امروزه با توجه به ویژگی های تکاملی سیستم تعیین موقعیت جهانی (gps) و سیستم ناوبری اینرشیال (ins)، می توان از تلفیق این دو سیستم در ناوبری شهری استفاده نمود. با تلفیق این دو سیستم می توان موقعیت وسیله نقلیه را به صورت پیوسته و قابل اطمینان تعیین نمود. در فضاهای باز و هنگام رویت بیش از چهار ماهواره، تلفیق مزدوج ضعیف با استفاده از فیلتر کالمن متداول ترین روش تلفیق می باشد. اما با کاهش ماهواره ها در...

در چند دهه گذشته، توجه بسیاری از مهندسین کنترل به حل تقریبی مسائل معطوف شده تا بتوانند از داده های اندازه گیری شده دارای نویز، مقدار واقعی متغیرهای حالت را تخمین بزنند. یکی از معروف ترین روش های حل تقریبی، فیلتر کالمن است که توسط رالف کالمن برای تخمین مسائل خطی ارائه و تا به امروز توسعه چشمگیری یافته است. در مسائل غیرخطی نیز الگوریتم های ekf و ukf، معروف ترین الگوریتم های مورداستفاده در مسائل م...

استفاده از دنباله تصاویر برای تخمین مکان و زاویه دید دوربین در کاربردهایی چون واقعیت افزوده و ناوبری ربات بسیار مورد توجه قرار گرفته است. در این مقاله از میان رویکردهای موجود برای این منظور یک رویکرد ترکیبی پیشنهاد شده است. ایده اصلی این رویکرد، استفاده از فیلتر کالمن توسعه یافته برای تخمین مسیر حرکت یک دوربین با ۶ درجه آزادی است. تفاوت اصلی الگوریتم پیشنهادی باسایر روش‌های مبتنی بر فیلتر این ا...

در این مقاله روشی برای استفاده از خروجی‌های کالمن فیلتر برای شناسایی تغییرات تأثیر گذار سری زمانی ارائه شده است. از آن‌جا که الگوریتم کالمن فیلتر برای تحلیل مدل‌های فضای حالت به کار می‌رود که مدل‌های خطی ARMA را پوشش می‌دهد، استفاده از این روش می‌تواند برای شناسایی تغییرات از جمله مقادیر پرت به کار رود. در این مقاله روش پیشنهاد شده برای شناسایی پنج تغییر: نقطه پرت جمع پذیر، تغییر سطح، تغییرات ف...

امروزه فیلتر کالمن کاربردهای زیادی در حل مسایل دنیای واقعی پیدا کرده است. این فیلتر یک فیلتر بازگشتی کارآمد است که حالت یک سیستم پویا را از یک سری اندازه گیری های پیچیده برآورد می کند و از کاربردهای آن می توان به پردازش سیگنال ها اشاره کرد. ما در این مقاله، از فیلتر کالمن در جهت حذف نویز از سیگنال الکتروکاردیوگرام یا نوار قلب استفاده می کنیم و مقایسه ای بین فیلتر fir1 و فیلتر کالمن در جهت حذف ن...

امروزه فیلتر کالمن کاربردهای زیادی در حل مسایل دنیای واقعی پیدا کرده است. این فیلتر یک فیلتر بازگشتی کارآمد است که حالت یک سیستم پویا را از یک سری اندازه‌گیری‌های پیچیده برآورد می‌کند و از کاربردهای آن می‌توان به پردازش سیگنال‌ها اشاره کرد. ما در این مقاله، از فیلتر کالمن در جهت حذف نویز از سیگنال الکتروکاردیوگرام یا نوار قلب استفاده می‌کنیم و مقایسه‌ای بین فیلتر FIR1 و فیلتر کالمن د...

در چند دهه گذشته، شناسایی متغیرهای حالت و پارامترهای یک مدل دینامیکی از روی داده های اندازه گیری شده ناقص و مخدوش با نویز مورد توجه محققان قرار گرفته است. فیلترهای کالمن و h بینهایت از معروفترین روشهای شناسایی مدل و پالایش داده های مخدوش هستند. فیلتر کالمن در صورت وجود اطلاعات کافی در مورد نویزهای فرآیند دارای عملکرد مناسبی است بگونه ای که میانگین مجذور خطای تخمین را حداقل می نماید. همچنین فیلت...

مساله تخمین متغیرهای حالت مدل دینامیکی سیستم یکی از موضوعات مورد علاقه مهندسین کنترل است. فیلترهای کالمن، اچ-بینهایت و فیلتر ترکیبی کالمن/اچ-بینهایت از جمله متداول¬ترین فیلترهایی می باشند که جهت تخمین متغیرهای حالت مخدوش با نویزهای گوسی و سفید کاربرد دارند. چنانچه نویزهای فرآیند یا اندازه گیری رنگی باشند فیلترهای مذکور دارای عملکردی در حد مطلوب نخواهند بود. در این مقاله، روش بهینه¬سازی چند هدفی...

فیلتر ذره‌ای-‌حاشیه‌ای کالمن گسترش‌یافته (MP-EKF)، از جمله روش‌های نوین در پردازش سیگنال الکتروکاردیوگرام (ECG) است که با استفاده از مزیت­های دو نوع فیلتر بیزی ذره‌ای و کالمن گسترش‌یافته (EKF)، می‌تواند با محاسبات کمتری نسبت به فیلترهای ذره­ای متداول، برای تخمین مدل‌های دینامیکی غیرخطی ECG مورد استفاده قرار گیرد. برتری این روش در حذف نویزهای ایستان و غیر ایستان، در مقایسه با سایر روش‌های بیزی م...

در این مقاله براساس وجود همسانی بین مفهوم کنترل پی شبین تعمیم یافته و مسأله عمومی تخمین، دو فیلتر جدید با نامهای فیلتر پیش بین تعمیم یافته و فیلتر کالمن پیش بین تعمیم یافته برای سامانه های گسستۀ خطی توسعه یافته است. این فیلترها برخلاف ساختار پیچیده و مشکلات به کارگیری فیلترهای پیش بین موجود، روابط بسیار ساده ای داشته و پیاده سازی آنها به صورت برگشتی بسیار راحت خواهد بود. در فیلترهای توسعه داده ...