پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو)

word
99
4 MB
32233
1393
کارشناسی ارشد
قیمت: ۹,۹۰۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو)

    پایان نامه جهت اخذ درجه کارشناسی ارشد مکاترونیک  M.SC.

    چکیده:

     

     موضوع مورد نظر دراین تحقیق طراحی و شبیه سازی تلفیق داده در یک شبکه راداری که دارای هم پوشانی هستند می باشد. تلفیق داده به معنی ترکیب کردن داده های خروجی سنسورهای رادار غیرمشابه میباشدکه از نظر دقت در برد سنجی و زاویه سنجی با هم متفاوت می­باشند. این سنسورها جهت تشخیص بهتر موانع موجود در جاده در قسمت جلوی خودرو و در یک ردیف نصب شده اند. هر رادار داده های مربوط به گزارش خود از موقعیت هدف را به مرکز تلفیق داده ارسال می کند، با اعمال الگوریتم تلفیق داده به این داده ها می توان به تخمین دقیق تری از مکان و سرعت هدف دست یافت . روش انجام کار بدین صورت است که با اعمال روش تخمین فیلتر کالمن و کالمن توسعه یافته برروی اطلاعات ارسالی از سنسورها مقدار خطا کاهش یافته و سپس انواع روش های تلفیق اطلاعات سنسورها (سلسله مراتبی و جمعی) در دو سطح تلفیق داده های مشاهدات و تلفیق داده های ردیابی بررسی شده است. هدف از انجام این تحقیق تلفیق داده‌های ردیابی به منظور یکپارچه کردن پوشش منطقه و بهبود دقت تخمین موقعیت هدف بعد از مرحله ردیابی می‌باشد که از معیار میانگین مربعات خطا  برای ارزیابی سامانه استفاده کرده­­ایم. نتایج حاصله نشان دادکه، خطای مکان یابی هر کدام از سنسورها علاوه بر دقت رادار به موقعیت هدف نسبت به رادار نیز وابسته است دیگر اینکه با افزایش تعداد سنسورها دقت مکان یابی بیشتر شده و رفته رفته دقت مکان یابی هدف با افزایش تعداد سنسورها بهتر شده است بطوریکه خطای مکان یابی مرکز تلفیق در هر لحظه بهتر از خطای مکان یابی تک تک سنسورهایی که در آن لحظه دارای هم پوشانی هستند می باشد.

     

    واژه های کلیدی:

    تلفیق داده- ترمزاضطراری خودرو -  فیلترکالمن- فیلتر کالمن توسعه یافته - ردیابی اهداف راداری - آگاهی وضعیتی-ترکیب سنسور ها

     

    مقدمه:

    مزایای ناشی از ترکیب داده های حاصل از چندین منبع بر داده های تک منبعی، باعث ایجاد روند تحقیقات به مدت چندین دهه در حوزه فرآیند تلفیق داده های چند منبعی و چند منظوره شده است. Hall و James، معرفی جامع و کاملی در خصوص این موضوع، حوزه های کاربرد آن، مدل معماری و روش های پیاده سازی آن، ارائه نموده اند. هدف نهایی پروسه تلفیق داده ها عبارتست از افزایش دقت در فرآیند درک پدیده مورد مشاهده و نیز استنتاج سناریو های آینده.]5[،]6[

    تلفیق اطلاعات چیست؟

    با یک مثال ساده شروع می کنیم، اعضا و جوارح یک انسان را در نظر بگیرید، هر قسمت را به عنوان یک سنسور فرض کنید که اطلاعاتی را به مغز انسان می فرستند، در مغز پردازش می شوند و خروجی مناسبی را اعمال می کند. جنبه انسان ها از پنج ارگان حس وحس ها درونداد می شود؛لامسه ، بویایی  ، چشایی(چشیدن) شنوایی ، بینایی و ساختارهای فیزیکی متفاوت توسط یک پروسه باور نکردنی ،که هنوز بطور کامل درک نشده است ، انسانها درونداد را ازاین ارگانها بواسطه مغز به سوی احساس بودن در واقعیت انتقال می دهند . مانیازداریم تا احساس کنیم یا مطمئن باشیم که در مکانی ،در مختصاتی ،در محلی ،در زمانی می باشیم . بنابراین ما یک تصویرکامل تر یک حس مشاهده شده را بدست آورده ایم. فعالیت های انسانی طراحی، هنر، سرمایه گذاری ، تحلیل بازار، هوش نظامی ،کار هنری پیچیده ، توالی رقص پیچیده ، خلق موسیقی ، وروزنامه نگاری ، مثال های خوبی از فعالیت هایی می باشند که از مفهوم ها وجنبه های ترکیب داده پیشرفته DF استفاده می کنند که ما تاکنون بطور کامل درک نکرده ایم.شاید،مغز انسان چنین داده یا اطلاعاتی را بدون صرف هیچ گونه مساعدت اتوماتیک ادغام می کند،زیرا او دارای یک توانایی علت یابی انجمنی نمویافته در طی هزاران سال بوده است. کار دیتا فیوژن همان کار مغز است که اطلاعات را با هم می آمیزد و اطلاعاتی جدید از ان استنتاج می کند که قبل از این توسط هیچ سنسوری قابل استنتاج  نبود.

