Nghiên cứu thuật toán tương quan và lọc trong bài toán bám quỹ đạo đa mục tiêu

B GIO DC V O TO TRNG I HC BCH KHOA H NI - NGUYN DUY HONG NGHIấN CU THUT TON TNG QUAN V LC TRONG BI TON BM QU O A MC TIấU LUN VN THC S K THUT CễNG NGH THễNG TIN H Ni Nm 2012 LI CAM OAN Tụi Nguyn Duy Hong xin cam oan Lun tt nghip (LVTN) Thc s ny l cụng trỡnh nghiờn cu ca bn thõn tụi di s hng dn ca Tin s Nguyn Hu c Cỏc kt qu nờu Lun tt nghip l trung thc, khụng phi l chộp ton ca bt k cụng trỡnh no khỏc H Ni, ngy 08 thỏng 03 nm 2012 Tỏc gi LVTN Nguyn Duy Hong LI CM N u tiờn, tụi xin c gi li cm n sõu sc nht ti Thy giỏo Tin s Nguyn Hu c Giỏm c Trung tõm tớnh toỏn hiu nng cao, Trng i hc Bỏch Khoa H Ni Thy ó tn tỡnh hng dn v cho tụi nhng li khuyờn quý bỏu quỏ trỡnh thc hin lun ny Tip theo, tụi xin chõn thnh cm n cỏc thy cụ Vin Cụng ngh thụng tin v truyn thụng, Vin o to sau i hc, Trng i hc Bỏch Khoa H Ni ó to iu kin cho tụi quỏ trỡnh hc v nghiờn cu ti trng Tụi cng xin chõn thnh cm n Trung tõm Phn mm, Vin Nghiờn cu v Phỏt trin Viettel, Tp on Vin thụng Quõn i, ó giỳp , to iu kin cụng tỏc v hc cho tụi quỏ trỡnh tụi hc v thc hin lun ti Trng i hc Bỏch Khoa H Ni Cui cựng, tụi xin by t lũng cm n ti nhng ngi thõn gia ỡnh, bn bố ó ng viờn v giỳp tụi hon thnh bn lun ny H Ni, ngy 08 thỏng 03 nm 2012 Tỏc gi LVTN Nguyn Duy Hong MC LC LI CAM OAN LI CM N MC LC DANH MC CC Kí HIU, CC CH VIT TT DANH MC CC BNG DANH MC CC HèNH V, TH PHN M U 10 CHNG 1.1 : T VN 12 Gii thiu h thng phũng khụng 12 1.1.1 Mng li sensor tỡnh bỏo 13 1.1.2 H thng lc phũng khụng 14 1.1.3 H thng C3I 14 1.2 H thng bỏm qu o a mc tiờu 15 1.3 Cỏc thnh phn ca h thng bỏm qu o a mc tiờu 15 1.4 Tip cn ca lun vn: 16 1.5 Gii thiu ni dung ca lun 17 CHNG 2.1 : C S Lí THUYT 18 Mụ hỡnh h thng 18 2.1.1 Phõn loi mụ hỡnh h thng 19 2.1.2 Mt s mụ hỡnh h thng ph bin 20 2.2 Thut toỏn lc qu o 22 2.2.1 Thut toỏn lc tuyn tớnh Kalman 22 2.2.2 Thut toỏn lc phi tuyn 29 2.2.3 Thut toỏn lc phi tuyn EKF 29 2.2.4 Thut toỏn lc phi tuyn UKF 33 2.2.5 Thut toỏn lc a mụ hỡnh IMM 38 2.3 Thut toỏn tng quan qu o 42 2.3.1 Thut toỏn tng quan qu o v thut toỏn lc 43 2.3.2 Ca s tỡm kim elip 43 2.3.3 Cỏc trng hp tng quan im du qu o 44 2.3.4 Thut toỏn tng quan GNN 46 2.3.5 Thut toỏn tng quan JPDA 51 CHNG : THC HIN 53 3.1 La chn thut toỏn lc v thut toỏn tng quan 53 3.2 Thut toỏn lc IMM 54 3.2.1 Mụ hỡnh lc IMM 54 3.2.2 Thut toỏn lc UIMM 55 3.3 Thut toỏn tng quan GNN 56 3.3.1 GNN ban u 56 3.3.2 Ci tin GNN bng phõn cm 57 CHNG 4.1 : KT QU TH NGHIM V NH GI 62 Kt qu thc hin 62 4.1.1 To d liu gi lp 62 4.1.2 Kt qu bỏm d liu 67 4.2 ỏnh giỏ 72 4.2.1 ỏnh giỏ cht lng thut toỏn lc 72 4.2.2 ỏnh giỏ cht lng thut toỏn tng quan 73 4.2.3 ỏnh giỏ thi gian thc hin thut toỏn 73 CHNG : KT LUN V HNG PHT TRIN 75 5.1 Kt lun 75 5.2 Hng phỏt trin 75 TI LIU THAM KHO 77 DANH MC CC Kí HIU, CC CH VIT TT T vit tt Ngha ting Anh Chỳ gii ADS Air Defense System H thng phũng khụng AWACS Airborne Warning and Control H thng ch huy v cnh bỏo sm System trờn khụng RADAR Radio Dectection and Ranging i ra-a SAM Surface to Air Tờn la t i khụng AAA Anti-aircraft Artillery Phỏo phũng khụng C3I Command, Control, Communication and Intelligence H thng ch huy, iu khin thụng tin v tỡnh bỏo COP Common Operational Picture Bc tranh tỏc chin IFF Identification Friend or Foe Nhn dng ch - ta KF Kalman Filter Thut toỏn lc Kalman EKF Extended Kalman Filter Thut toỏn lc Kalman m rng UKF Unscented Kalman Filter Thut toỏn lc UKF IMM Interacting Multiple Model Thut toỏn lc a mụ hỡnh UIMM Unscented Interacting Multiple Model Thut toỏn lc a mụ hỡnh s dng b lc UKF GNN Global Nearest Neighbor Thut toỏn tng quan GNN JPDA Joint Probabilistic Data Association Thut toỏn tng quan JPDA MHT Multiple Hypothesis Tracking Thut toỏn tng quan a gi thit MHT UT Unscented Transform Phộp bin i Unscented Transform CV Constant Velocity Model Mụ hỡnh tuyn tớnh tc hng s CA Constant Acceleration Model Mụ hỡnh tuyn tớnh gia tc hng s CT Constant Turn Model Mụ hỡnh r u RMSE Root Mean Square Error Sai s trung bỡnh bỡnh phng RMSPE Root Mean Square Position Error Sai s trung bỡnh bỡnh phng v trớ DANH MC CC BNG Bng 2-1: Bng khong cỏch thng kờ Mahalanobis 47 Bng 2-2: Bng giỏ tr tng quan im du - qu o 47 Bng 2-3: Bng chi phớ lao ng 48 Bng 4-1: Bng thng kờ RMSPE cho cỏc b mc tiờu gi lp 73 Bng 4-2: Bng thng kờ XSHN cho cỏc b mc tiờu gi lp 73 DANH MC CC HèNH V, TH Hỡnh 1-1: Cỏc thnh phn c bn ca h thng phũng khụng 12 Hỡnh 1-2: H thng ch huy, iu khin thụng tin v tỡnh bỏo C3I 14 Hỡnh 1-3: H thng bỏm qu o a mc tiờu 16 Hỡnh 2-1: Lc Kalman 23 Hỡnh 2-2: Lu thc hin Kalman Filter 23 Hỡnh 2-3: c lng v trớ 26 Hỡnh 2-4: Li c lng v trớ 27 Hỡnh 2-5: Sai s c lng tc 27 Hỡnh 2-6: lch c lng tc 28 Hỡnh 2-7: Lu thc hin Extended Kalman Filter 31 Hỡnh 2-8: c lng tớn hiu hỡnh sin vi EKF 32 Hỡnh 2-9: Sai s c lng tớn hiu hỡnh sin ca EKF 32 Hỡnh 2-10: Lu thc hin Unscented Kalman Filter 36 Hỡnh 2-11: c lng tớn hiu hỡnh sin vi Unscented Kalman Filter 36 Hỡnh 2-12: Sai s c lng tớn hiu hỡnh sin ca UKF 37 Hỡnh 2-13: S thc hin IMM 40 Hỡnh 2-14: Bỏm chuyn ng i hng vi IMM 42 Hỡnh 2-15: Ca s elip tỡm kim 44 Hỡnh 2-16: Ca s tỡm kim v tng quan im du qu o 45 Hỡnh 2-17: V trớ thc hin GNN bỏm qu o 46 Hỡnh 2-18: Minh thut toỏn Munkres 50 Hỡnh 2-19: V trớ thc hin JPDA bỏm qu o 51 Hỡnh 3-1: Bỏm qu o vi GNN v IMM 53 Hỡnh 3-2: Lu thc hin UIMM d oỏn 55 Hỡnh 3-3: Lu thc hin UIMM cp nht 56 Hỡnh 3-4: Lu thc hin GNN 56 Hỡnh 3-5: Lu thc hin GNN ci tin 57 Hỡnh 3-6: Phõn cm thụ theo li ta 59 Hỡnh 3-7: Lu thc hin phõn cm tinh 60 Hỡnh 3-8: Minh kt qu phõn cm tinh 61 Hỡnh 4-1: D liu gi lp 20 mc tiờu bay theo i hỡnh 63 Hỡnh 4-2: Phúng to mụ hỡnh 20 mc tiờu bay theo i hỡnh 64 Hỡnh 4-3: D liu gi lp 25 mc tiờu bay theo mụ hỡnh ngu nhiờn 64 Hỡnh 4-4: D liu gi lp 50 mc tiờu bay theo mụ hỡnh ngu nhiờn 65 Hỡnh 4-5: D liu gi lp 100 mc tiờu bay theo mụ hỡnh ngu nhiờn 65 Hỡnh 4-6: D liu gi lp 150 mc tiờu bay theo mụ hỡnh ngu nhiờn 66 Hỡnh 4-7: D liu gi lp 200 mc tiờu bay theo mụ hỡnh ngu nhiờn 66 Hỡnh 4-8: D liu gi lp 250 mc tiờu bay theo mụ hỡnh ngu nhiờn 67 Hỡnh 4-9: Bỏm 20 mc tiờu bay theo kch bn 68 Hỡnh 4-10: Bỏm 20 mc tiờu bay theo kch bn 68 Hỡnh 4-11: Phúng to bỏm 20 mc tiờu bay theo kch bn 69 Hỡnh 4-12: Bỏm 25 mc tiờu bay theo mụ hỡnh ngu nhiờn 69 Hỡnh 4-13: Bỏm 50 mc tiờu bay theo mụ hỡnh ngu nhiờn 70 Hỡnh 4-14: Bỏm 100 mc tiờu bay theo mụ hỡnh ngu nhiờn 70 Hỡnh 4-15: Bỏm 150 mc tiờu bay theo mụ hỡnh ngu nhiờn 71 Hỡnh 4-16: Bỏm 200 mc tiờu bay theo mụ hỡnh ngu nhiờn 71 Hỡnh 4-17: Bỏm 250 mc tiờu bay theo mụ hỡnh ngu nhiờn 72 Hỡnh 4-18: Thng kờ thi gian chy GNN v UIMM cho cỏc b mc tiờu gi lp 73 Hỡnh 4-19: Thng kờ thi gian chy GNN v UIMM cho bỏm mt mc tiờu 74 Phúng to qu o chuyn ng: ng mu xanh lỏ cõy l qu o chuyn ng thc X_real Cỏc im chm mu vng mụ phng cỏc im du o c, dao ng xung quanh qu o thc Hỡnh 4-2: Phúng to mụ hỡnh 20 mc tiờu bay theo i hỡnh 4.1.1.3 B 25 mc tiờu bay ngu nhiờn Hỡnh 4-3: D liu gi lp 25 mc tiờu bay theo mụ hỡnh ngu nhiờn 64 4.1.1.4 B 50 mc tiờu bay ngu nhiờn Hỡnh 4-4: D liu gi lp 50 mc tiờu bay theo mụ hỡnh ngu nhiờn 4.1.1.5 B 100 mc tiờu bay ngu nhiờn Hỡnh 4-5: D liu gi lp 100 mc tiờu bay theo mụ hỡnh ngu nhiờn 65 4.1.1.6 B 150 mc tiờu bay ngu nhiờn Hỡnh 4-6: D liu gi lp 150 mc tiờu bay theo mụ hỡnh ngu nhiờn 4.1.1.7 B 200 mc tiờu bay ngu nhiờn Hỡnh 4-7: D liu gi lp 200 mc tiờu bay theo mụ hỡnh ngu nhiờn 66 4.1.1.8 B 250 mc tiờu bay ngu nhiờn Hỡnh 4-8: D liu gi lp 250 mc tiờu bay theo mụ hỡnh ngu nhiờn 4.1.2 Kt qu bỏm d liu 4.1.2.1 Khi to giỏ tr bỏm Tham s to b lc: - Xỏc sut to mụ hỡnh: Xỏc sut to mụ hỡnh CV l 0.95, mụ hỡnh CT l 0.05 à1i = [0.95 0.05] - Xỏc sut chuyn mụ hỡnh: Xỏc sut chuyn qua li t mụ hỡnh sang CV sang CT v ngc li l 0.1 Xỏc sut gi nguyờn mụ hỡnh l 0.9 0.9 0.1 pij = 0.1 0.9 Kt qu bỏm: Vi cỏc b 20 mc tiờu bay theo kch bn, cỏc b 25, 50, 100, 150, 200, 250 mc tiờu bay ngu nhiờn 4.1.2.2 Bỏm b 20 mc tiờu bay theo kch bn Kt qu bỏm ang chuyn ng: Hỡnh vuụng xanh to l v trớ hin ti ca mc tiờu Cỏc chm nh hn l lch s qu o ca mc tiờu 67 Hỡnh 4-9: Bỏm 20 mc tiờu bay theo kch bn Kt qu c lng sau 200 ln quột: Cỏc chm mu xanh l kt qu o ng mu l kt qu lc ng mu xanh da tri l qu o thc Hỡnh 4-10: Bỏm 20 mc tiờu bay theo kch bn 68 Hỡnh 4-11: Phúng to bỏm 20 mc tiờu bay theo kch bn 4.1.2.3 Bỏm b 25 mc tiờu bay ngu nhiờn ng mu xanh: Giỏ tr o ng mu : Kt qu c lng Hỡnh 4-12: Bỏm 25 mc tiờu bay theo mụ hỡnh ngu nhiờn 69 4.1.2.4 Bỏm b 50 mc tiờu bay ngu nhiờn Hỡnh 4-13: Bỏm 50 mc tiờu bay theo mụ hỡnh ngu nhiờn 4.1.2.5 Bỏm b 100 mc tiờu bay ngu nhiờn Hỡnh 4-14: Bỏm 100 mc tiờu bay theo mụ hỡnh ngu nhiờn 70 4.1.2.6 Bỏm b 150 mc tiờu bay ngu nhiờn Hỡnh 4-15: Bỏm 150 mc tiờu bay theo mụ hỡnh ngu nhiờn 4.1.2.7 Bỏm b 200 mc tiờu bay ngu nhiờn Hỡnh 4-16: Bỏm 200 mc tiờu bay theo mụ hỡnh ngu nhiờn 71 4.1.2.8 Bỏm b 250 mc tiờu bay ngu nhiờn Hỡnh 4-17: Bỏm 250 mc tiờu bay theo mụ hỡnh ngu nhiờn 4.2 ỏnh giỏ 4.2.1 ỏnh giỏ cht lng thut toỏn lc ỏnh giỏ cht lng thut toỏn lc, da trờn tr s RMSE (Root Mean Square Error): RMSPE = N ( xr (i ) xe(i )) + ( yr (i) ye(i )) + ( zr (i ) ze(i )) * N i =1 Trong ú RMSPE (Root Mean Square Position Error) l trung bỡnh bỡnh phng theo sai s v trớ (xr,yr,zr) l ta thc 3D ca mc tiờu, (xe,ye,ze) l ta c lng 3D ca mc tiờu Giỏ tr trung bỡnh c tớnh trung bỡnh trờn N ln quột liờn tip Kt qu ỏnh giỏ RMSPE cho cỏc b mc tiờu gi lp: S-Scenario (B 20 mc tiờu bay theo tp), R-Random (B cỏc mc tiờu bay ngu nhiờn) B MT 20(S) 25(R) 50(R) 