Yapay sinir destekli kalman filtresi ile hedef izleme
Target tracking with kalman filter aided neural network
- Tez No: 127040
- Danışmanlar: DOÇ. DR. RAMAZAN TAŞALTIN
- Tez Türü: Yüksek Lisans
- Konular: Uçak Mühendisliği, Aircraft Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2002
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uçak Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
ÖZET Kalman filtresi, öz yinelemeli ve ardışık veri işleme yeteneği ile, bir hedefin pozisyon, hız ve ivmesini tahmin etmek için yaygın şekilde kullanılır. Ancak Kalman filtresinin başarılı çalışabilmesi için şart olan gauss dağılımlı sistem gürültüsü pratik uygulamalarda her zaman olmayabilir. Bu durum Kalman filtresinin tahmin hatasını arttırır. Böyle bir durumda Kalman filtresinin tahmin hatasını azaltmak için çeşitli yaklaşımlar vardır. Bu yaklaşımlardan birisi birçok Kalman filtresinin paralel olarak işletilmesidir. Bu yaklaşım doğru bir hedef izleme sağlasa da hesaplama süresinin artması ve hesaplamanın daha kompleks hale dönüşmesinden dolayı tercih edilen bir yaklaşım değildir. Yukarıda anlatılan yaklaşımın getirdiği zorluğu çözmek için yapay sinir ağları ile farklı bir yaklaşım getirilmiştir. Bu yaklaşım, Kalman filtresinin tahmin yapabilme kapasitesini yapay sinir ağlarının öğrenme yeteneğini birleştirmektedir. Böylece hedef izleme doğruluğu ve hızı arttırıl maktadır. Bu çalışmada, yukarıda anlatılan yapay sinir ağları ile desteklenmiş Kalman filtresinin hedef izleme performansını incelenmiştir ve yapay sinir ağı kullanılmayan Kalman filtresi ile karşılaştırmasını yapılmıştır. Ayrıca farklı YSA yapılarının hata düzeltmedeki performansı incelenmiştir.. Bu tezde üç temel aşama olacaktır. Birinci aşamada ayrık Kalman filtresi ile GPS'ten alınacak bilgilere göre uçağın durum bilgileri tahmin edilecektir. İkinci aşamada Kalman filtresinin hatası hesaplanıp bu hatalarla yapay sinir ağı eğitilecektir. Kalman filtresinin yapacağı hataları önceden öğrenmiş olan yapay sinir ağı Kalman Filtresine eklendiğinde sistem çıkışında Kalman Filtresinin hatalarından arınmış sonuçlar elde edilecektir. Yapay sinir ağının eğitiminde, popüler bir yöntem olan geriye yayılım algoritması kullanılmıştır. Yapay sinir ağı ile Kalman filtresinin birlikte çalışması şöyle olacaktır. GPS'ten alınan bilgilere göre Kalman filtresi uçağın durum vııbilgilerini tahmin edecektir. Kalman filtresinin yapacağı hataları öğrenen yapay sinir ağı bu hataları giderir ve daha doğru bir sonuç elde edilir. Son olarak da bu iki yaklaşımın hedef izlemede performansları karşılaştırılacaktır. vııı
Özet (Çeviri)
TARGET TRACKING WITH KALMAN FILTER AIDED NEURAL NETWORK SUMMARY Kalman filters has wide range of use in target tracking to estimate the velocity and acceleration of a flying object object due to its ability to process the squential data. However Kalman filter asumes that the system noise has Gaussian distribution characteristic, and this assumption is violated in most practical stuations, resulting the increase of Kalman filter estimation error. There are different techniques to reduce this estimation error. One method to reduce the estimation error is to use parallel Kalman filters. This approach however increases the calculation burden ant it is not preferred in most practical stuations. One approach to solve the above problem is to use neural networks to reduce the Kalman filter estimation error. This method combines the advantages of Kalman filter estimation techniques with those of NN learning capacity. Thus the accuracy and speed of target tracking algorithm is increased. In this work, Kalman filter based target track tracking algorithm is improved by using neural networks. The performance of Kalman filter algrithm is compared with that of neural network aided Kalman filter algorithm. Different NN structures is examined to obtain their success in suppression of estimation error. This subject is investigated in three parts. In the first part GPS data is processed by Kalman filter and aircraft position is solely estimated by it. In the second part Kalman filter error is used to train NN and aircraft. Once the NN is trained and after that the trained NN is used to get more correct results. In the last section performance of these two approaches are compared in target tracking applications. IX
Benzer Tezler
- Derin sinir ağları kullanarak quadrotorun kontrolü
Quadrotor control using deep neural networks
MAHMOUD CHICK ZAOUALI
Yüksek Lisans
Türkçe
2023
Mekatronik MühendisliğiMarmara ÜniversitesiMekatronik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERTUĞRUL ÇETİNSOY
- Jammed signal restoration via AI
Yapay zeka kullanarak sinyal karıştırıcı etkisindeki sinyalin restorasyonu
RECEP EVRİM ÖZGEN
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
PROF. DR. MEHMET KEMAL ÖZDEMİR
- Yapay sinir ağları ile GPS destekli navigasyon sistemi
GPS aided neural network navigasyon system
SÜLEYMAN CANAN
Doktora
Türkçe
2006
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. RAMAZAN AKKAYA
- Scientific machine learning supported track-to-track fusion
Bilimsel makine öğrenmesi destekli takip bilgisi füzyonu
RECEP AYZİT
Yüksek Lisans
İngilizce
2025
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. BARIŞ BAŞPINAR
- The wavelet-based approach for k-factor filtering method on the evaluation of high voltage impulse signals
Yüksek gerilim darbe işaretlerinin incelenmesinde kullanılan k-faktör filtreleme yöntemine dalgacık tabanlı yaklaşım
KAHRAMAN YUMAK
Doktora
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞÜKRAN EMEL ÖNAL