    به عنوان مثال دوم برای درک بهتر تلفیق اطلاعات فرض کنید دو سنسور داریم یکی راداری که مشخص می کند هواپیمای دشمن در چه نقطه ای قرار دارد اما از نظر ارتفاعی هیچ اطلاعی به ما نمی دهد(برخی رادار ها دارای چنین قابلیتی هستند، در اینجا فقط به عنوان یک مثل و برای فهم بهتر مطلب فرض شده که چنین راداری در اختیار نداریم) و سنسور مادون قرمزی که ارتفاع را به ما می دهد اما هیچ اطلاعاتی در مورد نقطه وجود دشمن نمی دهد حال اگر این دو را با هم ترکیب کنیم مزیت اصلی تلفیق اطلاعات آشکار می شود. در این صورت می توانیم اطلاعاتی در مورد مکان و موقعیت هواپیمای دشمن و بسیاری از اطلاعت دیگر که از مجموع اطلاعات این دو سنسور استخراج می شود مانند سرعت آن و آرایش و رفتار آن و … استنتاج و استخراج کنیم.

    آنچه مشخص است وقتی اطلاعات تلفیق می شوند یعنی اطلاعات بیشتری تولید می شود و اطلاعات بیشتر یعنی قدرت بیشتر.

    دیتا فیوژن کاربرد های بسیاری دارد از جمله آن می توان به موارد زیر اشاره کرد :

    حمل و نقل , ناوبری هوایی (نظامی و مسافربری )، ساخت خودروهای هوشمند، مدیریت ترافیک جاده ها مخابرات چند رسانه ایی،ترکیب صدا و تصویر در ارتباط جمعی از را دور، سیستم های هوشمند منازل، روباتیک، نمایشگرهی سه بعدی , محاسبه خوردگی مواد و...

    یکی از اصطلاحاتی که زیاد به آن برخورد می کنیم اصطلاح fuse است که با توجه به مثال بالا کاری که مغز هنگام دریافت چندین سیگنال از سنسور ها انجام می دهد مثلا آنها را پردازش می کند و خروجی مناسب تولید می کند را شامل می شود. حال اگر همین معنا را به دیتا فیوژن تعمیم دهیم زیاد کار سختی نخواهد بود.

     

    1-1)چهارچوب پردازشی دیتا فیوژن چیست؟

    چارچوبی که به ما می گوید برای کار با سنسور هایی که به صورت مرکزی در حال سرویس دادن به ما هستند چگونه و از کجا شروع کنیم،‌ چه کارهایی انجام دهیم و به چه نتایجی برسیم به عنوان مثال در مهندسی نرم افزار ما متدولوژی های زیادی داریم که توسط آنها طراحی و توسعه نرم افزارمان را مدیریت می کنیم، در بحث حاضر فریم ورک همان متودولوژی ها در مهندسی نرم افزار اند. یکی از مشهورترین فریم ورک ها، فریم ورک JDL [1] می باشد که از معنی تحت الفظی آن ترکیب و بهم پیوستن مدیران آزمایشگاه ها، درون سازمان پدافند آمریکا می باشد.که برای کارهای نظامی طراحی شده است

    به منظور آشنایی با این فریم ورک باید سطوح آن را مورد بررسی قرار دهیم.

