جستجوی مقالات مرتبط با کلیدواژه
kalman filter algorithm
در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه kalman filter algorithm در مقالات مجلات علمی
-
Journal of Artificial Intelligence in Electrical Engineering, Volume:11 Issue: 44, Winter 2023, PP 15 -24One of the most important symptoms of epilepsy is convulsions, whose detailed analysis is performed by electroencephalography (EEG) signal. Electroencephalogram, as a clinical tool to illustrate the electrical activities of the brain accurately, provides an appropriate method for diagnosing epilepsy disorders, which plays an important role in identifying this disease, especially seizures. Seizures resulting from epilepsy may have negative physical, psychological, and social consequences such as loss of consciousness and sudden death. With timely and correct identification of epilepsy, its effect can be treated with medicine or surgery. In this thesis, a brief review of the methods of identifying epilepsy using EEG signal analysis along with the separation of epileptic signals from healthy and normal signals has been done. Methods based on EEG analysis, from non-linear methods of signal processing, provide much better results due to the properties of signal dynamicsKeywords: Epileptic seizures, electroencephalogram (EEG) signal, Wavelet Transform, Kalman filter algorithm, neural noises
-
Edge identification is a technique for recognizing and detecting sharper breaks in an image. The halt is caused by a rapid change in the value of the pixel force dark level. Convoluting the picture with an administrator (Two-Directional channel) that is set to be noise sensitive is the standard approach for edge location. Edge finder is a method for locating precisely adjusted intensity esteem alterations that incorporate many significant neighborhoods image preparation methods. Edge recognition is a fundamental method in a wide range of image processing applications, including movement analysis, design identification, object recognition, clinical picture creation, and so on. It's recently shown up in a variety of edge detection systems, demonstrating both the advantages and disadvantages of these computations. The Kalman Filter with ANN method has two benefits that make it suitable for dealing with improvement issues: quicker merging and lower calculation rates. In this study, The ANN method was used to improve object localization accuracy. Kalman filtering is used to object coordinates acquired using the ANN method. Using ANN + Kalman Filtering increases localization accuracy and lowers localization error distances, according to the findings.
Keywords: Grey level image, Edge detection filter, Kalman filter algorithm -
International Journal of Industrial Electronics, Control and Optimization, Volume:2 Issue: 2, Spring 2019, PP 155 -166In this paper, a novel centralized controller is presented to control multi-input multi-output industrial processes with heavy interactions and significant time-delays. The system model equations are represented in a non-minimal stochastic state-space form. Also, the state and measurement equations respectively use smoothed random walk model and finite impulse response model of the plant. To design the controller, a quadratic cost function is considered. A standard Kalman filter algorithm is used to estimate the state vector of the controller and solve to the discrete algebraic Riccati equation simultaneously. By using the smoothing parameter, the controller behavior can be changed between the Kalman filter random walk controller and the Kalman filter integrated random walk controller. To evaluate the effect of the smoothing parameter the proposed controller is first applied to a single input single output system. Then an industrial-scale polymerization reactor which has the two-input and two-output system is used to investigate the performance of the designed controller. The simulation results indicate that the controller has a good performance in tracking the set point and robust due to changing the system parameters.Keywords: Centralized controller, Industrial-scale polymerization reactor, Kalman filter algorithm, Multi-input multi-output process
-
