Geri Dön

Non-parametric sensor bias estimation using Gaussian process

Gauss süreci tabanlı parametrik olmayan sensör yanlılık kestirimi

  1. Tez No: 610359
  2. Yazar: MEHMET UFUK DENİZ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EMRE ÖZKAN, PROF. DR. UMUT ORGUNER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  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: 123

Özet

Bu çalışmada, çoklu sensör ortamında parametrik olmayan sensör yanlılığını kestirmek için GP regresyon tekniklerinin uygulanması önerilmektedir. Hedef takibi uygulamalarında, çoklu sensör kullanımı takip sistemini daha güvenilir hale getirmektedir. Birden fazla sensörden alınan bilginin birleştirilmesi bazı zorlukları beraberinde getirmektedir. Çoklu sensör ortamında, tüm sensörlerin düzgün bir şekilde kalibre edildiklerinden emin olmak zordur. Farklı sensörler arasındaki hata tolere edilebilir limiti aştığında çoklu sensör ile hedef takibi bir problem haline gelmektedir. Bu çalışmada, yerel sensörlerdeki yanlılığın bilinmeyen ve karmaşık kaynaklardan geldiği kabul edilmiştir. Bu nedenle yanlılığın parametrik modellemesi imkansız olmasa bile çok zordur. İki farklı sensörün ölçümleri/kestirimleri arasında oluşabilecek yanlılığı modellemek için Gauss süreci yöntemi kullanılmıştır. Gauss süreci yanlılığın yapısına dair parametrik bir modele ihtiyaç duymamaktadır. Gerçek hayatta, hesap yükünden dolayı standart Gauss sürecinin büyük verilerle kullanılması pratik olmadığından Gauss sürecine seyrek yaklaşım uygulanarak hesaplama maliyeti azaltılmıştır. Kestirilen yanlılık daha sonradan veri ilişkilendirmesinin veya sensörler arası iz füzyonunun daha kesin bir şekilde yapılmasında kullanılabilir. Yanlılığa sahip sensörün kestirimlerinin düzeltilmesinde üç farklı veri füzyon mimarisi (merkezi, datk ve hibrit) ele alınmıştır.

Özet (Çeviri)

In this work, we propose to use Gaussian Process (GP) regression techniques to estimate possible non-parametric sensor biases in a multi-sensor environment. Using multi-sensor for tracking applications makes a system more reliable. Combining information acquired from multiple sensors has several difficulties. In a multi-sensor environment, it is difficult to assure that all sensors are registered and calibrated perfectly during operation. When the error between different sensors exceeds tolerable limits, multi-sensor tracking might become a problem. In this study, we assume that the biases between local agents stem from unidentified and complicated sources, which would make parametric modeling very difficult, if not impossible. GPs are used to model the unknown bias that may occur between the measurements/estimates of two different sensors. The model does not require a parametric model for the bias error structure. Since standard GP becomes impractical in reality because of the computational burden of large data sets, a sparse approximation of GP is implemented to scale down the computational complexity. Estimated biases can later be used to perform association or fuse tracks among sensors more accurately. We present a review of three different data fusion architectures so as to combine the data from multiple sensors. We compare the tracking performance of the data fusion architectures to explore the one which provides the best accuracy in our study.

Benzer Tezler

  1. Compressive sensing of cyclostationary propeller noise

    Çevrimsel durağan pervane gürültüsü için sıkıştırmalı algılama

    UMUT FIRAT

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TAYFUN AKGÜL

  2. Quantitative analysis of aircraft aerodynamic derivatives using the least squares method in a six degrees of freedom flight simulation environment

    Uçak aerodinamik türevlerinin altı serbestlik dereceli uçuş benzetim ortamında en küçük kareler yöntemi ile kantitatif analizi

    FURKAN ALTINIŞIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Havacılık ve Uzay Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAYRİ ACAR

  3. Development of single-frame methods aided kalman-type filtering algorithms for attitude estimation of nano-satellites

    Nano-uydularda yönelim kestirimi için tek-çerçeve yöntemlere dayali kalman-tipi filtreleme algoritmalarinin geliştirilmesi

    DEMET ÇİLDEN GÜLER

    Doktora

    İngilizce

    İngilizce

    2021

    Havacılık Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. CENGİZ HACIZADE

    PROF. DR. ZEREFŞAN KAYMAZ

  4. Küçük uyduların vektör ölçümlerine dayalı arıza toleranslı yönelim belirleme sistemlerinin geliştirilmesi

    Analysis of attitude determination motions of small satellites according to vector measurements

    HANDE BODUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Astronomi ve Uzay BilimleriMilli Savunma Üniversitesi

    Uzay Bilimleri Ana Bilim Dalı

    PROF. DR. CENGİZ HACIZADE

  5. Analysis and design of cryogenic bulk-driven analog integrated circuits

    Kriyojenik gövdeden sürmeli analog tümdevrelerin analiz ve tasarımı

    MEHMET AYTUĞ ORMANCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA BERKE YELTEN

    PROF. DR. FIRAT KAÇAR