    سطوح اصلی این چهارچوب سه سطح به قرار زیر می باشدکه با توضیح هر قسمت این مدل آشکارتر می شود:

    سطح یک: اشیاء را تعریف می کند. برای این تعریف باید یک تصویر کلی از موقعیت موجود آن شیء گزارش شود. این کار بوسیله تلفیق‌ شدن خصایص و ویژگی های آن آبجکت که از چندین منبع یا سنسور یا هر منبع دیگری استخراج شده انجام می شود. این تعریف را به صورت واضح تر از یک منبع دیگر عنوان می کنیم : این مرحله وظیفه مخلوط کردن و به هم پیوند دادن اطلاعات مختلف مکانی، زمانی و … برای اینکه آبجکتی بدست بیاوریم که تصفیه شده و منفرد باشد مثل اسلحه، یک موقعیت یا واحد نظامی جغرافیایی یا هر چیز دیگر را به عنوان یک شی شسته و رفته بدست می آوریم.

    سطح دوم  : سعی دارد تصویری از اطلاعات کامل نشده از مرحله یک تصویر بکشد.  این کار را با ارتباط بین موجودیت های دیگر که برای مجموعه ما مهم است و همچنین رویدادهای مشاهده شده انجام میدهد. تعریف دیگری از ]6[ بیان شده است :‌  این مرحله یک شرح و توضیح از ارتباطات ما بین اشیاء یا ابجکت ها و رویدادها در بطن محیط اطراف آنها تعریف می کند. اشیاعی که توزیع شده اند و از بخش اول یا سطح یک بدست آمده اند، بررسی می شوند تا به یک واحد معنا دار تبدیل شوند. در کل این مرحله به اطلاعات ارتباطی بین اشیاء می پردازد. انواع و اقسام ارتباطات وجود دارد مثل ارتباطات فیزیکی ،که هدف از این کار تعیین کردن معنی و مفهوم مجموعه موجودیت ها است.این آنالیز در زمینه های مختلفی مثل زمین، رسانه های اطراف، آب شناسی،آب و هوا و دیگر فاکتورها می باشد.

    سطح سوم: نتایج مرحله دوم را به اندازه توان  تولید و انجام می دهد. این مرحله مزایا و معایب یک دوره از عملیات را نسبت به دوره دیگر(مثلا دوره قبلی) محسابه می کند. به بیانی دیگر در منبعی دیگر این مرحله مسئول برنامه ریزی موقعیت موجود برای آینده است. در واقع استدلال و استنتاج می کند که رفتار هدف یا آسیب پذیری های آن و … چگونه خواهد بود و این رفتارها را استدلال می کند ]1[،]7[.

     

    1-2)آگاهی وضعیتی

    تاریخچه

    این علم را باروایز و پری در مقاله خود در سال ۱۹۸۱ کشف کرده و به مجامع جهانی معرفی نمودند. پس از آن دولین در کتابچه خود آن را تکمیل نمود. در ابتدا صحبت تنها آگاهی وضعیتی توسط انسان بود اما به تدریج توسط افرادی مانند کوکار و … این علم به یکی از علوم حوزه کامپیوتر تبدیل شد به صورتی که کوکار در یکی از مقالات خود یک مدل برای پیاده سازیSA توسط کامپیوتر ارائه می کند.داستان به جنگ آمریکا و کره بر می گردد که در آن خلبانان آمریکایی برای جنگ باید اطلاعاتی در مورد حوزه دشمن داشته باشند و باید هر خلبان به محدوده دشمن وارد شود تا بتواند به وی ضربه وارد کند که این مستلزم دانستن اطلاعاتی در مورد وضع موجود و دشمن می باشد. حال گاهی پیش می آمد که خلبان آگاهی از مکان خود را از دست می داد. از اینجا بود که استارت یک علم جدید به نام Situation awareness زده شد ]8[،]9,[ ]10[.

    آگاهی وضعیتی چیست؟

    یعنی ادراک آنچه که در اطراف هر شیء مورد نظر ما در حال انجام شدن است چه آنچه با چشم دیده می شود چه بدون آن . این اطلاعات باید برای ما مهم باشد و نیاز به داشتن آن اطلاعات داشته باشیم.

    (Endsley, 1988) می گوید :

    برداشتی از عوامل و موجودیت های محیط پیرامون ما طوری که زمان و فضا را در نظر بگیریم و درک و فهم معنی آن عوامل و موجودیت ها و نگاه به وضعیت آنها در آینده نزدیک ]11[.

