Çoklu model parçacık filtrelerinde ağırlıklandırılmış istatistiksel model seçimi

Radar hedeflerinin takibindeki önemli unsurlardan birisi kullanılan algoritmanın hızıdır. Çünkü hedefler hareket halinde olduğu için gerçek zamanlı takip gerektirir. Hedef takibinde sıklıkla tercih edilen çoklu model parçacık filtresi (ÇMPF) algoritmasında, kullanılan parçacık sayısı ve hareket modellerinin tahmini için gerçekleştirilen işlem sayısı filtrenin hızını belirleyen en önemli parametrelerdir. Parçacık sayısının ve/veya model hesaplamalarının azaltılması, algoritmanın hızlanmasını sağlayarak hedeflerin gerçek zamanlı takibini kolaylaştıracaktır. Bu çalışmada, model hesaplamalarının azaltılması amacıyla ağırlıklandırılmış istatistiksel model seçimi (AİMS) adı verilen yeni bir yaklaşım önerilmekte ve ÇMPF üzerinde gerçekleştirilen uygulamalarına ilişkin sonuçlar sunulmaktadır. Önerilen algoritmanın başarısını değerlendirmek için, farklı senaryolar üzerinde gerçekleştirilen benzetimlerde, üç farklı ÇMPF kullanılmaktadır. Bu filtrelerden biri, bu tez çalışması için tarafımızdan önerilen yeni bir ÇMPF olup, kullanılan filtrelerden ikisine önerdiğimiz AİMS algoritması entegre edilmektedir. Elde edilen sonuçlar işlem süresi ve tahmin hatası kriterleri esas alınarak karşılaştırılmaktadır. Sonuçlar incelendiğinde, önerilen yaklaşımın uygulandığı ÇMPF'lerde; işlem sürelerinin azaldığı ve algoritma hızının arttığı, tahmin hatasında ise önemli bir artış olmadığı görülmektedir. Sonuç olarak, önerilen bu yeni yaklaşım, radar hedeflerinin gerçek zamanlı takibinde etkin bir biçimde kullanılabilir.