SİMGELER DİZİNİ. ( t Φ Γ. E xz. xxz. j j j
|
|
- Müge Haşim
- 5 yıl önce
- İzleme sayısı:
Transkript
1 ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ HEDEF TAKİBİNDE UYARLI KALMAN FİLTRESİNİN KULLANIMI ÜZERİNE BİR ÇALIŞMA Emine ÇERÇİOĞLU İSTATİSTİK ANABİLİM DALI ANKARA 2006 Her haı salıdır
2 ÖZET Yüse Lisans Tezi HEDEF TAKİBİNDE UYARLI KALMAN FİLTRESİNİN KULLANIMI ÜZERİNE BİR ÇALIŞMA Emine ÇERÇİOĞLU Anara Üniversitesi Fen Bilimleri Enstitüsü İstatisti Anabilim Dalı Danışman: Yrd.Doç.Dr. Levent ÖZBEK Kalman filtresini alınan gözlemlere göre uyarlamayı amaçlayan farlı yöntemler bulunmatadır. Bu çalışmada, bu yöntemlerden biri olan çolu model algoritmaları araştırılmıştır. Bu amaçla, hedef taibinde, çolu model algoritması ile standart Kalman filtresinin performanslarını arşılaştırabilme için bir benzetim çalışması yapılmıştır. 2006, 98 sayfa ANAHTAR KELİMELER: Durum Uzay Modelleri, Kalman Filtresi, Uyarlı Kalman Filtresi, Etileşimli Çolu Model Algoritması. i
3 ABSTRACT Master Thesis A STUDY ON THE USAGE OF ADAPTIVE KALMAN FILTER ON TARGET TRACKING Emine ÇERÇİOĞLU Anara University Graduate School of Natural and Applied Sciences Department of Statistics Supervisor: Asst.Prof.Dr. Levent ÖZBEK There are several different methods which aims to adapt Kalman filter to new observations. In this study, one of these methods, interacting multiple model algorithm has been studied. For this aim, simulation study has been made to compare the performance of interacting multiple model algorithm and the standart Kalman filter algorithm on target tracing. 2006, 98 pages KEY WORDS: State Space Models, Kalman Filter, Adaptive Kalman Filter, Interacting Multiple Model. ii
4 TEŞEKKÜR Bana bu onuyu veren ve çalışmalarım sırasında yaın desteğini, iyi niyetini ve sabrını hep gösteren sevgili danışman hocam, Yrd.Doç.Dr. Levent ÖZBEK e en derin duygularla teşeür ederim. Yaz oulundai çalışmalarımızda, bize Kalman filtresinin ne olduğunu öğreten değerli hocam, Prof.Dr. Firi ÖZTÜRK e teşeürlerimi sunarım. Maddi ve manevi desteğini hiç esi etmeyen, canımdan ço sevdiğim babam ve annem Erbay ve Mele ÇERÇİOĞLU na, doğduğu günden beri benim en büyü desteğim olan, yanımdan hiç ayrılmayan canım ardeşim Esin ÇERÇİOĞLU na, yüse lisansın zorlu yanlarını en ço yansıttığım, zorlandığım anlarda bana hep deste olan Kahraman AKSOY a, yüse lisans yapmama olana sağlayan ve iş yerinde her türlü desteği veren değerli Şube Müdürlerim Alb.Murat KAYA, Alb.Mustafa ULUÇAKAR, Alb.Namı KOÇ a ve birbirinden ıymetli mesai aradaşlarıma teşeürü bir borç bilirim. Emine ÇERÇİOĞLU Anara, Oca 2006 iii
5 SİMGELER DİZİNİ x( t ) x& ( t) && x( t) ( t, t ) Φ 0 0 Γ L δ δ ( t τ) cismin herhangi bir t anındai onumu cismin herhangi bir t anında onumun birinci türevi (hızı) cismin herhangi bir t anında onumun iinci türevi (ivmesi) t dan t ye durum geçiş matrisi gürültü azanç matrisi ters Laplace dönüşümü Dirac delta fonsiyonu Kronecer delta fonsiyonu q% ( t) süreç gürültü yoğunluğu E []. belenen değer Cov E xz P xxz P xz Ω a m ˆx ovaryans z verildiğinde, x in oşullu belenen değeri z verildiğinde, x in oşullu ovaryans matrisi x ve z nin ovaryans matrisi oordineli dönüş açısı masimum ivme artışı x in tahmini x% x tahmininin hatası x Λ ν N[ x; x, P ] arg min { z } = o n x x in belenen değeri olabilirli fonsiyonu innovasyon (gözlem tahmin hatası) ortalaması x ve ovaryansı P olan Normal dağılım minimize edilen argüman = 0,..., için x vetörünün boyutu z dizisi iv