    در این جمله سه مرحله اصلی و اساسی مدل  Endsley برای آگاهی وضعیتی را مشخص می کند.

    آنچه برای اندسلی مهم است این است : دانستن اینکه چه چیز دارد روی می دهد یا دارد چه می شود.

    اکنون مراحل مختلف آگاهی وضعیتی (SA )را شرح می دهیم :

    ۱- سطح یک : یا درک و فهمیدن اینکه چه اطلاعاتی برای ما از محیط پیرامون ما  مورد نیاز است. نتایج نشان می دهد در کاربرد خلبانی ۷۶% از خطاها به همین علت رخ داده است.

    ۲-سطح دوم : SA چیزی فراتر از برداشت کردن است. در این مرحله صحبت از ترکیب یا تلفیق اطلاعات و تفسیر آنها است. همچنین صحبت از ذخیره و دستکاری و نگهداشت آنها به میان می آید. آنچه اندسلی  می گوید این است که تکه های مفید اطلاعاتی را تلفیق کنیم تا ارتباط آنها را به هدف شخصی که این اطلاعات را برای آن هدف جمع آوری کرده است  بدست بیاوریم. نتایج نشان می دهد تنها ۲۰ درصد از خطاهای یک خلبان به این علت می باشد.

    ۳-سطح سوم : توسط این مرحله باید بتوان با توجه به اطلاعات موجود آینده نزدیک را پیشبینی کرد. البته شاید این پیش بینی درست از آب در نیاید. مشکلی نیست با فیدبک موجود آن را تصحیح می کنیم. این مرحله سخت ترین مرحله است و نیازمند متخصص و فرد خبره در زمینه مورد نظر می باشد. اندسلی  زمینه های مختلفی را بررسی کرده است از جمله جنگ هوایی، کنترل ترافیک هوایی ، دارو و … و به این نتیجه رسیده است که این مرحله یکی از سخت ترین مراحل می باشد.

    ۴- سطح چهارم :هدف از این مرحله که باید توسط فرمانده یا مدیر متخصص انجام شود این است که با توجه به اطلاعات موجود این فرد خبره تصمیم بگیرد که باید چه کاری انجام دهد.به عنوان اولین کاربرد می توان به مقاله ای از ژورنال معتبر IEEE اشاره کرد که مدل سه لایه آقای باروایز را که در بالا توضیح داده شد برای یک کاربرد در حوزه مدیریت جاده و وسایل نقلیه اعمال کرده است] 12[.

    این مقاله به گفته خود یک ربات نرم افزاری بکمک سنسور های نصب شده در جاده و اطلاعاتی که از راننده می گیرد طراحی می کند تا تصمیم گیری های تولید شده توسط آن را با تصمیماتی که انسان می گیرد مقایسه کند. هدف این است تا میزان خطای این سیستم را که یک سیستم خود مختار می باشد استخراج شود تا برای تحقیقات بعدی مورد استفاده قرار گیرد.

     

    Abstrsct :

    Vehicle tecknology has increased rapidly in recent years particularly in relation to sensing and breaking systems .Topics of interest in this study is designing and simulation of data fusion in a radar network with overlaps . Data consolidation  means combining out put data of dissimilar radar sensors with differernt accuracy of range & angle error . These sensors installed at the front of vehicle in one row for better detection of abstacles on the road . Each radar sensors sends self-reported data in target position to fusion center .We can be found better results for target location and velocity by applying data fusion algorithms .This procedure is error ratio reduction by applying KF&EKF on transmitted information and then check different types of sensor data fusion techniques (hierarchy & batch ) in two level of measurements and state vectors.The porpuse of this research is tracking fusion to integrate coverage area and MSE assessment systems have been used to improve the accuracy of estimating the target position .The results show that positioning error of each sensors depends on radar accuracy and target position and also we increasing position accuracy with large number of sensors .So that the positioning error of fusion center less than positioning error of each sensors at the moment .

