در جنگ الکترونیک، بخش پشتیبانی الکترونیک (ES) وظیفه شناسائی سیستم های مخابراتی و الکترونیکی طرف مقابل را به عهده دارد. رادارها مهم ترین بخش سیستم های الکترونیکی می باشند بنابراین، شناسائی رادارها از اهمیت ویژه ای برخوردار است و این اهمیت به حدی است که تعیین کننده توان جنگ الکترونیکی ارتش مربوط است. تاکنون الگوریتم های زیادی برای شناسائی رادارها ارائه شده است. بیشینه دقتی که تاکنون این الگوریتم ها بدست داده اند با وجود پنج درصد پالس گمشده و پنج درصد نویز 93% است. در مقاله حاضر، الگوریتمی ارائه می شود که با استفاده از فیلتر کالمن تعمیم یافته متوسط دقتی معادل 97.2% دارد. لازم به ذکر است که این الگوریتم دارای حجم محاسباتی معادل 3.23N2 است که به دلیل داشتن معادله بازگشتی می توان آن را با سیستم های پردازش موازی (آرایه های سیستولیکی) پیاده سازی نمود.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

در این مقاله استفاده از پردازش چند سنسوری برای تخمین حالتهای یک سیستم با ساختارهای مختلف ارایه می گردد. بدین منظور سه ساختار کاملا متمرکز، غیر متمرکز سلسله مراتبی و کاملا غیر متمرکز فیلتر کالمن معرفی و با یکدیگر و فیلتر کالمن تک سنسوری مقایسه می گردند. ساختارهای غیر متمرکز از موازی سازی فیلتر کالمن متمرکز به دست می آیند و دارای سرعت پردازش زیاد هستند. ساختار کاملا غیر متمرکز دارای پردازنده مرکزی نمی باشد و هر پردازنده حالتهای سیستم را تخمین می زند. در نتیجه، سیستم نسبت از دست دادن یک یا چند پردازنده انعطاف پذیری بیشتری دارد و مقاومت و طول عمر آن بالا می رود. در این مقاله برای الگوریتمهای غیر متمرکز اصطلاحاتی ارایه می گردد که به کاهش حجم محاسبات منجر می شود و با وجود این، دقت لازم حفظ می شود. نتایج شبیه سازی بر روی یک سیستم متغیر با زمان به وضوح نشان می دهند که علیرغم کاهش نسبتا زیاد در حجم محاسبات به دلیل روش ارایه شده، دقت تخمین همچنان حفظ می شود. علاوه بر آن، دقت تخمین ساختارهای چند سنسوری نسبت به ساختار تک سنسوری بالاست.

حفظ ثبات قیمت ها در بلندمدت حتی زمانی که بانک مرکزی، سیاست هدفگذاری تورم را به طور صریح پیگیری نمی کند، به عنوان هدف اولیه سیاستگذاران پولی شناخته می شود. همچنین به دلیل وقفه در تاثیرگذاری سیاست های پولی، انتخاب معیار مناسب تورم بسیار اهمیت دارد. در برخی از کشورها، تورم هسته به عنوان شاخصی که روند بلندمدت تورم را آشکار می کند، می تواند تورم را پیش بینی و بر اساس آن هدفگذاری تورم صورت گیرد. تورم هسته و کارایی آن در تشخیص روند بلندمدت تورم می تواند سیاستگذاران را در شناخت بهتر اجزای تورم یاری رساند. تورم در ایران نیز تحت تاثیر عوامل بلندمدت و شو ک های متعدد داخلی و خارجی قرار دارد. در این مقاله، تورم هسته در ایران برای سال های 1353 تا1390 با استفاده از فیلتر کالمن در چارچوب سری های زمانی ساختاری تخمین زده شده است. مطابق نتایج تحقیق، تورم هسته ناشی از آثار بلندمدت متغیرهایی چون پایه پولی و نقدینگی در ایران نوساناتی مشابه تورم اندازه گیری شده را تجربه می کند و مقدار تورم هسته در دوره مطالعه به طور متوسط حدود 15 درصد است.

در این مقاله با استفاده از فرم یک بعدی (WAM) مساله تخمین از نوع فیلتر مورد بررسی قرار گرفته است. در این روش از آنجاییکه مدلسازی یک پروسه دو بعدی اتفاقی به صورت فرم یک بعدی (WAM) اتفاقی ارائه شده است، با انجام یکسری محاسبات ریاضی به فرمی شبیه معادلات بازگشتی فیلتر کالمن یک سیستم یک بعدی می رسیم. با توجه به متغیر بودن ابعاد فضای حالت در این مدل تعمیم تئوری های موجود در سیستم های یک بعدی به دو بعدی بعید به نظر می رسد در ابتدا نیاز به مدل سازی آماری فرآیند اتفاقی واقع در فرم WAM داریم. لذا در شروع مسئله با یادآوری مشخصات آماری استاندارد مورد استفاده در سیستم های یک بعدی و دو بعدی به بررسی خواص آماری سیگنال ها در فرم WAM می پردازیم. در ادامه با استفاده از مدل یک بعدی اتفاقی حاصل سعی می گردد تا کوواریانس خطای تخمین بهینه شود.

