این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۱، شماره ۱، صفحات ۳۵-۴۵
عنوان فارسی حل دقیق معادلات موقعیت در گیرنده های GPS با استفاده از شبکههای عصبی
چکیده فارسی مقاله امروزه از مزیت‌های GPS در صنایع مختلف از جمله صنعت هوافضا و نقشه‌برداری بسیار استفاده می‌شود. برای محاسبه موقعیت با استفاده از داده‌های دریافتی در گیرنده GPS، روش‌های مختلفی ارائه شده است که هر کدام به نوعی سعی در افزایش دقت تعیین موقعیت دارند. شبکه‌های عصبی مصنوعی روشی تقریبا جدید برای تقریب توابع و پیش‌بینی حالت آینده سیستم‌های مختلف می‌باشند. این شبکه‌ها برای حالتی که بین ورودی و خروجی سیستم روابط غیرخطی برقرار است، به خوبی به نتایج قابل قبول منتج می‌شوند و از این‌رو در بسیاری از حوزه‌های علمی مورد استفاده قرار می‌گیرند. در این مقاله روشی مبتنی بر شبکه‌های عصبی برای حل دقیق معادلات موقعیت در گیرنده‌های GPS پیشنهاد شده و عملکرد آن‌ها با یکدیگر و همچنین با روش مرسوم حداقل مربعات خطا مقایسه می‌گردد. با استفاده از نتایج بدست آمده روشن است که دقت و سرعت روش پیشنهادی از روش‌های موجود بیشتر است. همچنین این روش در بیشتر حالات و از جمله حالاتی که روش حداقل مربعات خطا جوابی بدست نمی‌دهد نیز به جواب قابل قبولی منتج می‌شود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Position Accurate Estimation in GPS Receivers using Neural Networks
چکیده انگلیسی مقاله The Global Positioning System (GPS) is a space-based satellite navigation system that provides location and time information in all weather, anywhere on or near the Earth, where there is an unobstructed line of sight to four or more GPS satellites. The GPS program provides critical capabilities to military, civil and commercial users around the world. Traditionally GPS navigation equations can be solved using iterated methods, difference linearization, and extended Kalman filter. All these techniques attempt to linearize the equations and then solve them by traditional means such as Least Squares (LS) solvers. The linearization introduces a small error in the equations as the higher order terms are neglected from the equations to be solved. Neural Networks (NNs) are used to approximate non-linear functions using a training set composed of past data to learn NN weights from data. In this paper, an approach to solving the GPS pseudo-range carrier phase measurements equations using multi-layer perceptron NNs is proposed. The experimental results obtained from a Coarse Acquisition (C/A)-code single-frequency GPS receiver are provided to confirm the efficacy of the proposed method to provide a high level of positioning accuracy. The results of comparison by LS method show NN approach has less RMS error, less calculation volume and more precision. Also, simulations demonstrate that NN has stable behavior even under bad geometry conditions.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مجتبی احمدی |
دانشکده برق دانشگاه علم و صنعت ایران

و سید محمدرضا موسوی میرکلائی |
دانشکده برق دانشگاه علم و صنعت ایران

نشانی اینترنتی http://jscit.nit.ac.ir/article_67312_e67b6cf864bc20c745a430d91f4e2151.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/834/article-834-806048.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