فیلتر ذره ای با مدل مشاهده مبتنی بر فیلتر وفقی

پایان نامه
چکیده

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.

منابع مشابه

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...

متن کامل

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)...

متن کامل

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...

متن کامل

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...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

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

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023