     

    Keywords : Data Fusion – Emergency Break Down – Kalman Filter – Extended Kalman Filter - Radar Target Tacking - Situation Awareness – Sensor Fusion

  • فهرست و منابع پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو)

    فهرست:

    چکیده

    فصل اول- مقدمه و هدف : تلفیق داده

     

    مقدمه-------------------------------------------------------------------------- 3

    1-1)چهارچوب پردازشی دیتا فیوژن چیست؟--------------------------------------- 4

    1-2)آگاهی وضعیتی ------------------------------------------------------------ 5

    1-3)چند کاربرد تلفیق اطلاعات-------------------------------------------------- 7

    1-4)تلفیق داده و مزایای آن------------------------------------------------------- 8

    1-5)نمای کلی از سیستم تلفیق داده---------------------------------------------- 9

    1-6)تخصیص داده--------------------------------------------------------------- 12

     

    فصل دوم: کلیات نحوه عملکرد ردگیری سنسورهای راداری وسیستم پردازش

     و روابط آنها

     

    2-1)رادارهای ردگیر -------------------------------------------------------------- 15

    2-2)رادارهای ردگیری (تمرکز پیوسته روی هدف) – رادارهای STT------------------- 15

    2-3) ردگیری در حین جستجو----------------------------------------------------- 16

    2-3-1)الگوریتم ردگیری اهداف چندگانه مبتنی بر TWS------------------------- 17

    2-3-2)اجزای اصلی سیستم مبتنی بر TWS------------------------------------- 17

    2-3-3)داده‌های ورودی------------------------------------------------------------- 19

    2-3-4)دروازه بندی---------------------------------------------------------------- 19

     2-4) تخصیص داده و موقعیت ‌یابی دقیق---------------------------------------- 20

    2-5)انواع ساختارهای تلفیق داده------------------------------------------------- 21

    2-6)الگوریتم های  تلفیق داده---------------------------------------------------- 23

    2-7)تلفیق سلسله مراتبی------------------------------------------------------- 24

    2-8)تلفیق جمعی--------------------------------------------------------------- 26

    2-9) شبیه‌سازی مختصاتی داده‌ها در شبکه راداری------------------------------- 27

     

    فصل سوم :بررسی انواع فیلتر ها و روش انجام این تحقیق

     

    3-1)  فیلتر های پرکاربرد --------------------------------------------------------- 29

    3-1-2) فیلتر β-α---------------------------------------------------------------- 29

     3-1-3) خطای مانور برای فیلتر β-α---------------------------------------------- 31

    3-1-4)  معیار انتخاب ضرایب فیلتر β-α----------------------------------------- 31

    3-1-5) فیلتر β-α بهینه‌ی Benedict-Bordner-------------------------------- 32

    3-1-6) پایداری فیلتر β-α-------------------------------------------------------- 34

    3-2)فیلتر γ-β-α---------------------------------------------------------------- 34

    3-2-1) فیلتر γ-β-α بهینه‌ی Benedict-Bordner------------------------------ 36

    3-2-2) پایداری فیلتر γ-β-α------------------------------------------------------ 38

    3-3) فیلترکالمن خطی------------------------------------------------------------ 39

    3-3) مزیت های فیلتر کالمن نسبت به فیلتر β-α---------------------------------- 39

    3-4-1) تاریخچه ی فیلتر کالمن--------------------------------------------------- 40

    3-4-2) نویز سفید -------------------------------------------------------------- 42

    3-4-3) تخمین خطی در سیستم‌های دینامیک------------------------------------ 43

    3-4-4) پایداری فیلتر کالمن------------------------------------------------------- 46

    3-4-5) سازگاری تخمین‌گر کالمن------------------------------------------------- 48

    3-4-6) شرایط اولیه‌ی فیلتر کالمن------------------------------------------------ 51

    3-4-7) مدلهای دینامیکی برای اهداف راداری به منظور ردگیری آنها---------------- 51

    3-5) مدل سرعت ثابت ---------------------------------------------------------- 52

    3-6) مدل شتاب ثابت------------------------------------------------------------ 53

    حالت حدی فیلتر کالمن-فیلترβ-α و γ-β-α بهینه‌ی Kalata --------------- 55

    3-8) فیلتر کالمن توسعه یافته -------------------------------------------------- 56

    3-9)الگوریتم برهم کنش چند مدل (IMM)------------------------------------- 59

    3-9-1)پارامترهای طراحی برای یک الگوریتم IMM------------------------------- 60

    3-9-2)مهمترین مراحل الگوریتم IMM در هر سیکل----------------------------- 61

    3-9-3))مدل دینامیکی و مشاهدات در الگوریتم IMM---------------------------- 62

    3-9-5)مزایای الگوریتم IMM---------------------------------------------------- 68

     

