یک روش نوین تطبیق نقشه بر مبنای فیلتر کالمن و شبکه های عصبی

امروزه سامانه های تعیین موقعیت و ردیابی در سطح جهان از کاربردی ترین تجهیزات برای مدیریت ناوگان وسایل متحرک به شمار می آیند و در سطح وسیعی از کاربردهای نظامی و غیرنظامی به کار می آیند. استفاده از gps به عنوان یک سامانه موقعیت یابی روز به روز در حال گسترش می باشد. گیرنده gps به دلیل وجود خطاهای سنجش نمی تواند به طور مستقیم از طریق سیگنال های دریافت شده از ماهواره ها مکان یابی دقیق را انجام دهد. از یک سو خطاهای ناشی از موقعیت یابی و از سوی دیگر خطای شبکه نقشه راه ها، موجب می گردد تا موقعیت های اجسام متحرک به طور دقیق بر خطوط شبکه منطبق نگردد. تطبیق نقشه به عنوان روشی است که می تواند بدون هزینه بیش از حد درتجهیزات، برای بهبود افزایش دقت موقعیت یابی به طور گسترده در بسیاری از سامانه ها از جمله سامانه های حمل و نقل هوشمند مورد استفاده قرار گیرد. الگوریتم های متعددی برای تطبیق نقشه ارائه شده است. در این پایان نامه علاوه بر توضیح مختصری درباره سامانه های موقعیت یاب gps و مرور و بررسی الگوریتم های تطبیق نقشه، یک روش نوین تطیبق نقشه با استفاده از شبکه های عصبی مبتنی بر فیلتر کالمن ارائه شده است. الگوریتم پیشنهادی بر روی داده های واقعی مورد آزمایش قرار گرفت. نتایج به دست آمده نشان داد که روش پیشنهادی در کاهش خطا به خوبی عمل کرده و توانسته است خطا را به طور میانگین تا 50 سانتیمتر کاهش دهد و عملکرد بهتری در مقایسه با روش های شبکه های عصبی توابع پایه شعاعی و پس انتشار خطا دارد.