دانلود مقاله ترجمه شده همجوشی داده آسنکرون (غیرهمزمان) با فریم فیلترینگ پارالل

سال نشر: ۲۰۱۱

تعداد صفحه انگلیسی

تعداد صفحه ترجمه فارسی:      ۱۸   صفحه word

(دانلود رایگان مقاله انگلیسی)

کد محصول:CM5

عنوان فارسی:

مقاله ترجمه شده همجوشی داده آسنکرون (غیرهمزمان) با فریم فیلترینگ پارالل

 

عنوان انگلیسی:

Asynchronous Data Fusion With Parallel Filtering Frame

 

چکیده فارسی:

این مقاله به بررسی طرح الگوریتم همجوشی داده برای سیستم اسنکرون (غیرهمزمان) با نمونه برداری زمان عدد صحیح می پردازد. ابتدائا، نمونه برداری اسنکرون چندحسگری برای محور اصلی مد نظر قرار گرفته، و بر این اساس توالی نمونه برداری خسگر مجزا مد نظر قرار داده می شود. دوم اینکه، با مد نظر قرار دادن حسگرهایی با نقاط نمونه برداری متراکم، فیلترینگ پارالل اصلاح شده، داده می شود. بعد از ان، روش همجوشی فیلترینگ متوالی معرفی می شود تا در ارتباط با مواردی باشد تا نگاشت اندازه گیری متعددی در بعضی از نقاط نمونه برداری وجود داشته باشد. در نهایت، الگوریتم فیلترینگ پارالل جدید برای سیستم اسنکرون با نمونه برداری زمان های عدد صحیح مطرح گردد. علاوه بر این، طرح مشخصی برای تفکیک ارقام اندازه گیری در هر نقطه نمونه برداری در دوره همجوشی مطرح می گردد. شبیه سازی ارقام عددی کامپیوتری ساده ارائه شده تا به تایید کارایی طرح مورد نظر و الگوریتم همجوشی اسنکرون مطرح شده بپردازد.

کلیدواژه- همجوشی داده، سیستم اسنکرون (غیرهمزمان)، نمونه برداری زمان عدد صحیح، فیلترینگ پارالل، فیلترینگ متوالی

  1. مقدمه

در سال های اخیر، فناوری همجوشی داده چندحسگر، توجه زیادی را در بسیاری از بخش های نظامی و غیرنظامی به سمت خود کشانده است، و در سطح گسترده ای کاربرد دارد. در حال حاضر، تعداد زیادی از الگوریتم های همجوشی داده برای زمینه ها و محدوده های کاربردی مختلف، ارائه شده است [۱-۱۱]. در زمینه تحقیق همجوشی داده های کلاسیک، سیستم چندحسگر اسنکرون که در آن هر حسگر دارای نسبت نمونه برداری مشترک بوده و زمان نمونه برداری یکپارچه می باشد، هیچ یک از اهداف اصلی را شامل نمی گردد. اما در سیستم های کاربردی، این حسگرها در سیستم چندحسگره اغلب موارد دارای نسبت نمونه برداری و نقاط نمونه برداری متفاوت به دلیل نیازهای کاری مختلف و انواع متفاوت حسگر می باشند. در نتیجه، این مسئله مهم می باشد تا به بررسی همجوشی داده های اسنکرون با نسبت های نمونه برداری متفاوت پرداخته، و مفاهیم نظری و کاربردهای گسترده را مد نظر داشته باشیم.

تا به حال، چندین الگوریتم همجوشی داده های مفید برای سیستم اسنکرون تحت چارچوب متمرکزی ارائه شده است [۲,۶,۷,۸,۱۰,۱۱]. فعالیت های انجام شده در [۲] ابتدا به تفکیک سیستم های متوالی پرداخته، دوما اندازه گیری های نسبی را برای حالت کنونی با استفاده از رابطه بین وضعیت نقاط محلی و مرکز همجوشی انجام داده ، و بعد از آن از همجوشی متمرکز برای براورد وضعیت هدف استفاده می کند. اما این الگوریتم  تنها در انطباق با مواردی می باشد که هر حسگر تنها دارای یک اندازه گیری در دوره همجوشی بوده و موارد پیچیده تر مد نظر نمی باشند. فعالیت ها قابل توجهی نیز در [۶] توسط کامینگ واولت با فیلتر کالمن انجام شده است. این موارد با کاهش نویز به طور موثر صورت گرفته اما موارد چندحسگر نمی تواند حل گردد. در [۷]، همجوشی چندمقیاسی چندحسگری مد نظر قرار می گیرد؛ با این وجود الگوریتم مربوطه پیچیده می باشد. علاوه بر این، طرح الگوریتم همجوشی داده برای سیستم نمونه برداری چند نسبته در [۱۰,۱۱] مورد بررسی قرار گرفته است. اساسا، هر دو مورد ایده مدلسازی مجدد را برای وضعیت نقاط نمونه برداری در دوره همجوشی، می پذیرند. بنابراین، این دو الگوریتم در حسگر حداقل میانگین مربعات خطای خطی (LMMSE) به صورت زیربهینه می باشند.

تمامی حقوق مادی و معنوی ترجمه ها برای پارس ترجمه محفوظ می باشد

تمامی حقوق مادی و معنوی ترجمه ها برای پارس ترجمه محفوظ می باشد