طراحي الگوريتم مناسب براي تطبيق كوواريانس‌هاي نويز در مسئله رهگيري با استفاده از اندازه‌گيري تنها سمت در حالت سه‌بعدي

Design Appropriate Algorithm for Adaptation of the Noise Covariance Matrices in Tracking Problem Using Bearing Only Measurement in Three Dimensional Case

دراين مقاله يك فيلتر كالمن نمونه‌‌بردار تطبيقي بهبوديافته براي مسئله رهگيري تنها سمت در حالت سه‌بعدي، طراحي ميشود. علاوه بر مشاهده پذيري متناوب هدف و وجود نويز شديد در شرايط محيطي متغير در زير آب، اندازه گيري هاي انجام شده در اين مسئله به شدت غيرخطي بوده و از طرفي اطلاع نداشتن از ديناميك صحيح هدف در مواقعي تنظيم نامناسب ماتريس هاي كوواريانس نويز را در پي داشته كه اين امر در نهايت مي تواند منجر به واگرايي تخمين كميت هاي حركتي هدف شود. ازينرو به كارگيري يك فيلتر غيرخطي تطبيقي با دقت تخمين بالا امري حياتي به شمار مي رود. همچنين در اين مقاله راهكاري مناسب براي مقداردهي اوليه ماتريس هاي كوواريانس نويز پيشنهاد ميگردد كه اين قضيه در فيلترهاي تطبيقي از اهميت ويژه اي برخوردار است. در پايان، الگوريتم‌هاي موجود با استفاده از قاعده مونت كارلو و با در نظر گرفتن مهم‌ترين معيار سازگاري فيلترها، شبيه سازي شده و مورد مقايسه قرار مي‌گيرد.

In this paper is designed an improved adaptive unscented kalman filter for Bearing Only Tracking (BOT) problem in three dimensional case. In addition to intermittent observation of target and the presence of the extreme noise in underwater environment, the measurement of this problem is strongly nonlinear, on the other hand, unaware of the correct dynamic of target in some cases results, the inappropriate regulation of the noise covariance matrices, which can lead to divergence in the estimation of target states. Therefore, applying a nonlinear adaptive filter is critical for the accuracy of the estimations. Also, in this paper, is suggested a proper method for initializing the noise covariance matrices, which is important in adaptive filters. In the end, all algorithms are simulated and compared with together by using the Monte Carlo run and consideration of the most important compatibility criterion of filters.