تخمين هم‌زمان حالت و دسته‌بندي يك سيستم ديناميكي با استفاده از فيلتر ذره‌اي و مدل‌هاي چندگانه متعامل براي رديابي هدف مانوردار

Joint State Estimation and System Classification Using Particle Filtering and Interacting Multiple-Model for Maneuvering Target Tracking

در اين مقاله به مسئله رديابي و دسته بندي يك هدف مانوردار به صورت همزمان پرداخته شده است. مسئله تعيين كلاس سيستم ميتواند در بسياري از كاربردها باعث بهبود عملكرد الگوريتم رديابي شود. سيستمهاي مراقبت نظير كنترل ترافيك هوايي، مراقبت دريايي و پدافند هوايي مثال بارز از اين سيستمها ميباشند‌كه بسيار ضروري است كلاس هدف در هر زمان مشخص باشد. بر خلاف الگوريتمهاي مرسوم ارائه شده تاكنون كه براي هركلاس يك فيلتر مجزا در نظر ميگيرند، دراين مقاله با استفاده ازيك فيلتر ذره‌اي الگوريتمي ارائه مي‌شود كه به صورت همزمان قابليت رديابي هدف مانوردار و‌كلاس هدف را دارد. اين روش منجر به عملكرد صحيح رديابي در اهدف مانوري و كاهش چشمگيري در حجم محاسبات شده است. نتايج شبيه سازي نشان ميدهد كه الگوريتم پيشنهادي به خوبي رديابي وتخمين كلاس هدف را انجام مي‌دهد.

In this paper, the problem of joint tracking and system calcification for a maneuvering target has been investigated. The system classification could improve performance of a tracking algorithm in a majority of applications. For instance, it is very crucial to determine the class of target in caring systems like air traffic control, marine care, and air defense at any time. In contrast to the existing solutions, which consider a separate filter for each class, we propose a single particle filter to estimate the class of target leading to a considerable reduction in computation complexity. Simulation results show that the proposed algorithm can estimate the class of target efficiently