6 P {}. p (). Z Z x ˆ x% P P % 0 P + bir olayın olma olasılığı olasılı yoğunlu fonsiyonu - anına adar olan bütün gözlemler anına adar olan bütün gözlemler Z verildiğinde, x nın oşullu belenen değeri Z verildiğinde, x nın tahmin hatası Z verildiğinde, x nin oşullu ovaryans matrisi başlangıç ovaryansının herhangi bir nedenden dolayı bozulmuş hali Bz. P P Z verildiğinde, x nın oşullu ovaryans matrisi µ ( ) M J modelinin anında doğru olma olasılığı p i model i den, model ye geçme olasılığı N f ( ) M ( ) µ i algoritmadai filtre sayısı anında model nin geçerli olma durumu Z verildiğinde, anında model geçerli ien, - anında model i nin geçerli olma olasılığı, L µ L nci model geçmişinin oşullu olasılığı, L M x ( ) ˆ anında L nci model dizisi M ya ait durum tahmini x ˆi EÇM EKHKO GSB Z verildiğinde, nci filtrenin i nci tahmini yalaşı olara eşit tanım olara eşit ile dağılır etileşimli çolu model en üçü hata areleri ortalaması genelleştirilmiş sözde bayesçi v
7 GSB GSB2 NHKN nci dereceden genelleştirilmiş sözde bayesçi 2 nci dereceden genelleştirilmiş sözde bayesçi normalleştirilmiş hata areleri normu vi
8 ŞEKİLLER DİZİNİ Şeil 4.. Taip Modeli...2 Şeil 4.2. Kalman Filtresinde Durum Tahmini...30 Şeil 4.3. Doğru Model İçin NHKN Değerleri...34 Şeil 4.4. Yanlış Model İçin NHKN Değerleri...34 Şeil 4.5. Doğru Model İçin Artıların Kareleri Toplamı...35 Şeil 4.6. Yanlış Model İçin Artıların Kareleri Toplamı...35 Şeil 4.7. Doğru Model İçin Hareet Yörüngesi ve Tahmini...36 Şeil 4.8. Yanlış Model İçin Hareet Yörüngesi ve Tahmini...36 Şeil 4.9. x Koordinatındai Konum Hatası...37 Şeil 4.0. x Koordinatındai Hız Hatası...37 Şeil 4.. x Koordinatındai İvmelenme Hatası...37 Şeil 4.2. y Koordinatındai Konum Hatası...38 Şeil 4.3. y Koordinatındai Hız Hatası...38 Şeil 4.4. y Koordinatındai İvmelenme Hatası...38 Şeil 4.5. Cismin x Koordinatındai Konumu...39 Şeil 4.6. Cismin x Koordinatındai Hızı...39 Şeil 4.7. Cismin x Koordinatındai İvmelenmesi...39 Şeil 4.8. Cismin y Koordinatındai Konumu...40 Şeil 4.9. Cismin y Koordinatındai Hızı...40 Şeil Cismin x Koordinatındai İvmelenmesi...40 Şeil 6.. Geçişsiz Modeller İçin Çolu Model Tahmin Edicisi...50 Şeil 6.2. GSB Algoritmasının Yapısı...55 Şeil 6.3. GSB2 Algoritmasının Yapısı...58 Şeil 6.4. EÇM Algoritmasının Yapısı...62 Şeil 6.5. Hedefin Gerçe ve Ölçülen Konumu...66 Şeil 6.6. Konum Değişeninin HKO...69 Şeil 6.7. Hız Değişeninin HKO...70 Şeil 6.8. NHKN...7 Şeil 6.9. Model Olasılıları...7 vii
