دوره 16، شماره 3 - ( 10-1398 )                   جلد 16 شماره 3 صفحات 100-89 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Rahmanian S, Bateni M H, Fardad M, Najafi M. Fixed-point FPGA Implementation of a Kalman Filter for Range and Velocity Estimation of Moving Targets. JSDP. 2019; 16 (3) :100-89
URL: http://jsdp.rcisp.ac.ir/article-1-782-fa.html
رحمانیان شهاب الدین، باطنی محمد حسین، فرداد محمد، نجفی مجد‌الدین. پیاده‌سازی ممیز ثابت فیلتر کالمن بر روی FPGA برای تخمین فاصله و سرعت اهداف متحرک. پردازش علائم و داده‌ها. 1398; 16 (3) :100-89

URL: http://jsdp.rcisp.ac.ir/article-1-782-fa.html


پژوهشکده اویونیک، دانشگاه صنعتی اصفهان
چکیده:   (459 مشاهده)
در سامانه‌های ردیابی هدف، از فیلتر ردیابی برای تخمین پیاپی و هموار موقعیت و سرعت هدف متحرک با کمینه خطا استفاده می‌­شود. در این مقاله، روشی برای طراحی و پیاده‌­سازی سختافزاری فیلتر کالمن در چنین کاربردی ارائه ‌شده است. روش پیشنهادی شامل یک پیاده‌سازی ممیز ثابت فیلتر روی FPGA است که در آن سرعت اجرای الگوریتم از طریق موازی­‌سازی عملیات­ غیر وابسته بهبود یافته است. پس از طراحی بر اساس مسأله داده‌­شده، نسخه­‌های ممیز شناور و ممیز ثابت فیلتر شبیه­‌سازی و نسخه ممیز ثابت روی سخت­افزار پیاده‌­سازی شده است. برای ارزیابی کارایی فیلتر، داده­‌های فاصله‌-سرعت یک هدف متحرک با مدل مناسب تولید و پس از چندی‌سازی و درآمیختن با اغتشاش به فیلتر اعمال می‌­شوند. نتایج نشان می­‌دهد که با انتخاب طول بیت مناسب، فیلتر پیاده‌سازی‌‌شده سریع و کارآمد بوده و با زمان اجرای حدود µs 4/0، موجب dB 11 کاهش در خطای تخمین فاصله شده و عملکردی نزدیک به نمونه ممیز شناور فراهم می‌­آورد.   
متن کامل [PDF 3569 kb]   (119 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: ۱۳۹۶/۷/۱۲ | پذیرش: ۱۳۹۸/۶/۹ | انتشار: ۱۳۹۸/۱۰/۱۷ | انتشار الکترونیک: ۱۳۹۸/۱۰/۱۷

