این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
هوش محاسباتی در مهندسی برق، جلد ۷، شماره ۲، صفحات ۷۷-۸۸
عنوان فارسی افزایش سازگاری فیلتر ذره ای با استفاده از روش های کلاسیک و الگوریتم اجتماع ذرات
چکیده فارسی مقاله فیلتر ذره‌ای یکی از مهم‌ترین فیلترها در تخمین سیستم‌های غیرِخطی - غیرِگوسی است. با وجود این، فیلتر ذره‌ای در طول زمان ناسازگار است. ازآنجایی‌که انتخاب تابع توزیع پیشنهادی و روش نمونه‌برداری مجدد در بهبود دقت و سازگاری، بسیار مهم است، دراین مقاله، افزایش سازگاری فیلتر ذره‌ای با بهبود نمونه‌برداری و نمونه‌برداری مجدد انجام شده است. برای بهینه‌سازی نمونه‌برداری، الگوریتم بهینه‌سازی اجتماع ذرات (PSO) به داخل گام نمونه‌برداری پر اهمیت داخل شده است. الگوریتم PSO موجب حرکت مجموعه نمونه‌ها به سمت ناحیه با احتمال بالای پسین قبل از نمونه‌برداری می‌شود و درنتیجه توزیع نمونه‌ها بهبود پیدا می‌کند. به‌‌منظور کاهش اثر نمونه‌برداری مجدد روی دقت و سازگاری، روش جدید نمونه‌برداری مجدد ارائه شده است. روش نمونه‌برداری جدید می‌تواند تنوع میان ذرات را حفظ کند و ذرات نمونه‌برداریِ مجدد شده را وادار کند که به‌طور مجانبی نمونه‌ها را از تابع چگالی احتمال پسینِ حالت‌های واقعی تقریب بزنند. امتیاز روش نمونه‌برداری مجدد پیشنهادشده این است که هزینه محاسبات را کاهش می‌دهد. این بدان دلیل است که روش نمونه‌برداری مجددِ پیشنهادشده، تنها روی بخشی از نمونه‌ها انجام می‌شود. اعتبار فیلتر پیشنهادی با استفاده از شبیه‌سازی ارزیابی شده است. نتایج نشان می‌دهند روش پیشنهادی عملکرد بهتری نسبت به فیلترهای کلاسیک دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Increasing consistency of particle filter using the classic method and particle swarm algorithm
چکیده انگلیسی مقاله Particle filter is one of the main filters to estimate of non-linear/ non- Gaussian systems. However, it is inconsistent over time. Since the choice of the proposal distribution and the resampling method are is very important to improve the accuracy and consistency, in this paper, increasing consistency of particle filter is done using improved sampling and resampling. To optimize the sampling step, particle swarm optimization (PSO) has been merged into the importance sampling. PSO causes the particles to move to the high probability region of the posterior before sampling and therefor the distribution of particles is improved. In order to reduce the impact of resampling on the accuracy and consistency, a new resampling approach is proposed. The new resampling method can maintain diversity among the particles and ensure that the resampled particles asymptotically approximate the samples from the posterior probability density function of the true state. The main advantage of the proposed method is that it reduces computational cost. This is because the proposed resampling method is performed on only part of the particles. The validity of the proposed filter is evaluated using simulation. The results show that the proposed method has better performance than classical filters.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله رمضان هاونگی |
استادیار، دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند – بیرجند - ایران
سازمان اصلی تایید شده: دانشگاه بیرجند (Birjand university)

نشانی اینترنتی http://isee.ui.ac.ir/article_20724_e7fabf325a24991ad377d5390c5811e8.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1306/article-1306-343711.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات