طراحي و پياده‌سازي دسته‌بندي كننده‌ي آرايش هندسي ماهواره‌هاي GPS مبتني بر شبكه‌ي عصبي تكاملي

كارشناسي ارشد

سامانه‌ي موقعيت‌يابي جهاني (GPS) قادر مي‌باشد ساعت دقيق، ارتفاع، طول و عرض جغرافيايي هر نقطه‌ي دلخواه از سطح كره‌ي زمين را با دقت بالايي اندازه‌گيري كند. سيگنال¬هاي دريافتي در سطح زمين به‌شدت ضعيف مي‌شوند و دقت مناسبي براي كارهاي دقيق ندارند. معياري براي محاسبه‌ي خطاي موقعيت به نام GDOP تعريف شده است كه هرچه كوچك‌تر باشد، موقعيت دقيق‌تر است. براي محاسبه‌ي GDOP، روش ماتريس معكوس، حجم بالاي پردازشي و محاسباتي را در پي داشته و دسترسي به موقعيت دقيق در حداقل زمان، امكان‌پذير نخواهد بود. پس طرحي پيشنهادي، با استفاده از يك شبكه‌ي عصبي چندلايه MLP، تقريب GDOP را بدست خواهد آورد. شبكه‌ي عصبي MLP، نيازمند تعيين وزن يال‌ها و باياس گره‌هاي آن است كه در اين پايان‌نامه، از روش‌هاي الگوريتم‌هاي تكاملي استفاده خواهد گرديد. الگوريتم‌هاي مختلفي در اين پايان‌نامه، موجود مي‌باشند كه روش مبتني بر جغرافياي زيستي (BBO)، مورد استفاده قرار خواهد گرفت و توانايي‌ها و برتري‌هايش را نسبت‌به ديگر الگوريتم‌ها به‌معرض نمايش قرار خواهد داد. در ادامه، داده‌هاي آزمون معتبري مانند Iris، Balloon، Breast، BankNote و Seeds، براي صحت اين ادعا مورد ارزيابي قرار خواهند گرفت كه BBO را به‌عنوان الگوريتم دقيق‌تر و با خطاي كمتر براي آموزش شبكه‌ي عصبي MLP معرفي خواهند كرد. همچنين از داده‌هاي واقعي GPS، براي آزمودن روش پيشنهادي استفاده خواهد شد. نتايج طرح پيشنهادي، بيان خواهند كرد كه روش پيشنهادي به‌ترتيب داراي نرخ دسته‌بندي GDOP حدوداً %83 براي الگوريتم BBO، %79 براي الگوريتم PSO، %80 براي الگوريتم GA، %66 براي الگوريتم ACO، %48 براي الگوريتم ES و %60 براي الگوريتم PBIL خواهد بود. الگوريتم BBO با بيشترين دقت و كمترين خطا، قابليت دسته‌بندي GDOP و رسيدن به بهترين موقعيت GPS را دارا خواهد بود.

194621

دانشگاه علم و صنعت ايران

الكترونيك - ديجيتال

دكتر سيد محمدرضا موسوي ميركلائي