    فصل چهارم: نتایج شبیه سازی و بحث در مورد آنها

     

    نتایج شبیه سازی--------------------------------------------------------------- 70

    4-1) تلفیق در سطح مشاهدات-------------------------------------------------- 70

    4-1-1) میانگین مربعات خطا یا MSE(Mean Square Error) --------------- 73

    4-2)تلفیق داده در سطح داده‌های ردیابی------------------------------------------ 74

    4-2-1) تلفیق داده به صورت Batch --------------------------------------------- 75

    4-2-2)کاهش خطای مکان یابی بوسیله فیلترکالمن------------------------------- 78

     4-2-3) تلفیق داده بصورت  سلسله مراتبی-------------------------------------- 79

    4-2-4) مقایسه دو روش جمعی و سلسله مراتبی -------------------------------- 81

    4-2-5) کاهش نویز مکان یابی بوسیله افزایش تعداد رادارها ازدو به چهار--------- 82

    4-2-6) بررسی افزایش تعداد رادارها ازدو به چهاردر تلفیق (Hierarchical)------- 85

     

    فصل پنجم: نتیجه گیری کلی وپیشنهادات برای ادامه کار

     

    5-1) بررسی عملکرد سنسور با برد های 50متر و120متر و200متر با....------------- 90

    5-2) بهبود خطای مکان یابی و سرعت یابی بوسیله مرکز تلفیق  ---------------- 93

    5-3) نتایج حاصل از اعمال الگوریتم های تلفیق داده----------------------------- 96

    5-4)پروژه مشابه (کاربرد دیتا فیوژن در سیستم های کمک راننده )...-------------- 97

    5-5)موارد زیر جهت ادامه و گسترش دادن موضوع بررسی شده ...------------------ 98

    برنامه نویسی مطلب------------------------------------------------------------ 99

    منایع---------------------------------------------------------------------------- 106

     

     

    منبع:

     

     

    ]1 [   علیزاده حوا، کاهانی محسن ، بهکمال بهشید  ، شکیبا علیرضا ، سال ۱۳۹0 ،" چارچوب داده آمیزی معنایی مبتنی بر مدل JDL" ، کنفرانس ملی فرماندهی و کنترل ایران ، پنجمین کنفرانس

     

    ]2[ مهرزاد بیغش ، بهروز رئیسی ، سال1389 ،"  تخمین غیرفعال موقعیت هدف با استفاده از یک ایستگاه متحرک بر روی یک سطح کروی " ، کنفرانس مهندسی برق ایران ، هجدهمین کنفرانس ، دانشگاه صنعتی اصفهان.

     

    ]3[  بشاشی   ‌سقزچی‌ ، فیروز ، سال ۱۳82 ، " شبیه‌ساز‌ی‌، بررسی‌‌ عملکرد و مقایسه‌ی‌‌ الگوریتم ‌مختلف ‌ردگیر‌ی‌‌ ا‌هد‌اف ‌چندگانه‌ در ر‌اد‌ار‌ها‌ی‌‌آر‌ایه‌ فاز‌ی "،دانشگاه شیراز

     ]4[  نصیر‌ی ‌، د‌اریوش  ‌، سال ۱۳80 ،"  کاربرد ‌الگوریتم ‌‎IMM  در ردیابی ‌‌ا‌هد‌اف ‌چندگانه‌"دانشگاه شیراز

     

    [5] Williams.Stefan B,Year 2009, Experimental Robotics , "data  fusion and estimation ".

     

    [6]  Hall, David L., and Linas, James, Year1997, "An introduction to multisensor data   fusion " ,  Proceedings of the IEEE 85.1: 6-23.

     

    [7] Duncan, Smith and Sameer, Singh, Year2006," Approaches to Multisensor Data Fusion in Target Tracking Survey " , IEEE Transaction on knowledge and    data engineering, Vol.18 , No.12.

     

    [8] Barwise , J., & Perry, J.Year1981, "Situations and attitudes"  , The Journal of Philosophy, 78(11) , 668-691.

     

    [9] Devlin, K. Year2006 ,"Situation theory and situation semantics" ,  Handbook of the History of Logic, 7, 601-664.

     

    [10] Kokar, M. M., Matheus, C. J., & Baclawski. K.Year2009 ,"Ontology-based situation awareness"  ,  Information fusion, 10(1), 83-98.

