بهبود موقعیت یابی ناوبری تلفیقی با استفاده از شبکه عصبی چندلایه غیرخطی و فیلتر کالمن مقاوم در هنگام قطعی GPS

تعیین موقعیت و جهت یابی دقیق از اصلی ترین نیازها جهت ناوبری وسایل نقلیه نظامی می باشد. روش های مختلفی برای تعیین موقعیت وسیله وجود دارد. سیستم ناوبری اینرسی (INS) یکی از روش های تعیین موقعیت و وضعیت وسیله نقلیه است که مستقل از فرستنده و لوازم جانبی خارجی کار می کند. به دلیل وجود نویز، بایاس و عوامل تاثیرگذار دیگر، خطای این سامانه در طول زمان همواره افزایشی می باشد، لذا برای دستیابی به دقت بالاتر در ناوبری های طولانی مدت، حداقل به یک سامانه کمک ناوبری نیاز است. از این رو، اصلاح خطا به کمک تلفیق داده های INS و سامانه موقعیت یابی جهانی (GPS) با استفاده از فیلتر کالمن توسعه یافته مقاوم (REKF) در این مقاله مورد بررسی قرار گرفته است. در هنگام ورود وسایل نقلیه به مناطق دشمن که دارای مسدودکننده سیگنال هستند، سیگنال GPS نیز قطع شده، مشاهدات فیلتر به روزرسانی نشده و در نتیجه، موقعیت نهایی خطای افزایشی خواهد داشت. لذا در این سناریو بجای فیلتر کالمن از شبکه عصبی آموزش دیده شده جهت پیش بینی موقعیت در هنگام قطعی GPS استفاده شده است. به منظور پیاده سازی و تست الگوریتم، سخت افزاری با پردازنده و سنسورهای مدنظر طراحی و داده ها را به صورت آنلاین ذخیره و الگوریتم تلفیق داده های GPS/INS مبتی بر فیلتر کالمن و شبکه عصبی بر آن اعمال شده است. نتایج نشان می دهد خطای موقعیت با استفاده از شبکه عصبی تا حدود 70 درصد در هر سه راستا بهبود داشته است.