PARTICLE SWARM OPTIMIZATION BASED PARTICLE FILTER TECHNIQUES FOR TARGET TRACKING IN MULTISTATIC UWB RADAR SENSOR NETWORK

dc.contributor.authorMUHAMMAD MUJAHID AMIN
dc.date2014
dc.date.accessioned2022-05-18T04:10:06Z
dc.date.available2022-05-18T04:10:06Z
dc.degree.departmentCollege of Engineering Sciences and Applied Engineering
dc.degree.grantorKing Fahad for Petrolem University
dc.description.abstractشبكات الاستشعار تستخدم بشكل رئيسي في التطبيقات المختلفة كالكشف عن الأشياء و مراقبة الأجسام المستهدفة أو الكشف عن الأشخاص غير المتعاونين كالمتسللين عبر الحدود، أو الحركات غير المصرح بها حول المنشآت الحساسة. في هذه الرسالة، تم اقتراح خوارزميتين لتتبع مسار الهدف كالمتسلل البشري في نطاق عريض من شبكات الاستشعار الرادارية (UWB) المتضمنة لمرسل واحد وأجهزة متعددة الاستقبال. هذه الخوارزميات مبنية على مرشح الجسيمات المضمنة مع خوارزمية أسراب الجسيمات لتقديم الحلول المناسبة لمشكلة تتبع المسار في البيئات الديناميكية و المشوشة. الخوارزمية الأولى المعتمدة على الحل الأمثل باستخدام مرشح الجسيمات المبنية على أسراب الجسيمات المتكيفة والمعتمدة على القصور الوزني (AWPSOPF) والذي بدوره هو المرشح للجسيمات والمضمن مع كفاءة والمعتمد على القصور الوزني التكيفي لخوارزمية أسراب الجسيمات والتي تسهم في تحسين الحل التقاربي للخوارزمية، بالاضافة الى معالجة قضية التحيز للخوارزمية، بالاضافة الى مساهمتها في حل مشكلة قلة العينات وتطوير دقة التتبع. أما الخوارزمية الثانية فهي مرشح الجسيمات المعتمدة على خوارزمية أسراب الجسيمات الموزعة (DPSOPF)والتي هي النسخة الأكثر تطورا من (AWPSOPF) من حيث أنها مضمنة مع مرشح الجسيمات وأن جسيمات (PSO) مقسمة الى مجموعات أصغر نسبيا من الأولى والمبنية على المسافة الأقل بين الجسيمات والتي تعطي بدورها حلولا أقوى لمشاكل تتبع الأهداف.
dc.identifier.other3550
dc.identifier.urihttps://drepo.sdl.edu.sa/handle/20.500.14154/863
dc.language.isoen
dc.publisherSaudi Digital Library
dc.thesis.levelMaster
dc.thesis.sourceKing Fahad for Petrolem University
dc.titlePARTICLE SWARM OPTIMIZATION BASED PARTICLE FILTER TECHNIQUES FOR TARGET TRACKING IN MULTISTATIC UWB RADAR SENSOR NETWORK
dc.typeThesis

Files

Copyright owned by the Saudi Digital Library (SDL) © 2024