فیلترذره مبتنی برMCMC به منظور ردگیری چندهدفه در میان مشاهدات خام و آشکارنشده | ||
| علوم و فناوریهای پدافند نوین | ||
| مقاله 8، دوره 7، شماره 1 - شماره پیاپی 23، 1395، صفحه 81-94 اصل مقاله (441.79 K) | ||
| نویسنده | ||
| میثم رئیس دانایی* | ||
| پردازش | ||
| چکیده | ||
| در این مقاله به مسئله پرچالش ردگیری چندهدفه در میان دادههای آشکارنشده پرداخته میشود. برای انجام این کار، ابتدا با تقسیم فضای حالت به دو زیر فضای خطی و غیرخطی و با بهکارگیری اصل Rao–Blackwellization، چگالی اهمیتی بهینه را برای نوع خاصی از مدل سنسور، که مشاهدات منشعب و در هم ادغامشده را برای ناحیه مشاهده مشبکشده تولید مینماید، بهدست آمد. در ادامه، برای کاهش پیچیدگی محاسباتی نمونه برداری از چگالی اهمیتی بهینه، از معروفترین نمونهبردار خانواده MCMC یعنی نمونهبردار Gibbs برای نمونهبرداری از چگالی اهمیتی بهینه استفاده شد و سپس با مقایسه عملکرد این دو در یک محیط ردگیری چندهدفه و در میان مشاهدات خام و آشکارنشده، نشان داده شد که نمونهبردار Gibbs به مبادلهای بین کاهش حجم محاسبات و میزان دقت در ردگیری دست مییابد. ایده مطرحشده را میتوان بهعنوان جایگزین برای مواقعی که نمونهبرداری از چگالی اهمیتی بهینه عملا غیرممکن است، استفاده نمود. | ||
| کلیدواژهها | ||
| ردگیری چندهدفه؛ نمونه بردار Gibbs؛ اصل Rao–Blackwellization؛ چگالی اهمیتی بهینه؛ فیلتر ذره ای | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 430 تعداد دریافت فایل اصل مقاله: 256 |
||