تخمین هم‌زمان حالت و دسته‌بندی یک سیستم دینامیکی با استفاده از فیلتر ذره‌ای و مدل‌های چندگانه متعامل برای ردیابی هدف مانوردار

در این مقاله به مسئله ردیابی و دسته بندی یک هدف مانوردار به صورت هم زمان پرداخته شده است. مسئله تعیین کلاس سیستم می تواند در بسیاری از کاربردها باعث بهبود عملکرد الگوریتم ردیابی شود. سیستم های مراقبت نظیر کنترل ترافیک هوایی، مراقبت دریایی و پدافند هوایی مثال بارز از این سیستم ها می باشند که بسیار ضروری است کلاس هدف در هر زمان مشخص باشد. بر خلاف الگوریتم های مرسوم ارائه شده تاکنون که برای هرکلاس یک فیلتر مجزا در نظر می گیرند، دراین مقاله با استفاده ازیک فیلتر ذره ای الگوریتمی ارائه می شود که به صورت هم زمان قابلیت ردیابی هدف مانوردار و کلاس هدف را دارد. این روش منجر به عملکرد صحیح ردیابی در اهدف مانوری و کاهش چشمگیری در حجم محاسبات شده است. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی به خوبی ردیابی وتخمین کلاس هدف را انجام می دهد.

Joint State Estimation and System Classification Using Particle Filtering and Interacting Multiple-Model for Maneuvering Target Tracking

In this paper, the problem of joint tracking and system calcification for a maneuvering target has been investigated. The system classification could improve performance of a tracking algorithm in a majority of applications. For instance, it is very crucial to determine the class of target in caring systems like air traffic control, marine care, and air defense at any time. In contrast to the existing solutions, which consider a separate filter for each class, we propose a single particle filter to estimate the class of target leading to a considerable reduction in computation complexity. Simulation results show that the proposed algorithm can estimate the class of target efficiently