     

    [11] Endsley,  M.  R. Year2000 , "Theoretical underpinnings of situation awareness: A critical review"  ,  Situation awareness analysis and measurement, 3-32.

     

    [12] Scholtz, J. C., Antonishek , B., & Young, J. D. Year2005  ,  "Implementation of a situation awareness".

     

    [13] Rivera, Mejia and Seanez, Hernandez and Hernandez, Lopez and Lopez, Perez,Year2011, "Intelligent sensor with data fusion to improve the care and management of water" In Instrumentation and Measurement Technology Conference (I2MTC),IEEE (pp. 1-5).

     

    [14]N.J. Willis & H.D. Griffiths,Year2007, "Advances in Bistatic Radar"  ,SciTech publishing, Inc.,U.S.A.

     

    [15]J.Palmer, D. Merrett,  S.Palumbo, J.Piyaratna, S.Capon, H Hansen,Year2008, "Illuminator of opportunity bistatic radar research at DSTO", in Proc. International Conference on Radar, pp. 701_705.

     

    [16] C. Baker,Year2009 "An Introduction to Multistatic radar", NATO SET-136 Lecture Series on Multistatic Surveillance and Reconnaissance:Sensor, Signals and Data Fusion.

     

    [17] R. Tenney  and N. Sandels,Year1981 "Detection with distributed sensors", IEEE Trans. on Aero. and Elect. Sys., Vol. 17, No. 4.

     

    [18] J. N. Tsitsiklis,Year1993 "Decentralized detection", Advances in Statistical Signal Processing, Signal Detection, Vol. 2, pp. 297-344.

     

    [19] J. R. Raol,Year2010 "Multi-sensor data fusion with MATLAB", CRC press.

     

    [20] N. Milisavljević,Year2009 "Sensor and data fusion", I-Tech Education and Publishing, Vienna, Austria.

     

    [21] Y. Zhang, and H. Leung, and M. Blanchette, T. Lo, J. Litva,Year1997 "An Efficient Decentralized Multiradar multitarget Tracker for Air Surveillance", IEEE Trans. on Aero. and Elect. Sys., Vol. 33, No. 4.

     

    [22] M.S. Grewal and  L.R. Weill and A. P. Andrews,Year2007  "Global Positioning Systems", Inertial Navigation, and Integration, Second Edition, Appendix C, John Wiley & Sons.

     

    [23] L.D. Stone, T. M. Tran, and M. L. Williams,Year2009 "Improvement in Track-to-Track Association from Using an Adaptive Threshold", In 12th International Conference on Information Fusion .

     

    [24] N. Shanthakumar, and G. Girij,Year2007  "Measurement level and state-vector data fusion implementations", Personal communications and personal notes. Flight Mechanics and Control Division, National Aerospace Laboratories, Bangalore.

     

    [25] H. Durrant-Whyte,Year2001 "Multi Sensor Data Fusion", Course Notes, University of Sydney.

     

    [26] X. Tian and Y. Bar-Shalom,Year2009 “Exact Algorithms for Four Track-to-Track Fusion Configurations: All You Wanted to Know but Were Afraid to Ask”, in Information Fusion, FUSION '09, pp. 537 –544.

     

    [27] K. V. Ramachandra,Year2002 "Kalman Filtering Techniques for Radar Tracking", ISBN: 0-8247-9322-6, M, Marcel Dekker Inc., New York

     

    [28] M. O. Kolawole,Year2002 "Radar Systems, Peak Detection and Tracking", ISBN 0 7506 57731.

     

    [29] M. Skolnik,Year2008 "Radar handbook ", 3rd Edition,by The McGraw-Hill, ISBN 978-0-07-148547-0.

     

    [30] P. Lacomme, J.Philippe Hardange, J.Claude Marchais, and E. Normant,Year2001"Air and Space borne Radar Systems ", IEE ISBN: 0-85296-981-3, by William Andrew Publishing.

     

    [31] E. Brookner,Year1998 “Tracking and Kalman filtering made easy”, John Wiley & Sons, Inc. ISBNs: 0-471-18407-1

     

    [32] D. B. Reid,Year1979 "An algorithm for tracking multiple targets", IEEE    Transactions on Automatic Control AC-24, pp. 843-854.

