fa تطبیق کوواریانس‌های نویز فیلتر کالمن توسعه یافته در ردیابی هدف از روی سمت به روش بازگشتی غیرمستقیم تخصصي Special كاربردي Review paper <p dir="RTL"><strong>این مقاله </strong><strong>یک روش بازگشتی </strong><strong>برای </strong><strong>تعیین</strong><strong> ماتریس &shy;های کوواریانس &nbsp;</strong><strong>نویز سیستم و اندازه &shy;گیری در </strong><strong>فیلتر کالمن توسعه یافته </strong><strong>در کاربرد ردیابی هدف از روی سمت</strong><strong> ارائه می&shy; دهد. یکی از ملزومات فیلتر&shy;های کالمن اطلاع داشتن از ماتریس&shy; های کوواریانس نویز سیستم و اندازه &shy;گیری است. درصورت انتخاب نامناسب آنها عملکرد فیلتر تحت تأثیر قرار می &shy;گیرد و حتی امکان واگرایی آن هم وجود دارد. در این مقاله ساختاری بازگشتی برای تطبیق کوواریانس‌ها ارائه می&shy; شود که </strong><strong>برخلاف روش &shy;های مرسوم به جای تطبیق مستقیم ماتریس&shy; های کوواریانس، پارامترهای ساختار </strong><strong>براساس قاعده &shy;ی تطبیق شدیدترین فرود</strong> <strong>اصلاح می&shy; شود. این کار قابلیت اعتماد روش تطبیقی را افزایش می &shy;دهد و شرط نامنفی بودن برخی از عناصر ماتریس &shy;های کوواریانس را برطرف می&shy; نماید. برای ارزیابی عملکرد روش پیشنهادی سناریوی ردیابی هدف از روی سمت در نظر گرفته می &shy;شود. برای مقایسه روش پیشنهادی از سه روش مرسوم تطبیق کوواریانس استفاده می‌شود که نتایج شبیه سازی قابلیت اعتماد بیشتر و کارایی برتر روش پیشنهادی را نشان می&shy; دهد.</strong></p> <pre> <span style="font-size:14px;"><span style="font-family:times new roman;">This paper proposes a recursive method to determine the process and measurement noise covariance matrix in the extended Kalman filter in application of bearing-only target tracking. One of the requirements of Kalman filters is knowledge of process and measurement noise covariance matrices. If the inappropriate choice of covariance, the filter performance is affected and even there is the possibility of divergence. In this paper, a recursive structure to adapting noise covariance is presented that unlike the conventional methods, instead of direct adapting covariance matrices, based on steepest descent adapting rule structure parameters are adapted. This increases the reliability of the adaptive method and non-negative condition of some of covariance matrix elements to be resolved. To evaluate the performance of proposed method, the bearing-only target tracking scenario is considered. To compare the proposed approach, three adaptive covariance common methods is used that simulation results show that the reliability and efficiency of the proposed method.</span></span></pre> تخمین حالت, فیلتر کالمن توسعه یافته, تطبیق کوواریانس, ردیابی از روی سمت. State Estimation, Extended Kalman Filter, Covariance Adaptation, Bearing only Tracking 55 72 http://joc.kntu.ac.ir/browse.php?a_code=A-10-528-1&slc_lang=fa&sid=1 Meghdad Mohammadi مقداد محمدی meghdad.mohammadi@yahoo.com 10031947532846003184 10031947532846003184 Yes Shahroud University of Technology دانشگاه صنعتی شاهرود Hossein Gholizade-Narm حسین قلی زاده نرم gholizade@shahroodut.ac.ir 10031947532846003185 10031947532846003185 No Shahroud University of Technology دانشگاه صنعتی شاهرود