بهبود موقعيت‌يابي ناوبري تلفيقي با استفاده از شبكه‌عصبي چندلايه غيرخطي و فيلتر كالمن مقاوم در هنگام قطعي GPS

تعيين موقعيت و جهت‌يابي دقيق از اصلي‌ترين نيازها جهت ناوبري وسايل نقليه نظامي مي‌باشد. روش‌هاي مختلفي براي تعيين موقعيت وسيله وجود دارد. سيستم ناوبري اينرسي (INS) يكي از روش‌هاي تعيين موقعيت و وضعيت وسيله نقليه است كه مستقل از فرستنده و لوازم جانبي خارجي كار مي‌كند. به دليل وجود نويز، باياس و عوامل تاثيرگذار ديگر، خطاي اين سامانه در طول زمان همواره افزايشي مي‌باشد، لذا براي دستيابي به دقت بالاتر در ناوبري‌هاي طولاني مدت، حداقل به يك سامانه كمك ناوبري نياز است. از اين رو، اصلاح خطا به كمك تلفيق داده‌هاي INS و سامانه موقعيت‌يابي جهاني (GPS) با استفاده از فيلتر كالمن توسعه‌يافته مقاوم (REKF) در اين مقاله مورد بررسي قرار گرفته است. در هنگام ورود وسايل نقليه به مناطق دشمن كه داراي مسدودكننده سيگنال هستند، سيگنال GPS نيز قطع شده، مشاهدات فيلتر به روزرساني نشده و در نتيجه، موقعيت نهايي خطاي افزايشي خواهد داشت. لذا در اين سناريو بجاي فيلتر كالمن از شبكه عصبي آموزش ديده شده جهت پيش‌بيني موقعيت در هنگام قطعي GPS استفاده شده است. به منظور پياده‌سازي و تست الگوريتم، سخت‌افزاري با پردازنده و سنسورهاي مدنظر طراحي و داده‌ها را به صورت آنلاين ذخيره و الگوريتم تلفيق داده‌هاي GPS/INS مبتي بر فيلتر كالمن و شبكه عصبي بر آن اعمال شده است. نتايج نشان مي‌دهد خطاي موقعيت با استفاده از شبكه عصبي تا حدود 70 درصد در هر سه راستا بهبود داشته است.