فهرست منابع
1. [1] R. Kalman, “A new approach to linear filtering and prediction problems,” Trans. ASME, J. Basic Eng., vol. 82, pp. 35–45, 1960, series D.
2. [2] حنیفه‌لو زهرا، منجمی سید امیرحسن، معلم پیمان، "ارائه روشی مقاوم نسبت به تغییرات روشنایی در آشکارسازی و ردیابی خودروها درصحنه‌های ترافیکی،" مجله پردازش علائم و داده‌ها. ۱۳۹۵; ۱۳ (۳) :۷۹-۹۸.
3. [2] Z. Hanifelou, S. A. H. Monadjemi and P. Moallem, “Robust method of changes of light to detect and track vehicles in traffic scenes” Journal of Signal and Data Processing (JSDP), vol. 13, no. 3, pp. 79-98, 2016.
4. [3] شایق فرزانه، قاسمی فهیمه، امیر فتاحی رسول، صدری سعید، انصاری اصل کریم، "پیش‌گویی برخط و تک‌کاناله وقوع حمله‌های صرعی با ارائه الگوی تولید صرع بر روی سیگنال‌های depth-EEG با استفاده از فیلتر کالمن توسعه‌یافته،" مجله پردازش علائم و داده‌ها. ۱۳۹۷; ۱۵ (۱) :۳-۲۸.
5. [3] F. Shayegh, F. Ghasemi, R. Amirfattahi, S. Sadri ,and K. Ansariasl, “Online Single-Channel Seizure Prediction, Based on Seizure Genesis Model of Depth-EEG Signals Using Extended Kalman Filter,” Journal of Signal and Data Processing (JSDP), vol. 15, no. 1, pp. 3-28, 2018.
6. [4] M. Grewal and A. Andrews, Kalman Theory, Theory and Practice Using MATLAB. 3rd ed. Hoboken, NJ: Wiley, 2008.
7. [5] M. Verhaegen and P. V. Dooren, “Numerical aspects of different Kalman filter implementations,” IEEE Trans. Autom. Control, vol. AC 31, no. 10, pp. 907–917, Oct. 1986.
8. [6] V. Smidl and Z. Peroutka, “Advantages of square-root extended Kalman filter for sensorless control of AC drives,” IEEE Trans. Ind. Electron., vol. 59, no. 11, pp. 4189–4196, Nov. 2012.
9. [7] J. Mendel, “Computational requirements for a discrete Kalman filter,” IEEE Trans. Autom. Control, vol. AC-16, no. 6, pp. 748–758, Dec. 1971.
10. [8] M. Hilairet, F. Auger, and C. Darengosse, “Two efficient Kalman filters for flux and velocity estimation of induction motors,” in Proc. IEEE Power Electron. Spec. Conf., Jun. 2000, vol. 2, pp. 891–896.
11. [9] L. Idkhajine and E. Monmasson, “Design methodology for complex FPGA-based con-trollers—Application to an EKF sensorless ac drive,” in Proc. XIX ICEM, Sep. 2010, pp. 1–6.
12. [10] J. Keller and M. Darouach, “Two-stage Kalman estimator with unknown exogenous inputs,” Automatica, vol. 35, no. 2, pp. 339–342, Feb. 1999.
13. [11] C. Hsieh and F. Chen, “Optimal solution of the two-stage Kalman estimator,” IEEE Trans. Autom. Control, vol. 44, no. 1, pp. 194–199, Jan. 1999.
14. [12] C. Hsieh, “General two-stage extended Kalman filters,” IEEE Trans. Autom. Control, vol. 48, no. 2, pp. 289–293, Feb. 2003.
15. [13] M. Hilairet, F. Auger, and E. Berthelot, “Speed and rotor flux estimation of induction machines using a two-stage extended Kalman filter,” Auto-matica, vol. 45, no. 8, pp. 1819–1827, Aug. 2009.
16. [14] A. Akrad, M. Hilairet, and D. Diallo, “Design of a fault-tolerant controller based on observers for a PMSM drive,” IEEE Trans. Ind. Electron., vol. 58, no. 4, pp. 1416–1427, Apr. 2011.
17. [15] S. Bolognani, R. Oboe, and M. Zigliotto, “Sensorless full-digital PMSM drive with EKF estimation of speed and rotor position,” IEEE Trans. Ind. Electron., vol. 46, no. 1, pp. 184–191, Feb. 1999.
18. [16] H.-G. Yeh, “Systolic implementation on Kalman filters,” IEEE Trans. Acoust., Speech, Signal Process., vol. 36, no. 9, pp. 1514–1517, Sep. 1988.
19. [17] S.-Y. Kung and J.-N. Hwang, “Systolic array designs for Kalman filtering,” IEEE Trans. Signal Process., vol. 39, no. 1, pp. 171–182, Jan. 1991.
20. [18] E. Monmasson, L. Idkhajine, M. Cirstea, I. Bahri, A. Tisan, and M. Naouar, “FPGAs in industrial control applications,” IEEE Trans. Ind. Informat., vol. 7, no. 2, pp. 224–243, May 2011.
21. [19] C. Lee and Z. Salcic, “High-performance FPGA-based implementation of Kalman filter,” Micro-process. Microsyst., vol. 21, no. 4, pp. 257 265, Dec. 1997.
22. [20] L. Idkhajine, E. Monmasson, and A. Maalouf, “Fully FPGA-based sensorless control for syn-chronous AC drive using an extended Kalman filter,” IEEE Trans. Ind. Electron., vol. 59, no. 10, pp. 3908–3918, Oct. 2012.
23. [21] A. Jarrah, A. Al-Tamimi, and T. Albashir, “Opti-mized parallel implementation of Extended Kal-man filter using FPGA,” Journal of Circuits, Sys-tems and Computers, vol. 01, no. 27 no. 01, June 2017.
24. [22] N. Noordin, Z. Ibrahim, M. H. J. Xie, R. Samad and N. Hasan, “FPGA implementation of simulated Kalman filter optimization algo-rithm,” Journal of Telecommunication, Electronic and Computer Engineering (JTEC), VOL. 10, no. 1-3, pp. 21-24, 2018.
25. [23] D. Pritsker, “Hybrid implementation of Extended Kalman Filter on an FPGA,” in Proc. IEEE Radar Conf. (RadarCon), pp. 0077-0082, 2015.
26. [24] P. L. Wu, L. Z. Zhang and X. Y. Zhang, “The design of DSP/FPGA based maneuvering target tracking system,” WSEAS Trans. Circ. Syst., vol. 13, pp. 75-84, 2014.

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.