کد متلب و C و فایل word کامل پایان نامه سيستم تشخيص موانع موجود در جاده بروش ديتا فيوژن چند حسگری سيستم ترمز اضطراري خودرو

کد متلب و C و فایل word کامل پایان نامه

سيستم تشخيص موانع موجود در جاده بروش ديتا فيوژن چند حسگری سيستم ترمز اضطراري خودرو

 

 

لینک دانلود

 

 

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)رادارهاي ردگير 15
2-2)رادارهاي ردگيري (تمركز پيوسته روي هدف) – رادارهاي STT 15
2-3) ردگيري در حين جستجو 16
2-3-1)الگوريتم ردگيري اهداف چندگانه مبتني بر TWS 17
2-3-2)اجزاي اصلي سيستم مبتني بر TWS 17
2-3-3)دادههاي ورودي 19
2-3-4)دروازه بندي 19
2-4) تخصيص داده و موقعيت يابي دقيق 20
2-5)انواع ساختارهای تلفیق داده 21
2-6)الگوریتم‌های 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 فیلتر‌ها و روش انجام این تحقیق

3-1) فيلتر‌های پرکاربرد 29
3-1-2) فيلتر β-α 29
3-1-3) خطاي مانور براي فيلتر β-α 31
3-1-4) معيار انتخاب ضرايب فيلتر β-α 31
3-1-5) فيلتر β-α بهينه‌ي Benedict-Bordner 32
3-1-6) پايداري فيلتر β-α 34
3-2)فيلتر γ-β-α 34
3-2-1) فيلتر γ-β-α بهينه‌ی Benedict-Bordner 36
3-2-2) پايداري فيلتر γ-β-α 38
3-3) فيلترکالمن خطی 39
3-3) مزیت‌های 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) تخمين خطی در سيستمهای ديناميک 43
3-4-4) پايداری فيلتر کالمن 46
3-4-5) سازگاری تخمين‌گر کالمن 48
3-4-6) شرايط اوليهي فيلتر کالمن 51
3-4-7) مدلهاي ديناميكي براي اهداف راداري به منظور ردگيري آنها 51
3-5) مدل سرعت ثابت 52
3-6) مدل شتاب ثابت 53
3-7) حالت حدي فيلتر کالمن-فيلترβ-α و γ-β-α بهينه‌ی Kalata 55
3-8) فيلتر کالمن توسعه يافته 56
3-9)الگوريتم برهم کنش چند مدل (IMM) 59
3-9-1)پارامترهاي طراحي براي يك الگوريتم IMM 60
3-9-2)مهمترين مراحل الگوريتم IMM در هر سيكل 61
3-9-3))مدل دینامیکی و مشاهدات در الگوريتم IMM 62
3-9-5)مزاياي الگوريتم 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 برد‌های 50متر و120متر و200متر با…. 90
5-2) بهبود خطای مکان یابی و سرعت یابی بوسیله مرکز تلفیق 93
5-3) نتایج حاصل از اعمال الگوریتم‌های تلفیق داده 96
5-4)پروژه مشابه (کاربرد دیتا فیوژن در سیستم‌های کمک راننده )… 97
5-5)موارد زیر جهت ادامه و گسترش دادن موضوع بررسی شده … 98
برنامه نویسی مطلب 99
منايع 106

فهرست اشكال :

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) تبدیل‌های 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 داده‌های 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 سنسور‌ها و مقایسه با الگوریتم Batch 85
شکل 4-18) افزایش تعداد سنسور‌ها 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 می‌باشد. تلفیق داده به معنی ترکیب کردن داده‌های 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 داده‌های مربوط به گزارش خود از موقعیت هدف را به مرکز تلفیق داده ارسال می‌کند، با اعمال الگوریتم تلفیق داده به این داده‌ها می‌توان 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 روش‌های تلفیق اطلاعات سنسورها (سلسله مراتبی و جمعی) در دو سطح تلفیق داده‌های مشاهدات و تلفیق داده‌های 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 ديگر اينكه 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 می‌باشد.

واژه‌های کلیدی:
تلفیق داده– ترمزاضطراری خودرو – فیلترکالمن- فیلتر کالمن توسعه یافته – ردیابی اهداف راداری – آگاهی وضعیتي-ترکیب سنسورها

 

 

 

مقدمه:

مزایای ناشی از ترکیب داده‌های حاصل از چندین منبع بر داده‌های تک منبعی، باعث ایجاد روند تحقیقات به مدت چندین دهه در حوزه فرآیند تلفیق داده‌های چند منبعی و چند منظوره شده است. Hall و James، معرفی جامع و کاملی در خصوص این موضوع، حوزه‌های کاربرد آن، مدل معماری و روش‌های پیاده سازی آن، ارائه نموده اند. هدف نهایی پروسه تلفیق داده‌ها عبارتست از افزایش دقت در فرآیند درک پدیده مورد مشاهده و نیز استنتاج سناریو‌های آینده.]5[،]6[

