Geri Dön

Parametric and posterior Cramér-Rao lower bounds for extended target tracking in a random matrix framework

Rastgele matris çerçevesinde genişletilmiş hedef izleme için parametrik ve sonsal Cramér-Rao alt sınırı

  1. Tez No: 418338
  2. Yazar: ELİF SARITAŞ
  3. Danışmanlar: DOÇ. DR. UMUT ORGUNER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 109

Özet

Bu tezde rastgele matris çerçevesinde genisletilmis hedef izleme (GHI) için parametrik ve sonsal Cramér-Rao alt sınırları (CRAS) sunulmaktadır. GHI, yakın zamanda gerçeklesen sensör teknolojisindeki ilerlemeler dolayısıyla yaygın olarak yapılan noktasal hedef varsayımının geçerli olmadıgı hedef izleme alanıdır. Artan sensör yetenekleri ile hedefler tek bir sensör raporunda birden fazla ölçüm üretir hale gelmistir. Böylelikle, hedefin kinematik durumunun yanı sıra genisligi de tahmin edilebilir olmustur. Kaynaklarda çesitli GHI algoritmaları olsa da, bu çalısmada rastgele matris tabanlı GHI algoritmaları üzerinde durulmustur. Bu yaklasımda hedeflerin sekillerinin elips seklinde oldugu varsayılır ve sekil durum degiskeni kesin pozitif matrisler ile temsil edilir. Bayes teorisi çerçevesinde, kinematik ve sekil durumları yinelemeli olarak kestirilir. Bu tezde bu kestiriciler kullanıldıkları zaman elde edilen kestirim basarımları sorgulanmaktadır. CRAS yansız kesitiricilerin basarabilecegi ortalama karesel hata için bir alt sınırdır ve basarım ölçümü için kestirim teorisinde sıklıkla kullanılır. Ölçümü alınan rastgele bir degiskenin tahmin edilmek istenen parametre ile ilgili tasıdıgı bilginin ölçüsü olan Fisher bilgi matrisinin tersi olan bu sınır, bu çalısmada GHI algoritmaları için uygulanmıstır. Öncelikle rastgele matris çerçevesinde GHI için parametrik ve sonsal CRAS'lar elde edilmistir. Çözümlemeli ve sayısal araçlar kullanılarak kinematik ve sekil durumları için CRAS formülleri türetilip rastgele matris tabanlı güncel bir GHI algoritmasının basarımları ile karsılastırılmıstır.

Özet (Çeviri)

This thesis presents the parametric and posterior Cramér-Rao lower bounds (CRLB) for extended target tracking (ETT) in a random matrix framework. ETT is an area of target tracking in which the common assumption of point targets does not hold due to the recent improvements in sensor technology. With the increased sensor capability, targets can generate more than one measurement in a single scan depending on their size. Therefore, not only the target's kinematical state but also its extension can be estimated. Although there are different methods in literature that deals with ETT, random matrix based ETT algorithms are the subject of this thesis. In this Bayesian approach, the extents of the targets are assumed to be ellipsoidal and they are represented with positive definite matrices which are called as the extent states. The kinematic and extent states are estimated recursively in a Bayesian framework. When these estimators are applied, their performances come into question. Cramér-Rao Lower Bound (CRLB) which gives a lower bound on the achievable mean-square-error (MSE) of an unbiased estimator is a commonly used method to evaluate estimator performance in estimation theory. CRLB is the inverse of the Fisher Information which is a measure of information that a measured random variable carries about the parameter to be estimated; and in this study, it is applied for ETT algorithms. First, parametric and posterior CRLBs for ETT in a random matrix framework are obtained. Formulae for CRLBs for both kinematic and extent states are computed by using both analytical and numerical tools, and then compared with the performance of a state-of-the-art random matrix based ETT algorithm.

Benzer Tezler

  1. İnvasiv olmayan ventilasyonda solunum parametrelerinin modellenmesi

    Modelling of the respiratory parameters in non-invasive ventilation

    ESRA SAATÇI

    Doktora

    Türkçe

    Türkçe

    2009

    Biyomühendislikİstanbul Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. AYDIN AKAN

  2. Noise enhanced parameter estimation using quantized observations

    Nicemlenmiş gözlemler kullanarak gürültü ile geliştirilmiş parametre kestirimi

    GÖKCE OSMAN BALKAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SİNAN GEZİCİ

  3. Bayesian compressive sensing approach for ultra-wideband channel estimation

    Ultra geniş bant kanal kestirimi için bayes sıkıştırılmış algılama yaklaşımı

    MEHMET ÖZGÖR

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN ALİ ÇIRPAN

  4. Performance prediction of implicitly defined estimators of non-random parameters

    Rastgele olmayan parametreli örtülü tanımlanan kestirimciler için performans tahmini

    ERDAL MEHMETCİK

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÇAĞATAY CANDAN

    PROF. DR. UMUT ORGUNER

  5. Power-arm yüz arkı uygulamasının ve üst çenede tek taraflı molar distalizasyonu için oluşturulan yeni bir sistemin ortodontik bölgeye etkisinin karşılaştırılması

    Comparision of the dentofacial effects between power-arm face bow and the new system used for unilateral molar distalization at upper arch

    NEŞE AK

    Doktora

    Türkçe

    Türkçe

    2009

    Diş HekimliğiGazi Üniversitesi

    Ortodonti Ana Bilim Dalı

    PROF. DR. EMEL YÜCEL