Modelo para previsão de posição de objetos em 3d / 3d object position forecast model

Jair Agner Júnior, Bruno Schulze, Mariza Ferro, Ernesto Rademaker Martins, Marcos dos Santos

Abstract


A previsão de posição de objetos em 3D é um processo complexo, o qual exige algoritmos de associação capazes de lidar com o uso de técnicas de filtragem lineares e não lineares. Os modelos utilizados em sistemas de controle de tráfego aéreo, por serem desenvolvidos em duas dimensões, não são adequados para aplicações com alvos militares devido às variações de altitude que esses objetos desenvolvem. Dessa forma, a partir das informações de posições de um objeto no espaço obtidas por meio de um dado sensor, foi utilizado um método para se deduzir o valor da velocidade do mesmo, de modo a compor o vetor de medidas modelado. Com os dados desse vetor é calculada a próxima posição do objeto medido de forma tridimensional. Esse modelo pode ser implementado em sistemas tanto civis como militares, permitindo previsão de posição de objetos 3D em tempo real. Adotou-se como estimadores de estado o Filtro de Kalman Linear e o Filtro de Kalman Estendido com integração através do agregador de filtros conhecido como IMM (Múltiplos Modelos Interagentes). Exemplos numéricos ilustram a aplicabilidade e desempenho do método proposto.


Keywords


Posição de Objetos em 3D; Filtro de Kalman; Múltiplos Modelos Interagentes; Movimento Curvilíneo Planar.

References


JUNIOR, J. A. Acompanhamento de múltiplos alvos em trajetórias tridimensionais, 2016, xvii, 113p. Dissertação (Mestrado) - Programa de Pós-Graduação de Modelagem

Computacional, Laboratório Nacional de Computação Científica, Petrópolis, 2016. 2, 15

FRENCL, V. B.; VAL, J. B. do. Tracking with range rate measurements: Turn rate estimation and particle ltering. In: IEEE. Radar Conference (RADAR), 2012 IEEE. [S.l.], 2012. p. 0287-0292. 2

YUAN, X.; LIAN, F.; HAN, C. Models and algorithms for tracking target with coordinated turn motion. Mathematical Problems in Engineering, Hindawi Publishing Corporation, v. 2014, 2014. 2

FRENCL, V. B.; VAL, J. B. do. A trajectory simulator for individual movements using probabilistic distribution profiles. In: IEEE. Radar Conference (RadarConf ), 2016 IEEE. [S.l.], 2016. p. 1-6. 2

BAR-SHALOM, Y.; LI, X. R.; KIRUBARAJAN, T. Estimation with applications to tracking and navigation: theory algorithms and software. [S.l.]: John Wiley & Sons, 2001. 2, 3, 7, 11

KORBICZ, J. et al. Fault diagnosis. Models, artificial intelligence, applications. [S.l.]: Springer Berlin/Heidelberg, 2004. 2, 5

BAR-SHALOM, Y. et al. Mathematics in science and engineering. [S.l.]: Academic press, 1988. 3

FRENCL, V. B. Técnicas de filtragem utilizando processos com saltos markovianos aplicados ao rastreamento de alvos móveis. Dissertação (Mestrado) - Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação, 2010. 3, 12, 13

AGUIRRE, L. Introdução a Identificação de Sistemas - Técnicas Lineares e Não-Lineares Aplicadas a Sistemas Reais. [S.l.]: Editora UFMG, 2007. ISBN 9788570415844. 3

WELCH, G.; BISHOP, G. Course 8-an introduction to the kalman filter. SIGGRAPH 2001 Courses, 2001. 3

KANG, E. Radar System Analysis, Design, and Simulation. [S.l.]: Artech House, 2008. (The Artech House radar library). ISBN 9781596933477. 8

BURDEN, R. L.; FAIRES, J. D.; TASKS, A. Análise numérica. [S.l.]: Cengage Learning, 2008. 8, 9

FRENCL, V. B.; DO VAL, J.B.R.; Rastreamento utilizando Filtro de Partículas com Perturbação Gaussiana na Estimativa e Medidas de Velocidade Radial, 09/2012, XIX Congresso Brasileiro de Automática,Vol. CD, pp.4435-4442, Campina grande, PB, Brasil, 2012




DOI: https://doi.org/10.34117/bjdv6n1-132

Refbacks

  • There are currently no refbacks.