     

    [33]Y. Bar-Shalom, X. Rong Li, and T. Kirubarajan,Year2001"Estimation with Applications to Tracking Navigation: Theory, Algorithms, and software", ISBN 0-471-41655-X, John Wiley & Sons Publication.

     

    [34] Mahafza, B. R,Year2000 "Radar Systems Analysis and Design using MATLAB", FL, CRC Press.

    [35] Kosuge Y, and M. Ito,Year2001 “A Necessary and Sufficient Condition for the Stability of an α-β-γ Filter”, SICE2001, Proceeding of the 40th Annual Conference, International Session Letters, pp. 52-57.

     

    [36] Cohen S.A,Year1986 "Adaptive Variable Update Rate Algorithm for Tracking Target with a Phased-Array Radar", IEE Proceedings F, Vol. 133, NO. 3, pp. 177-180.

     

    [37] Jeffer A. J, and Y. Bar-Shalom,Year1972 "On optimal Tracking in Multiple Target environment", Proceeding of Third Symposium on Non-Linear Estimation Theory and its Application, San Diego, CA, pp. 112-117.

     

    [38] A. H. Jazwinski,Year1970 "Stochastic Processes and Filtering Theory", Academic Press, New York.

     

    [39] Bogler, P. L,Year1990" Radar Principles with Application to Tracking Systems", NY, John Wiely and Sons.

     

    [40] Bar-Shalom Y, and T.E. Jortman,Year1988 "Tracking and Data Association", NY, Academic Press.

     

    [41] X. Rong Li, and Vesselin P. Jilkov, X.,Year2003 "Survey of Maneuvering Target Tracking". Part I: Dynamic Models, IEEE Transactions on Aerospace and Electronic Systems Vol.39, No4.

     

    [42] H. A. P. Blom,Year1985 “An efficient decision-making-free filter for processes with abrupt Changes”, In Proceedings of International Federation of Automatic Control Symposium on Identification and System Parameter Estimation, York, United Kingdom, pp. 631-636.

     

    [43] Kalata P. R,Year1984 "The Tracking Index: A Generalized Parameter For α-β and  α-β-γ Target Trackers", IEEE Transactions on Aerospace and Electronic Systems, AES 20, pp. 174-182.

     

    [44] Simon J. Julier Jerrey K. Uhlmann,Year1990 "A New Extension of the Kalman Filter to Nonlinear Systems".

     

    [45] H. A. P. Blom and Y. Bar-Shalom,Year1988 "The interacting multiple model algorithm for systems with markovian switching coefficients", IEEE Transactions on Automatic Control vol. 33, no. 8, pp. 780-783.

     

    [46] E. Mazor, A. Averbuch, Y. Bar-Shalom, and J. Dayan,Year1998 "Interacting multiple model methods in target tracking: A survey", IEEE Transactions on Aerospace and Electronic Systems, vol. 34, no. 1 , pp. 103-123.

     

    [47] M. S. Woolfson,Year1985 "An evaluation of maneuver detector algorithms", GEC Journal of Research, vol. 3, no. 3, pp. 181-190.

     

    [48] Yaakov Bar-Shalom,Year1990 "Multi-target Multi-sensor tracking: Advanced applications", Artech House, Norwood, MA.

     

    [49] T. Kirubarajan, Y. Bar-Shalom, W. D. Blair, and G. A. Watson,Year1998 “IMM PDA Solution to Benchmark for Radar Resource Allocation and Tracking in the Presence of ECM”, IEEE Trans. Aerospace and Electronic Systems, 34(3), 1023–1036



تحقیق در مورد پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو), مقاله در مورد پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو), پروژه دانشجویی در مورد پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو), پروپوزال در مورد پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو), تز دکترا در مورد پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو), تحقیقات دانشجویی درباره پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو), مقالات دانشجویی درباره پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو), پروژه درباره پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو), گزارش سمینار در مورد پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو), پروژه دانشجویی در مورد پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو), تحقیق دانش آموزی در مورد پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو), مقاله دانش آموزی در مورد پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو), رساله دکترا در مورد پایان نامه سیستم تشخیص موانع موجود در جاده بروش دیتا فیوژن چند حسگری (سیستم ترمز اضطراری خودرو)

ثبت سفارش
تعداد
عنوان محصول
بانک دانلود پایان نامه رسا تسیس