9 . GİRİŞ Tahmin problemlerinde amaç, çeşitli veri aynalarından alınan gözlemlere göre, bilinmeyen parametreler için tahmin sonuçlarına ulaşmatır. Tahmin teorisi, gözlemlerden, istatistisel analizler yapılara bilgi elde etmetir. Tahmin algoritmalarından biri olan Kalman filtresi, lineer ve lineerleştirilmiş sistemlerde durum tahmini yapabilme amacıyla yaygın olara ullanılır. Bu sistemler, sistemin durumunu gösteren anca gözlenemeyen x stoasti süreç ile ilgili bir durum eşitliği ve gözlenebilen z stoasti süreç ile ilgili bir ölçüm (gözlem) eşitliği tarafından modellenir ve; x =Φ x + w (.) + z = H x + v (.2) eşitlileri ile verilir. Bu denlemelere durum-uzay modeli denir. Kalman filtresinin amacı, sistemin durum-uzay modeline uygun olara, sistemde bulunan gürültünün etisini azaltıp, gözlenemeyen x durum vetörünü, z,..., z, z gözlemlerini ullanara tahmin etmetir (Jazwinsi 970). Kalman filtresi ve değişi formları, tahmin problemlerinin çözümlenmesinde temel bir araç haline gelmiştir. Kalman filtresinin il ullanıldığı alanlardan birisi, hava araçlarının sefer/seyir ve güdüm ontrolüdür. Örneğin, 960 lı yılların başında, Apollo ve Locheed C-5A uça programları için seyir sistemleri geliştirilmiştir. Bu teniler, hareet yeteneği olan hedeflerin onumunu izleme ve ontrol etme, otomobil endüstrisi, uydu ve denizaltı seferleri, sanayi sürecinde ölçülemeyen değişenlerin tahmin ve öngörüsü gibi birbirinden farlı alanlarda ullanılmatadır. Hedef taibi, hem sivil hem de aserî alanda, hava trafi ontrolü, silâh ateşleme ontrol sistemi vb. gibi birço uygulamada ullanılmatadır. Hedef taibi, genellile Kalman filtresi ullanılara yapılır. Hedef taip sistemlerinin durum-uzay modeli elde ediliren, hareetin yapısına göre hedefin onumu, hızı, ivmesi, dönüş hızı vd. sistem durum vetörünün bileşenleri olara alınabilir. Anca, hareet esnasında, lineer sistem
10 modeli ile gerçe hedef dinamiği arasında bir uyumsuzlu meydana gelebilir. Sistem dinamiğinin lineer bir modelle tanımlanması ve ortamda başa hata aynalarının bulunma ihtimalinin olması nedeniyle, durum-uzay modelin yetersizliğini önleyebilme ve daha iyi tahmin sonuçlarına ulaşabilme amacıyla bazı uyarlı teniler ullanılabilir. Bu tenilerden biri çolu model algoritmalarıdır. Filtreleme problemi üzerinde, bugüne adar birço çalışma yapılmıştır ve yapılmaya da devam etmetedir. Fagin (964), Fitzgerald (97), Kalman filtresinin ırasaması durumunu incelemiştir. Mehra (972), modelde yer alan hata terimlerinin ovaryanslarının bilinmemesi durumunda, bu matrislerin tahmin edilmesi durumunu incelemiş ve endini uyarlayan Kalman filtresi için çalışmalar yapmıştır. Hashemipour et al. (988), Rao and Durant (99), ço algılayıcılı sistemler için paralel Kalman filtresini incelemişlerdir. Özbe (993), esili-zaman durum-uzay modellerinde indirgemeli tahmin yöntemini incelemiş, Özbe ve Öztür (993), gayri safi millî hasıla değerinin Kalman filtresi ile tahmini ile ilgili bir çalışma yapmışlardır. Lin and Atherton (993), manevra yapan hedef taibinde ullanılan Etileşimli Çolu Model (EÇM) algoritmasının bazı özellileri ve farlı sayıdai modeller ile farlı parametrelerin ullanılmasının etilerinden bahsetmiştir. Li and Bar-Shalom (993), Monte Carlo simülâsyonları ullanılmadan EÇM algoritması için tahmin metodunun performansını örneler ile tartışmışlardır. Xia et al. (994), durum-uzay modelinin hatalı urulması durumunda, Kalman filtresinde ortaya çıan ırasama durumunu ele almış ve filtrede bazı güçlendirmelerin yapılmasını sağlayaca unutma fatörünün hesaplanması için çeşitli algoritmalar önermişlerdir. Özbe vd. (996), Kalman filtresinde modelin hatalı urulmasından aynalanan