fa رهگیری هدف با اندازه‌گیری سمت و فرکانس با استفاده از فیلترکالمن توسعه‌یافته تطبیقی اصلاح شده تخصصي Special پژوهشي Research paper <p dir="RTL" style="text-align: justify;">: هدف از رهگیری با اندازه&not;گیری سمت و فرکانس به عنوان یک مساله رهگیری غیرفعال تخمین سرعت و مکان هدف با استفاده از سیگنال ناشی شده از خود هدف می&not;باشد. مشکل اصلی این نوع رهگیری وجود معادلات اندازه گیری غیرخطی است که برای حل آن، روش های متفاوتی از جمله استفاده از فیلترکالمن توسعه یافته پیشنهاد شده است که این فیلتر دارای مشکلاتی از قبیل بایاس در تخمین پارامترها و وابستگی به شرایط اولیه است. در این مقاله ابتدا روش جدیدی به منظور فراهم آوردن شرایط اولیه مناسب برای فیلتر ارائه می شود. سپس، برای کاهش بایاس با الهام گرفتن از فیلترکالمن توسعه یافته اصلاح شده، فیلتر کالمن توسعه یافته تطبیقی اصلاح شده پیشنهاد می شود که در آن ماتریس های کوواریانس نویز اندازه گیری و نویز سیستم به صورت برخط و همزمان به روز می شوند. در نهایت، عملکرد فیلتر پیشنهادی با فیلتر کالمن توسعه یافته استاندارد، فیلتر کالمن توسعه یافته تطبیقی و فیلتر کالمن بی ریشه مقایسه می شود. نتایج نشان دهنده عملکرد مناسب فیلتر پیشنهادی در مساله تحت مطالعه است.</p> <p style="text-align: justify;">The goal of the Doppler and Bearing Tracking (DBT) as a kind of passive target tracking problem is to estimate the position and velocity of the target using its transmitted signal. The main problem of this kind of target tracking is nonlinearity of the measurement equations. In order to solve this problem, different approaches have been reported in the literature, such as extended Kalman filter. However, bias and dependence on the initial conditions are the key shortcomings of such filters. In this paper, first, a novel technique is proposed to provide an appropriate initial condition for the filter. Then, inspired by the modified covariance extended Kalman filter, a new adaptive extended Kalman filter is introduced. Here, the measurement and the process noise covariances are updated simultaneously for reducing the bias effects. Finally, the performance of the proposed filter is compared with the standard extended Kalman filter, adaptive extended Kalman filter and unscented Kalman filter. Results show the good performance of the proposed filter in the problem under study</p> رهگیری, اثر داپلر, فیلترکالمن توسعه‌یافته, تخمین. Target tracking, Doppler shift, Extended Kalman filter, Estimation. 23 33 http://joc.kntu.ac.ir/browse.php?a_code=A-10-284-2&slc_lang=fa&sid=1 Seyyed Hamed Hashemi سید حامد هاشمی hamedhashemi1371@gmail.com 10031947532846005622 10031947532846005622 No Shahrood University دانشکده مهندسی برق و رباتیک، دانشگاه صنعتی شاهرود Alireza Alfi علیرضا الفی a_alfi@shahroodut.ac.ir 10031947532846005621 10031947532846005621 Yes Shahrood University دانشکده مهندسی برق و رباتیک، دانشگاه صنعتی شاهرود