Non-parametric sensor bias estimation using Gaussian process
Gauss süreci tabanlı parametrik olmayan sensör yanlılık kestirimi
- Tez No: 610359
- Danışmanlar: DR. ÖĞR. ÜYESİ EMRE ÖZKAN, PROF. DR. UMUT ORGUNER
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Compressive sensing of cyclostationary propeller noise
Çevrimsel durağan pervane gürültüsü için sıkıştırmalı algılama
UMUT FIRAT
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
- 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
2024
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAYRİ ACAR
- 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
2021
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZ HACIZADE
PROF. DR. ZEREFŞAN KAYMAZ
- 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
2021
Astronomi ve Uzay BilimleriMilli Savunma ÜniversitesiUzay Bilimleri Ana Bilim Dalı
PROF. DR. CENGİZ HACIZADE
- Analysis and design of cryogenic bulk-driven analog integrated circuits
Kriyojenik gövdeden sürmeli analog tümdevrelerin analiz ve tasarımı
MEHMET AYTUĞ ORMANCI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA BERKE YELTEN
PROF. DR. FIRAT KAÇAR