دسته ای از موشک های زمین به هوا، موشک های آشیانه یاب ( ردیاب ) هستند که جهت مقابله با اهداف هوایی نظیر هواپیما یا بالگرد مورداستفاده قرار می گیرند. با ایجاد اهداف مجازی توسط هدف، کارایی این موشک ها بشدت کم شده است. ابتدایی ترین سیستم طراحی شده برای مقابله با اهداف کاذب، خاموش کردن سیستم هدایت هنگام شناسایی و مواجهه با این اهداف است. خاموش کردن هدایت به این معنا است که آخرین دستور شتابِ قبل از مواجهه باهدف مجازی در طول مدت وجود هدف مجازی، برای هدایت موشک به کار گرفته شود. به علت وجود مانورهای هدف، هدایت خاموش در بعضی حالات مناسب عمل نمی کند. با فرض تشخیص ایجاد شدن هدف مجازی، در این مقاله از پیش بینی رفتار آینده موقعیت هدف برای مقابله با اهداف مجازی استفاده شده است. برای پیش بینی نیز از فیلتر کالمن تعمیم یافته استفاده شده است. نشان داده شده است که این روش در مقایسه با روش هدایت خاموش، مناسب تر عمل می کند. با توجه به در دسترس نبودن اطلاعات کافی از هدف، یکی از مشکلات روش پیش بینی، خطای موجود در مقدار اولیه حالت ها است. خطای زیاد در مقدار اولیه حالت ها باعث می شود که خطای پیش بینی در فیلتر کالمن تعمیم یافته و در نتیجه خطای برخورد زیاد شود. به این علت در این مقاله ایده استفاده از چند فیلتر کالمن تعمیم یافته به طور هم زمان، مطرح شده است. نتایج شبیه سازی نشان می دهد که این روش توانسته است تا حد زیادی وابستگی به مقدار اولیه را از بین ببرد و موشک را به سمت هدف هدایت نماید.

نرخ بازده بدون ریسک نقش مهمی را در تئوری های اقتصاد مالی و هم چنین بازارهای مالی ایفا می کند. به دلیل حرمت ربا در کشورهای اسلامی، ابزاری با بازده بدون ریسک به عنوان معیاری برای سنجش نرخ بازده بدون ریسک در دست نمی باشد. در پژوهش حاضر برای تخمین این متغیر در بازارهای مالی ایران از روش فیلتر کالمن استفاده می شود. این روش بر اساس یک فضای حالت پایه گذاری می شود که از مدل قیمت گذاری دارایی های سرمایه ای و یکی از معادلات خودرگرسیونی و یا گام تصادفی استخراج شده است و پارامترهای مدل با استفاده از روش حداکثر درستنمایی تخمین زده می شوند. در ادامه مشاهده می شود که معادله حالت خودرگرسیونی مرتبه اول، رفتار بازده بدون ریسک را بهتر از سایر مدل ها تبیین می کند و میانگین و واریانس مقادیر تخمین زده شده به ترتیب برابر 0.0397 و 0.0005 بوده و آخرین مقدار حاصله، 0.036 می باشد.

از کارنده نیوماتیکی به طور گسترده برای کشت دقیق بذور سورگوم و خیار استفاده می شود. عملکرد و دقت پخش موزع نیوماتیکی از اهمیت زیادی برخوردار است. بنابراین آزمایشاتی در سه مکش 25، 35 و 45 میلی بار و دو سطح سرعت پیشروی 3 تا 4.5 و 6 تا 8.5 کیلومتر بر ساعت انجام و شاخص چندگانه، کیفیت تغذیه و نکاشت اندازه گیری شد. در ضمن، یک مدل حرکتی با استفاده از کالمن برای ردیابی ساخته و رفتارهای بذور ترسیم گردید. بر اساس تجزیه و تحلیل رفتارهای سقوط بذر، مشخص شد که یک رابطه نزدیکی بین رفتارهای سقوط بذر و یکنواختی کاشت وجود داشت. سطوح بهینه مکش و سرعت پیشروی کشت دقیق برای بذور خیار و سورگوم در مکش 35 میلی بار و سرعت 3 تا 4.5 کیلومتر بر ساعت به دست آمد. در نهایت مشخص گردید که با افزایش سرعت و در مکش نامناسب، درصد انحراف بذور از مسیر مستقیم بیشتر شده که این مساله سبب کاهش یکنواختی می گردد.

بازخورد آکوستیکی اغلب زمانی شکل می گیرد که منبع سیگنال جلوی بلندگو قرار گیرد. این امر باعث ایجاد یک حلقه آکوستیکی می شود. بازخورد آکوستیکی، سبب کاهش کیفیت صدا و تولید صداهای مصنوعی می شود. از روش های حذف بازخورد آکوستیکی می توان برای حداکثر نمودن بهره پایداری و کیفیت صدا استفاده نمود. یکی از رویکردهای مقابله با بازخورد آکوستیکی، استفاده از روش پیشگویی خطا مبتنی بر فیلتر کالمن حوزه فرکانس با استفاده از تجزیه مسیر بازخورد است. استفاده همزمان از فیلتر کالمن حوزه فرکانس و بخش بندی مسیر بازخورد، سبب بهبود معیار حداکثر بهره پایداری نسبت به روش هایی نظیر فیلترهای وفقی حوزه زمان و یا بدون بخش بندی مسیر بازخورد شده است. اما رویکرد مذکور در مواجهه با ورودی نویزی شده عملکرد مناسبی ندارد. در محیط های آکوستیکی، وجود نویزهای محیطی باعث می شود تا سیگنال بدون نویز دریافت نشود. در این تحقیق، بعد از پیش پردازش (شامل نویزی کردن سیگنال ورودی با نویز گاوسی با انحراف معیار 0. 0 تا 0. 5 دسی بل)، دو مرحله: 1. استفاده از فیلتر کالمن حوزه زمان و 2. استفاده از روش فیلتر کالمن حوزه فرکانس با استفاده از بخش بندی مسیر بازخورد برای بهبود معیار حداکثر بهره پایداری در حدود 3 الی 4 دسی بل ارایه شده است.