تلفیق اطلاعات چیست؟

با یک مثال ساده شروع می‌کنیم، اعضا و جوارح یک انسان را در نظر بگیرید، هر قسمت را به عنوان یک سنسور فرض کنید که اطلاعاتی را به مغز انسان می‌فرستند، در مغز پردازش می‌شوند و خروجی مناسبی را اعمال می‌کند. جنبه انسان‌ها از پنج ارگان حس وحس‌ها درونداد می‌شود؛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 می‌دهند . مانیازداریم تا احساس کنیم یا مطمئن باشیم که در مکانی ،در مختصاتی ،در محلی ،در زمانی می‌باشیم . بنابراین ما یک تصویرکامل تر یک حس مشاهده شده را بدست آورده ایم. فعالیت‌های انسانی طراحی، هنر، سرمایه گذاری ، تحلیل بازار، هوش نظامی‌،کار هنری پیچیده ، توالی رقص پیچیده ، خلق موسیقی ، وروزنامه نگاری ، مثال‌های خوبی از فعالیت‌هایی می‌باشند که از مفهوم‌ها وجنبه‌های ترکیب داده پیشرفته DF استفاده می‌کنند که ما تاکنون بطور کامل درک نکرده ایم.شاید،مغز انسان چنین داده یا اطلاعاتی را بدون صرف هیچ گونه مساعدت اتوماتیک ادغام می‌کند،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 می‌آمیزد و اطلاعاتی جدید از ان استنتاج می‌کند 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 می‌کند هواپیمای دشمن در چه نقطه ای قرار دارد اما از نظر ارتفاعی هیچ اطلاعی به ما نمی‌دهد(برخی رادار‌ها 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 می‌دهد اما هیچ اطلاعاتی در مورد نقطه وجود دشمن نمی‌دهد حال اگر این دو را با هم ترکیب کنیم مزیت اصلی تلفیق اطلاعات آشکار می‌شود. در این صورت می‌توانیم اطلاعاتی در مورد مکان و موقعیت هواپیمای دشمن و بسیاری از اطلاعت دیگر که از مجموع اطلاعات این دو سنسور استخراج می‌شود مانند سرعت آن و آرایش و رفتار آن و … استنتاج و استخراج کنیم.
آنچه مشخص است وقتی اطلاعات تلفیق می‌شوند یعنی اطلاعات بیشتری تولید می‌شود و اطلاعات بیشتر یعنی قدرت بیشتر.
دیتا فیوژن کاربرد‌های بسیاری دارد از جمله آن می‌توان به موارد زیر اشاره کرد :
حمل و نقل , ناوبری هوایی (نظامی‌و مسافربری )، ساخت خودروهای هوشمند، مدیریت ترافیک جاده‌ها مخابرات چند رسانه ایی،ترکیب صدا و تصویر در ارتباط جمعی از را دور، سیستم‌های هوشمند منازل، روباتیک، نمایشگرهی سه بعدی , محاسبه خوردگی مواد و…
یکی از اصطلاحاتی که زیاد به آن برخورد می‌کنیم اصطلاح fuse است که با توجه به مثال بالا کاری که مغز هنگام دریافت چندین سیگنال از سنسور‌ها انجام می‌دهد مثلا آنها را پردازش می‌کند و خروجی مناسب تولید می‌کند را شامل می‌شود. حال اگر همین معنا را به دیتا فیوژن تعمیم دهیم زیاد کار سختی نخواهد بود.

 

چهارچوب پردازشی دیتا فیوژن چیست؟

چارچوبی که به ما می‌گوید برای کار با سنسور‌هایی 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 متدولوژی‌های زیادی داریم که توسط آنها طراحی و توسعه نرم افزارمان را مدیریت می‌کنیم، در بحث حاضر فریم ورک همان متودولوژی‌ها در مهندسی نرم افزار اند. یکی از مشهورترین فریم ورک‌ها، فریم ورک JDL می‌باشد که از معنی تحت الفظی آن ترکیب و بهم پیوستن مدیران آزمایشگاه‌ها، درون سازمان پدافند آمریکا می‌باشد.که برای کارهای نظامی‌طراحی 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 می‌باشدکه با توضیح هر قسمت این مدل آشکارتر می‌شود:
سطح یک: اشیاء را تعریف می‌کند. برای این تعریف باید یک تصویر کلی از موقعیت موجود آن شیء گزارش شود. این کار بوسیله تلفیق شدن خصایص و ویژگی‌های آن آبجکت که از چندین منبع یا سنسور یا هر منبع دیگری استخراج شده انجام می‌شود. این تعریف را به صورت واضح تر از یک منبع دیگر عنوان می‌کنیم : 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 نظامی‌جغرافیایی یا هر چیز دیگر را به عنوان یک شی شسته و رفته بدست می‌آوریم.
سطح دوم : سعی دارد تصویری از اطلاعات کامل نشده از مرحله یک تصویر بکشد. این کار را با ارتباط بین موجودیت‌های 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 ابجکت‌ها و رویدادها در بطن محیط اطراف آنها تعریف می‌کند. اشیاعی که توزیع شده اند و از بخش اول یا سطح یک بدست آمده اند، بررسی می‌شوند تا به یک واحد معنا دار تبدیل شوند. در کل این مرحله به اطلاعات ارتباطی بین اشیاء می‌پردازد. انواع و اقسام ارتباطات وجود دارد مثل ارتباطات فیزیکی ،که هدف از این کار تعیین کردن معنی و مفهوم مجموعه موجودیت‌ها است.این آنالیز در زمینه‌های مختلفی مثل زمین، رسانه‌های اطراف، آب شناسی،آب و هوا و دیگر فاکتورها می‌باشد.
سطح سوم: نتایج مرحله دوم را به اندازه توان تولید و انجام می‌دهد. این مرحله مزایا و معایب یک دوره از عملیات را نسبت به دوره دیگر(مثلا دوره قبلی) محسابه می‌کند. به بیانی دیگر در منبعی دیگر این مرحله مسئول برنامه ریزی موقعیت موجود برای آینده است. در واقع استدلال و استنتاج می‌کند که رفتار هدف یا آسیب پذیری‌های آن و … چگونه خواهد بود و این رفتارها را استدلال می‌کند ]1[،]7[.

پیام بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

− two = one