل می باشد. در این پایان نامه برای اولین بار از فیلترهای وفقی (klms) kernel least mean square و (krls) kernel recursive least square برای تخمین تابع غیرخطی مشاهده استفاده شده است. با فرض معلوم بودن تابع فرآیند و با داشتن دنباله ای از مشاهدات تا زمان فعلی، تابع مشاهده مجهول تخمین زده شده است. در ادامه برای کاهش هزینه محاسباتی و افزایش سرعت اجرا، از روش تُنُک سازی داده ها با استفاده از روش وابستگی خطی تقریبی استفاده شده است. الگوریتم پیشنهادی در دو کاربرد مورد ارزیابی قرار گرفته است. آزمایش اول بر مدل های سری زمانی و دیگری روی ردیابی شی ویدئویی اعمال شده است. در انتها مقایسه نتایج نشان می دهد که نتایج الگوریتم پیشنهادی ، به نتایج حالتی که در آن تابع مشاهدات معلوم در نظر گرفته می شود، همگرا خواهد شد.

similar resources

معرفی الگوریتم CLMS برای فیلتر FIR وفقی براساس توابع همبستگی

از فیلترهای دیجیتالی وفقی FIR بطور وسیعی برای کاربردهایی نظیر شناسایی سیستم،متعادل کننده ها،حذف نویز فعال،حذف پژواک آکوستیکی،رمز سیگنال صحبت،... استفاده می گردد. در کاربردهایی که نویز اندازه گیری یا تداخل شدید است ، استفاده از الگوریتم هایی مانند در RLS,NLMS,LMS،... ]1[ ]2[ ]3[ ]4[ در حوزه زمان و FBAF,FDAF،...]5[ حوزه فرکانس با مشکل عدم همگرایی ضرایب روبرو می گردد. در این مقاله الگوریتم جدیدی ب...

full text

بهبود ردگیری چند شی ءای مبتنی بر فیلتر ذره ای

یکی از زمینه های کاربردی در ماشین بینایی، ردگیری اشیا ء متحرک می باشد. روش های مختلفی برای ردگیری اشیا ء وجود دارد که از میان آنها فیلتر ذره ای به عنوان یک روش قدرتمند مطرح گردیده است. اساس این روش، نمونه برداری تصادفی از یک تابع چگالی احتمال و تخمین متغیر مورد نظر بر اساس وزن نمونه ها می باشد. در این پایان نامه با ارائه روشی مبتنی بر ضریب باتاچاریا، اندازه پنجره هدف بروز رسانی شده و احتمال گم ...

افزایش سازگاری فیلتر ذره ای با استفاده از روش های کلاسیک و الگوریتم اجتماع ذرات

فیلتر ذره‌ای یکی از مهم‌ترین فیلترها در تخمین سیستم‌های غیرِخطی - غیرِگوسی است. با وجود این، فیلتر ذره‌ای در طول زمان ناسازگار است. ازآنجایی‌که انتخاب تابع توزیع پیشنهادی و روش نمونه‌برداری مجدد در بهبود دقت و سازگاری، بسیار مهم است، دراین مقاله، افزایش سازگاری فیلتر ذره‌ای با بهبود نمونه‌برداری و نمونه‌برداری مجدد انجام شده است. برای بهینه‌سازی نمونه‌برداری، الگوریتم بهینه‌سازی اجتماع ذرات (PSO)...

full text

بهسازی وفقی سیگنال گفتار در محیط‌های واقعی با استفاده از ساختار ترکیبی مبتنی بر شکل‌دهنده‌های پرتو و فیلتر پسینه

تنوع میدان‌های نویزی حاکم بر محیط‌های واقعی، طراحی سیستم واحدی را که قادر به حذف کامل همه اغتشاشات محیطی باشد، با مشکل مواجه می‌کند. لذا، داشتن یک شناخت اولیه از میدان‌های نویزی موجود در محیط و بررسی نوع اثر هر یک بر روی سیگنال گفتار، گام مؤثری در جهت فرآیند بهسازی محسوب می‌شود. در این مقاله، ضمن بررسی نویزهای اساسی موجود در زمینه گفتار ضبط‌شده در شرایط واقعی، به ارزیابی میدان‌های نویزی پایین‌گ...

full text

موقعیت یابی ربات بر اساس فیلتر ذره ای بهبود یافته با فیلتر کالمن گروهی هوشمند و گام mcmc

چکیده:مسئله موقعیت یابی یکی از نیازهای ضروری برای ربات های خودمختار است. روش های  مختلفی برای موقعت یابی ارائه شده است که  موقعیت یابی بر اساس فیلتر ذره­ای یکی از مؤثرترین روش ها است. با­وجود­این، این روش دارای مشکلاتی  که مهم­ترین آن­ها عدم سازگاری، تباهیدگی و وابستگی به مشخصات آماری نویزها است. برای حل این مشکلات، در این مقاله، یک الگوریتم موقعیت یابی مبتنی بر فیلتر ذره ای بهبودیافته  با فیلت...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023