بهبود دقت حسگرهاي اينرسي با استفاده از تبديل موجك مبتني بر ليفتينگ و الگوريتم ژنتيك قابل بكارگيري در سامانه موقعيت يابي هوشمند

Improve the Accuracy of Inertial Sensors Using Lifting Wavelet Transform and Genetic Algorithm applicable in an intelligent positioning system

اطلاع از موقعيت و مكان تجهيزات، خودروها و نيروها در راستاي هوشمندسازي پليس براي اجراي دقيق ماموريت ها يك الزام بوده و در اين راستا سامانه ناوبري اينرسي داراي دقت و كارآيي بالايي مي‌باشد. سامانه ناوبري اينرسي (INS) يك نوع سامانه مستقل است كه در هر نوع شرايط آب و هوايي كار كرده و مي تواند اطلاعات جهت يابي پيوست هاي از مكان، سرعت و حالت را بدون اينكه تحت تاثير محيط واقع شود، فراهم كند. اما به دليل خطاهاي ناشي از حسگرهاي ژيروسكوپ و شتابسنج، دقت عملكرد حسگر INS، با گذشت زمان كاهش مي يابد. بنابراين، مشكل اصلي در استفاده از INS براي سامانه هاي ناوبري، خطاهاي نامحدودي است كه در طول زمان اتفاق مي افتد. لذا، براي دستيابي به خروجي هاي مطلوب، حذف نويز به خوبي بايد در آن صورت پذيرد. در اين مقاله، با توجه به نوع حسگر آنها، روشي مناسب براي حذف نويز مطابق با شرايط آن حسگر انتخاب شده است. روش انتخابي، روش حذف نويز موجك مبتني بر طرح ليفتينگ ميباشد. لازم به ذكر است كه اين روش بلادرنگ بوده و نياز به تهيه دادههاي دريافتي به صورت بلوكي نميباشد. در اين مقاله از ليفتينگهاي چندسطحي و همچنين با تركيب خروجي اين ليفتينگها جهت بهينه سازي دقت سامانه، از الگوريتم ژنتيك استفاده شده است. براي مشاهده عملكرد روش، از دو نوع داده هاي پويا و ايستان استفاده شده است كه نتايج خروجي، مبين كارآيي روش پيشنهادي در حذف مناسب نويز با قابليت اطمينان بالا و سرعت زياد مي‌باشد.

Due to the increasing use of Inertial Navigation Systems (INSs) in various fields, increasing the accuracy and efficiency of this system is significant. INS is a standalone system that works in any weather conditions and can provide continuous navigation information of position, velocity, and attitude without affecting the environment. However, due to errors in gyroscope and accelerometer sensors, the accuracy of INS sensor performance decreases over time. Therefore, the main problem in using INS for navigation systems is the unlimited errors that occur over time. In other words, over time, its performance suffers from errors that are increasing rapidly. Therefore, to achieve the desired outputs, noise removal must be performed. In this paper, according to the types of sensors, the best noise removal method has been presented. The wavelet noise removal based on the lifting scheme is utilized for de-noising. The lifting method is real-time and does not require blocking the received data. Also, we have leveraged some multi-level liftings. Further, we propose an optimization method based on the genetic algorithm to increase accuracy by combining the results of multi-level liftings. For evaluation, two types of dynamic and static data have been used. The achieved results have clarified the effectiveness of our proposed method. Therefore, a suitable method for good, reliable, and fast noise removal is presented.