در سال های اخیر انتشار دی اکسیدکربن در بخش حمل ونقل افزایش قابل توجهی داشته است. از اینرو مدل سازی صحیح انتشار دی اکسیدکربن، برای اتخاذ سیاست توسط مدیران و سیاست گذاران در بخش حمل ونقل دارای اهمیت است. در این مطالعه با استفاده از مفهوم روند ضمنی و ایجاد یک مدل فضا- حالت، با بکارگیری الگوریتم کالمن فیلتر، مدل ساختاری منحنی زیست محیطی کوزنتس در بخش حمل ونقل برآورد شد. داده های مورد استفاده در این تحقیق سری زمانی و طی دوره زمانی 1392-1346 است. ماهیت روند ضمنی هموار، صعودی و غیرخطی است. با توجه به آماره نسبت راستنمایی مناسب ترین حالت برای ابرپارامترها، مدل سطح نسبی با انتقال تشخیص داده شد. نتایج حاکی از آن است که در برآورد مدل سری زمانی ساختاری با توجه به وارد کردن روند ضمنی (فناروی) ارتباط U معکوس برای بخش حمل ونقل تایید می شود. همچنین بخش حمل ونقل در قسمت نزولی منحنی قرار . ضریب متغیر مصرف انرژی در بخش حمل ونقل، منطبق بر نظریه و مثبت است. با توجه به نتایج حاصل از برآورد، سیاست گذاران و مدیران می توانند با برنامه ریزی جهت افزایش ارزش افزوده بخش حمل ونقل و سپس با سرمایه گذاری در فناوری های جدید، انتشار دی اکسیدکربن را کاهش دهند.کلید واژگان: انتشار دی اکسیدکربن، بخش حمل ونقل، منحنی زیست محیطی کوزنتس، روندضمنی، الگوریتم کالمن فیلتر، فضا، حالتIn recent years¡ carbon dioxide emissions have been a significant increase in the transport sector. Therefore¡ accurate modeling of carbon dioxide emissions is important to adopt a policy by managers and policy makers in the transport sector. This study using underlying trend concept and create a state- space model¡ Kalman filter algorithms which were estimated structural model of Environmental Kuznets Curve in the transport sector. The data used in this study is the annual time series over the period 1346-1392. The nature of the underlying trend is smooth¡ rising and non-linear. According to likelihood ratio statistic¡ most appropriate structure for hyper parameters¡ were local level model with drift model. The results indicate that the structural time series models¡ according to the implicit import (technology) inverted U relationship is confirmed for the transport sector. Also¡ The transport sector is on the descending curve. Variable coefficient of energy consumption in the transport sector is based on the theory and it is positive. According to the results of the assessment¡ to reduce carbon dioxide emissions¡ policy-makers and managers can plan to increase value added in transport and investing in new technologies.Keywords: Carbon Dioxide Emissions, Transportation Sector, Environmental Kuznets Curve, Underlying Trend, Kalman Filter Algorithm, State, Space
-
هدف این مقاله برآورد قیمت های بهینه بنزین و نفت گاز در بخش حمل و نقل بر اساس روش قیمت گذاری رمزی با لحاظ هزینه های خارجی است. مدل پیشنهادی در این مقاله برای تحلیل دو بخش عرضه و تقاضای بنزین و نفت گاز از نوع مدل-های سری زمانی ساختاری بوده که دارای جزء غیر قابل مشاهده روند است و پس از تبدیل مدل به صورت حالت – فضا و با به کارگیری الگوریتم کالمن فیلتر از طریق روش حداکثر راستنمایی برای دوره زمانی 86-1358 برآورد شده است. نتایج نشان می دهد کشش قیمتی تقاضای بنزین و نفت گاز در بخش حمل و نقل کمتر از یک بوده و به ترتیب برابر 3/0- و 2/0- است. همچنین نتایج حاکی از آن است که هزینه نهایی تولید هر لیتر بنزین و نفت گاز بر اساس آمار و اطلاعات سال 1386 به ترتیب 4856 و 4706 ریال می باشد. در روش قیمت گذاری پیشنهادی هزینه های خارجی آلاینده های زیست محیطی ناشی از مصرف سوخت در بخش حمل و نقل نیز مد نظر بوده است. نتایج حاکی از آن است که هزینه نهایی خارجی هر لیتر بنزین و نفت گاز مصرفی در بخش حمل و نقل به ترتیب برابر 4/1039 و 3/1108 ریال می باشد. در نهایت قیمت های بهینه بنزین و نفت گاز به دست آمده برای بخش حمل و نقل بر اساس آمار و اطلاعات سال 1386 به ترتیب برابر 3/5316 و 2/4988 ریال می باشد.
کلید واژگان: قیمت گذاری رمزی، هزینه های خارجی، حمل و نقل، فرآورده های نفتی، سری های زمانی ساختاری، الگوریتم کالمن فیلترThis paper aims to estimate the optimal prices of gasoline and gas oil in the transportation sector based on Ramsey pricing is the external cost. The model proposed in this paper analyzes both the supply and demand for gasoline and gas oil is a structural time series models. Results show price elasticity of gasoline and gas oil demand in the transportation sector was less than a -0.3 and -0.2 are, respectively. The results also suggest that the marginal cost of production per liter of gasoline and gas oil based on 1386 statistics, respectively, 4856 and 4706 is IRR. The results indicate that the external marginal cost per liter of gasoline and gas oil consumption in transportation sector respectively 1039.4 and 1108.3 is the IRR. Finally, the optimal prices for gasoline and gas oil obtained from the transport sector based on 1386 statistics, respectively 5316.3 and 4988.2 is the IRR.Keywords: Ramsey Pricing, External Cost, Transportation, Structural Time Series, Kalman Filter Algorithm
نکته
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.