КЛАССИФИКАЦИЯ МАНЕВРОВ ПОДВИЖНОГО ОБЪЕКТА С ШЕСТЬЮ СТЕПЕНЯМИ СВОБОДЫ МЕТОДОМ ЛОГИСТИЧЕСКОЙ РЕГРЕССИИ

М. АЛЬ-МАНСУР; И. ЧУАИБ; А. ДЖАФАР

摘要

Представлен новый онлайн-алгоритм классификации маневров подвижного объекта с шестью степенями свободы на основе данных бортового микромеханического инерциального измерительного модуля (ИИМ) (трех акселерометров и трех гироскопических датчиков угловой скорости). Классификация может быть как дискретной (то есть резкий маневр, плавный маневр или отсутствие маневра), так и непрерывной (величина, указывающая на интенсивность маневра). В основе предлагаемого алгоритма лежат метод главных компонент и метод машинного обучения, известный как логистическая регрессия, которая представляет собой модель дискриминативной вероятностной классификации. Результаты полунатурного моделирования с использованием данных микромеханического ИИМ, взятых из реальных экспериментов с беспилотными летательными аппаратами (БЛА), показали эффективность предложенного алгоритма и его пригодность для широкого спектра применений.%This paper presents a novel on line algorithm for maneuver classification of a moving vehicle with six degrees of freedom, using on-board MEMS IMU's data (three accelerometers and three rate gyros). The classification is either discrete (i.e. high, low or no maneuver), or continuous (a value that reflects the intensity of the maneuver). It should be mentioned that there is no explicit solution for this problem in any research paper previously published, due to the inability to find a direct mathematical model capable of characterizing this problem, despite its importance and its impact in improving the functioning of navigation systems. The proposed algorithm is based on a machine learning technique called logistic regression, which is a discriminative probabilistic classification model. Computer simulations, using MEMS IMU's data taken from real experiments of an UAV, showed the effectiveness of the proposed algorithm, taking into account the sampling time, and the suitability for a wide spectrum of applications.

机译：提出了一种新的在线算法，该算法基于来自机载微机械惯性测量模块（IMI）（三个加速度计和三个陀螺仪角速度传感器）的数据对具有六个自由度的运动对象的操纵进行分类。分类可以是离散的（即急速机动，平稳机动或缺乏机动），也可以是连续的（指示机动强度的值）。所提出的算法基于主成分法和机器学习方法，称为逻辑回归，这是一种判别概率分类模型。使用从无人飞行器（UAV）的真实实验中获得的微机械IMI数据进行的半自然仿真结果表明，该算法的有效性及其在广泛应用中的适用性。％本文提出了一种新颖的在线算法，用于对带有机动车辆的机动进行机动分类利用板载MEMS IMU的数据（三个加速度计和三个速率陀螺仪），获得六个自由度。分类既可以是离散的（即高，低或无机动），也可以是连续的（反映机动强度的值）。应当提到的是，尽管无法找到能够表征该问题的直接数学模型，但尽管它的重要性及其对改善导航系统功能的影响，但先前发表的任何研究论文都没有针对该问题的明确解决方案。所提出的算法基于称为Logistic回归的机器学习技术，这是一种判别概率分类模型。计算机仿真使用了来自无人机实际实验的MEMS IMU数据，结合了采样时间和适用于多种应用的情况，证明了所提出算法的有效性。

КЛАССИФИКАЦИЯ МАНЕВРОВ ПОДВИЖНОГО ОБЪЕКТА С ШЕСТЬЮ СТЕПЕНЯМИ СВОБОДЫ МЕТОДОМ ЛОГИСТИЧЕСКОЙ РЕГРЕССИИ

摘要

著录项

相似文献

相关主题

期刊订阅