100(R) 72 150(R) 200(R) 250(R) RMSPE 0.0117 0.0188 0.0175 0.0176 0.7699 0.9101 0.7892 Bng 4-1: Bng thng kờ RMSPE cho cỏc b mc tiờu gi lp Giỏ tr RMSPE nh, phn ỏnh lch gia giỏ tr c lng v giỏ tr thc thp, thut toỏn lc thc hin tt 4.2.2 ỏnh giỏ cht lng thut toỏn tng quan Cht lng thut toỏn tng quan c ỏnh giỏ da trờn s lng cỏc ghộp cp ỳng im du cho qu o ỏnh giỏ, mi qu o to s c ỏnh s hiu da trờn s hiu mc tiờu ca im du sinh nú Mi ln gỏn, so sỏnh s hiu mc tiờu ca qu o vi im du s suy c phộp ghộp cp l ỳng hay sai Thng kờ N ln quột cho tt c cỏc ghộp cp cho xỏc sut hp nht (XSHN) Kt qu XSHN vi cỏc b mc tiờu gi lp: B MT XSHN 20(S) 25(R) 50(R) 100(R) 150(R) 200(R) 250(R) 100.00% 99.95% 99.93% 99.73% 98.22% 97.99% 98.55% Bng 4-2: Bng thng kờ XSHN cho cỏc b mc tiờu gi lp XSHN cao cho thy thut toỏn GNN ghộp cp chớnh xỏc 4.2.3 ỏnh giỏ thi gian thc hin thut toỏn Thi gian thc hin thut toỏn vi cỏc b mc tiờu gi lp 200 ln quột : BiuthigianchyGNNvUIMMtrờn Matlab Thigianchy(s) 700 600 500 400 300 200 100 20(S) 25(R) 50(R) 100(R) 150(R) 200(R) 250(R) Thigianchy(s) 11.4731 16.1062 42.8624 129.526 257.657 428.174 648.250 Hỡnh 4-18: Thng kờ thi gian chy GNN v UIMM cho cỏc b mc tiờu gi lp 73 Ta thy thi gian thc hin thut toỏn bỏm qu o tng nhanh theo s lng mc tiờu Biu thi gian trung bỡnh chy thut toỏn cho mt mc tiờu: Tng thi gian chy/S ln quột/S lng mc tiờu: Thigian chytrungbỡnh(s) Biuthigiantrungbỡnhchobỏmmtmc tiờuvithuttoỏnGNNvUIMMtrờnMatlab 0.014 0.012 0.01 0.008 0.006 0.004 0.002 20(S) 25(R) 50(R) 100(R) 150(R) 200(R) 250(R) Thigianchy(s) 0.00286 0.00322 0.00428 0.00647 0.00858 0.01070 0.01296 Hỡnh 4-19: Thng kờ thi gian chy GNN v UIMM cho bỏm mt mc tiờu Thi gian trung bỡnh chy thut toỏn cho mt mc tiờu tng theo s lng mc tiờu, kớch thc ma trn tớnh toỏn tng tng ng theo s lng mc tiờu 74 CHNG 5: KT LUN V HNG PHT TRIN Da trờn cỏc kt qu ó trỡnh by cỏc chng trc, chng kt lun v cỏc kt qu ó t c ca lun v a hng phỏt trin ca ti tng lai 5.1 Kt lun Bi toỏn bỏm qu o a mc tiờu cho mt cm bin, v c bn, cú th chia thnh ba nh l bỏm v trỡ qu o, to qu o mi v xúa b cỏc qu o c Trong ú, bỏm v trỡ qu o l khú khn v phc nht Lun ó phõn tớch cỏc yờu cu c bn ca bỏm, a cỏc thut toỏn kh dng cú th gii quyt nh cỏc thut toỏn lc KF, EKF, UKF, IMM, , v thut toỏn tng quan GNN, JPDA, Lun ó la chn v thc hin thnh cụng thut toỏn GNN v UIMM bỏm mc tiờu 2D trờn mụi trng