الگوریتم شناسایی ستاره گم شده در فضا مبتنی بر فاصله هاسدورف با دو رویکرد ستاره محور و بخش بندی کره سماوی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
یکی از بهترین حسگرهای وضعیت برای کاربردهای فضایی حسگر ستاره است که تعیین وضعیت را با استفاده از ستارگان میدان دید انجام می دهد. از مزایای اصلی این حسگر می توان به تعیین وضعیت اولیه توسط خود حسگر اشاره نمود. این کار توسط الگوریتم های شناسایی ستاره گم شده در فضا انجام می شود. این مقاله به ارایه یک الگوریتم گم شده در فضای جدید مبتنی بر فاصله هاسدورف می پردازد. با استفاده از فاصله هاسدورف دو الگوریتم شناسایی مختلف پیشنهاد شده و نتایج آن ها با یکدیگر مورد مقایسه قرار گرفته اند. رویکرد اول براساس ستاره محور طراحی شده است و رویکرد دوم، از بخش بندی کره سماوی بهره می برد. عملکرد شناسایی این دو رویکرد با استفاده از شبیه سازی 200 جهت تصادفی حسگر ستاره در قدر های مختلف مورد بررسی قرار گرفته است. نتایج نشان می دهد، رویکرد استفاده از ستاره محور عملکرد بهتری دارد و نرخ شناسایی آن در قدر 6، 93/5٪ است. همچنین زمان شناسایی در این الگوریتم با الگوریتم هرمی و تعدادی از الگوریتم های هندسی دیگر مورد مقایسه قرار گرفته است. بر طبق نتایج کم ترین زمان شناسایی به الگوریتم هاسدورف تعلق دارد که آن را برای استفاده های بهنگام مناسب می سازد.
زبان:
فارسی
صفحات:
64 تا 75
لینک کوتاه:
magiran.com/p2604758 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!