ırasama problemi ile ilgili bir çalışma yapmışlardır. Yeddanapudi et al. (997), çolu hedef, çolu algılayıcılı hava trafi ontrolüne, EÇM algoritmasının uygulanması üzerinde durmuştur. Özbe (997), durum-uzay modelinin hatalı urulması durumunda, Kalman filtresinde meydana gelen ırasama durumunu ele almış ve filtrede bazı güçlendirmeler yapaca bir algoritma önermiştir. Mazor et al. (993), EÇM algoritmalarını hedef taibi açısından incelenmiş ve algoritmaların varsayımlarını ve çeşitli durumlardai uygulamalarını göstermiştir. Özbe ve Aliev (998), Xia et al. (994) ın önerdileri unutma fatörü ile ilgili bir çalışma yapmışlardır. 2
11 Bu çalışmanın iinci bölümünde, stoasti durum-uzay modelleri, üçüncü bölümünde, hareet eden cisimlerin hareetlerini modelleyebilme için ullanılan esili-zaman durum-uzay modelleri ve dördüncü bölümde dinami sistemlerde lineer tahmin apsamına Kalman filtresi ve elde edilişi haında bilgi verilmiştir. Ayrıca dördüncü bölümde, Kalman filtresinin hareet modelleri için ullanımı ile ilgili bir benzetim çalışması yapılmıştır. Beşinci bölümde, esili-zaman Kalman filtresinin yanlış gürültü ovaryanslarına arşı duyarlılığı üzerinde durulmuştur. Altıncı bölümde ise, Kalman filtresinde çeşitli nedenlerle ortaya çıan ırasama problemi ele alınmış ve uyarlı Kalman filtresinden bahsedilmiş, ayrıca hareet modelleri için Kalman filtresi ve uyarlı Kalman filtresini arşılaştırabilme amacıyla bir benzetim çalışması yapılmıştır. 3
12 2. STOKASTİK SİSTEMLERDE DURUM-UZAY MODELLERİ İçerisinde rasgele girdi (gürültü) bulunan sistemlere stoasti sistemler, bulunmayan sistemlere de deterministi sistemler denir. Gürültü, sistemde meydana gelebilece belenmedi arışılıların modellenmesi için ullanılır. Stoasti sistemlerde, gürültülerin;. 0 ortalamalı, 2. Beyaz (Süreç gürültüsünün farlı ii andai değeri birbirinden bağımsızdır. Bu durumda, süreç gürültüsünün otoorelasyon fonsiyonu; Kronecer (esili) veya Dirac (süreli) delta fonsiyonudur), 3. Birbiriyle ilişisiz rasgele süreçler olduğu varsayılır. Stoasti sistemlerin bazıları, sistemin durumunu gösteren anca gözlenemeyen bir stoasti süreç ile ilgili bir durum eşitliği ve gözlenebilen bir stoasti süreç ile ilgili bir ölçüm (gözlem) eşitliği tarafından modellenir. Birinci dereceden diferansiyel ya da far denlemi olan bu eşitlilere durum-uzay modeli denir (Bar-Shalom et al. 200). 2. Lineer Süreli-Zaman Stoasti Durum-Uzay Modeli Lineer süreli-zaman stoasti durum-uzay modeli, ( ) = ( ) ( ) + ( ) ( ) + ( ) ( ) x& t A t x t B t u t D t w% t (2.) z( t) = C( t) x( t) + v% ( t) (2.2) dır. Burada (2.) süreli-zaman durum denlemini, (2.2) de süreli-zaman gözlem denlemini göstermetedir. Ayrıca; x( t ) : n x boyutlu sistem durum vetörü, u( t ) : n u boyutlu ontrol vetörü, w% ( t) : n w boyutlu süreli-zaman sistem gürültüsü, A( t ) : bilinen, nx x n x boyutlu sistem matrisi, B( t ) : bilinen, nx x n u boyutlu süreli-zaman girdi matrisi, 4
