ردیابی اهداف سونار با استفاده از الگوریتم rao blackwellized

موضوع ردیابی و آشکارسازی هدف ها در زیر آب از دیر باز مورد توجه بوده که بعد از جنگ جهانی دوم شدت بیشتر پیدا کرده است. این موضوع هم از بعد نظامی و هم از بعد تجاری دارای اهمیت زیادی است. این پروژه بیشتر به بعد نظامی قضیه و ردیابی هدف هایی مانند زیر دریایی و دیگر وسیله های زیر دریایی کار دارد. الگوریتم های بسیاری برای ردیابی هدف ها بکار گرفته شده است که در این پروژه سعی شده با تکیه بر الگوریتم rao-blackwellized monte carlo data association به ردیابی هدف ها پرداخته شود. از ویژگی های تیوری rao-blackwellization جایگزین کردن یک تخمین زن بهینه یافته بجای تخمین زن اصلی می باشد. از خصوصیت های تخمین زن بهبود یافته وابسته نبودن آن به پارامترهای غیر قابل مشاهده است. در این پروژه با جایگزین کردن یک توزیع گوسی برای توزیع حالت این امر محقق شده است. از دیگر ویژگی های این الگوریتم استفاده از نمونه برداری مونت کارلو می باشد. نمونه برداری مونت کارلو موجب افزایش سرعت ردیابی و کاهش محاسبات می شود. البته در برخی از بخش ها که توزیع آنها به صورت غیر خطی بود از فیلترینگ ذره ای استفاده شده است. در این الگوریتم به هر هدف یک شاخص همبستگی نسبت می دهد. بر اساس تعداد این شاخص ها یک سری ذره تعریف می شود که هدف را دنبال می کنند. برای کاهش محاسبات و همچنین برای کاهش اثر نویز شاخصی، برای هدف های غیر واقعی یا نویز در نظر گرفته می شود. این الگوریتم قابل رقابت با سایر روشهای ردیابی از نظر دقت و سرعت را دارا می باشد که سرعت و دقت ردیابی این الگوریتم قابل تغییر است و بسته به شرایط استفاده می توان از آن استفاده کرد. در این پروژه سرعت و دقت rbmcda نسبت به چند روش مهم مقایسه شده که قدرت ردیابی این الگوریتم نسبت به دیگر روش ها مشهود است.