th nghim Matlab Cỏc thụng s kim tra tớnh toỏn trờn cỏc b d liu mc tiờu gi lp (bay theo i hỡnh chin thut, bay ngu nhiờn) cho thy kt qu hn ca thut toỏn nh, thi gian thc hin nhanh, chớnh xỏc bỏm cao mụi trng ớt nhiu, phự hp vi cỏc h thng bỏm lp t trờn mụi trng hnh di ng (ụ tụ, mỏy bay) Trong thut toỏn tng quan, lun cng ó kt hp cỏc ci tin mi k thut phõn cm, kt hp vi thut toỏn GNN truyn thng, t ú gim thi gian thc hin thut toỏn v m hng song song tớnh toỏn, gim thi gian x lý ỏng k cho tin x lý u vo cho cỏc b tng quan im du - qu o 5.2 Hng phỏt trin Trong iu kin cỏc sensor bt tớn hiu tt, vi mụi trng ớt nhiu, mt chuyn ng cỏc mc tiờu khụng dy c, thỡ thut toỏn bỏm GNN&UIMM thớch hp cú thi gian tớnh toỏn nhanh, v lng tớnh toỏn ũi hi khụng nhiu Nhng vi cỏc mụi trng nhiu nhiu, kộo theo cỏc tớn hiu o c dy c, thut toỏn GNN&UIMM d gỏn sai im du cho cỏc qu o ó cú Trong cỏc mụi trng ny, thut toỏn tng quan JPDA hoc thut toỏn gỏn a gi thit MHT thớch 75 hp hn, cho xỏc xut gỏn ỳng cao hn Tuy nhiờn, thi gian v lng ti nguyờn tớnh toỏn ca cỏc thut toỏn ny ln hn rt nhiu so vi GNN Tuy vy, õy khụng phi l cn tr quỏ ln iu kin sc mnh tớnh toỏn ca cỏc mỏy tớnh ó tng lờn rt nhiu, v yờu cu hng u vi cỏc trung tõm x lý d liu sensor c ln l chớnh xỏc ch khụng phi thi gian tớnh toỏn Hng phỏt trin tip theo gii quyt bi toỏn, l kt hp thut toỏn JPDA&MHT vi UIMM; ỏp dng cho cỏc trung tõm x lý tớn hiu sensor ln Cũn, GNN v UIMM, phự hp hn vi cỏc trung tõm c ng, yờu cu thi gian thc hin nhanh nhng ch cú ti nguyờn tớnh toỏn hn ch Mt hng phỏt trin khỏc ca bi toỏn bỏm, l m rng phm vi ỏp dng cho nú Khụng ch gii hn x lý d liu t mt sensor, cú nhiu sensor cựng quan sỏt mt mc tiờu, vic gii quyt bỏm kt hp, hp nht thụng tin ca nhiu sensor cng l mt hay v thỳ v 76 TI LIU THAM KHO [1] Blackman S., Popoli R (August 1999), Design and Analysis of Modern Tracking Systems, Artech House Radar Library, 1230 pages [2] Simon D (2006), Optimal State Estimation Kalman, H infinity, and Nonlinear Approaches, A John Wiley & Sons, Inc., Publication, USA, 526 pages [3] Raol R.J 2010 Multi-Sensor Data Fusion with MATLAB, CRC Press, United Kindom, 534 pages [4] Mitchell H.B (2007), Multi-Sensor Data Fusion, Springer, 250 pages [5] Kalman R.E (1960), A New Approach to Linear Filtering and Prediction Problems, Transaction of the ASMEJournal of Basic Engineering, pp 3545 [6] Welch G (May, 2003), An Introduction to the Kalman Filter [7] Julier S.J., Uhlmann J.K., Durrant-Whyte H.F (2000), A New Approach for The Nonlinear Transformation of Means and Covariance in Filters and Estimators, IEEE Transactions on Automatic Control Vol 45, No.3, pp 477-482 [8] Julier S.J., Uhlmann J.K (2001), Unscented Filtering and Non-linear Estimation, Proceedings of the IEEE Vol 92, No.3, pp 477-482, 2004 [9] Julier S.J., Uhlmann J.K (1995), A New Approach for Filtering Nonlinear Systems, Proceedings of the American Control Conference, pp 1628-1632 [10] Wan E.A., Van der Merwe R (2000), The Unscented Kalman Filter for Nonlinear Estimation, IEEE Proceedings, Communication and Control, pp 153-158 [11] Sarkka S (Sep, 2007), On Unscented Kalman Filtering for State Estimation of Continuous-Time Nonlinear Systems, IEEE Transactions on Automatic Control, Vol.52, No.9 [12] Hartikainen J., Sọrkkọ S (2008), Optimal filtering with Kalman filters and smoothers a Manual for Matlab toolbox EKF/UKF, Department of 77 Biomedical Engineering and Computational Science, Helsinki University of Technology [13] Simon D (2001), Kalman Filtering [14] Ribeiro I (June 2000), Introduction to Kalman Filtering [15] Xiong Z., Sun F., Wang X., Hao Y (2007), Comparison of Unscented Kalman Filters, Proceedings of the 2007 IEEE International Conference on Mechatronics and Automation, Harbin, China [16] Jiang Z., Song Q., He Y., Han J (2007), A Novel Adaptive Unscented Kalman Filter for Nonlinear Estimation Proceedings of the 46th IEEE Conference on Decision and Control New Orleans, LA, USA [17] Konatowski S., Pieniny A T A comparison of estimation accuracy by the use of KF, EKF & UKF filters, Department of Electronics, Military University of Technology, Poland 78 ... cho quỹ đạo có Đó nhiệm vụ thuật toán lọc quỹ đạo Phần tương quan điểm dấu – quỹ đạo thuật toán tương quan đảm nhiệm 1.4 Tiếp cận luận văn: Mục tiêu luận văn tìm hiểu thuật toán tương quan lọc. .. Thuật toán lọc phi tuyến UKF 33 2.2.5 Thuật toán lọc đa mô hình IMM 38 2.3 Thuật toán tương quan quỹ đạo 42 2.3.1 Thuật toán tương quan quỹ đạo thuật toán lọc 43 2.3.2... hai thuật toán lọc tương quan, nghiên cứu thuật toán dùng phổ biến giới, đánh giá ưu nhược điểm thuật toán thực nghiệm xây dựng thử thuật toán lọc UIMM kết hợp với thuật toán tương quan GNN Kết