13 D( t ): bilinen, nx x n w boyutlu süreli-zaman gürültü matrisi, z( t ) : n z boyutlu gözlem vetörü, v% ( t) : n v boyutlu süreli-zaman gözlem gürültüsü, C( t ) : bilinen, nz x n x boyutlu gözlem matrisidir. w% ( t) ve v( t) % sıfır ortalamalı, ilişisiz ve beyaz gürültü süreçleridir. Süreli-zaman süreç gürültüsü w% ( t) için; ( ) 0 E w% t = (2.3) E w( t) w( τ) = V( t) δ( t τ ) % % (2.4) dır. Burada, δ( t τ) anı için; dır., δ( t τ) = 0,, Dirac delta fonsiyonudur. Beyaz gürültü süreçlerinin her t, τ t= τ t τ Süreli-zaman durum denleminin çözümü; t x t t, t x t t, τ B τ u τ D τ w τ dτ ( ) =Φ ( ) ( ) + Φ ( ) ( ) ( ) + ( ) ( ) 0 0 dır. Burada, x( t 0) başlangıç durumunu ve ( t, t0) göstermetedir. Burada; dır. % (2.5) t0 ( t, t ) ( t ) ( t 2 )... ( t ) 0 0 Φ, t 0 dan t ye durum geçiş matrisini Φ =Φ Φ Φ (2.6) Durum geçiş matrisi aşağıdai özellilere sahiptir:. dφ ( t, t ) dt 0 ( ) ( t, t ) = A t Φ (2.7) 2. ( t, t ) ( t, t ) ( t, t ) Φ 2 0 =Φ 2 Φ t 0 3. ( t, t) 0 (2.8) Φ = I (uygun boyutlu birim matris) (2.9) dır. (2.8) ve (2.9) eşitlilerinin sonucu olara; ( t, t ) ( t, t) Φ =Φ (2.0) 0 0 5
14 bulunur. Sadece, t ( ) ( τ) τ = ( τ) τ ( ) A t A d A d A t t0 t0 oşulu sağlandığında, ( t, t ) t t A( τ) dτ Φ t0 0 = e eşitliği yazılabilir. Bu oşul, zamandan bağımsız sistemler ya da diyagonal A( t ) matrisi için sağlanır. Zamandan bağımsız bir sistem için, t 0 = 0 olara alınırsa; Φ ( t) =Φ ( t,0) olara bulunur. At = e Durum geçiş matrisinin bulunabilmesi için aşağıdai yöntemlerden uygun olanı ullanılabilir:. Sonsuz Seriler Metodu: e ( At) At = = 0! 2 2 A t = I+ At+ +K 2! Burada, I, nxn boyutunda birim matrisini, A, nxn boyutunda sistem matrisini göstermetedir. 2. Laplace Dönüşümü Metodu: Burada, {( ) } At e = L si A L ters Laplace dönüşümünü göstermetedir (Bar-Shalom et al. 200). Bu bölüme bir örne verebilme amacıyla, x ve y oordinatlarında sabit hızla hareet eden bir cisim ele alınsın. Birbirinden bağımsız olduları varsayılan, x ve y oordinatlarındai hareet denlemleri; x ( ) t ; cismin x oordinatında herhangi bir t anındai onumu, ( ) ( ) x t = x& t ; cismin x oordinatında herhangi bir t anındai hızı, 2 6
15 olma üzere, dır. ( ) = ( ) = ( ) x t x& t && x t ; cismin x oordinatında herhangi bir t anındai ivmesi, 3 2 ( ) && ( ) x t x t 3 = = 0 y ( ) olma üzere, t ; cismin y oordinatında herhangi bir t anındai onumu, ( ) ( ) y t = y& t ; cismin y oordinatında herhangi bir t anındai hızı, 2 ( ) = ( ) = ( ) y t y& t && y t ; cismin y oordinatında herhangi bir t anındai ivmesi, 3 2 ( ) && ( ) y t y t 3 = = 0 dır. Burada, x ve y oordinatlarındai hareetin birbirinden bağımsız olduğu ve sistemde gürültü olmadığı varsayımı altında, durum bileşenleri olara; cismin x oordinatındai onumu, x oordinatındai hızı, y oordinatındai onumu ve y oordinatındai hızı olma üzere durum vetörü; x t = x t x t y t y t (2.) ( ) ( ) ( ) ( ) ( ) 2 2 dır. Durum denlemi; ( ) = Ax( t) x& t ile verilir. Sistem matrisi; A= dır. Bu durumda sistem geçiş matrisi; T At Φ ( t) = e = 0 0 T olara bulunur (Bar-Shalom et al. 200). (2.2) (2.3) 7
16 x ve y oordinatlarında sabit hızla hareet eden ve sabit açısal hız ile dönüş yapan bir cisim ele alınsın. Birbirinden bağımsız olduları varsayılan, x ve y oordinatlarındai hareet denlemleri; x ( ) olma üzere, t ; cismin x oordinatında herhangi bir t anındai onumu, ( ) ( ) x t = x& t ; cismin x oordinatında herhangi bir t anındai hızı, 2 ( ) = ( ) = ( ) x t x& t && x t ; cismin x oordinatında herhangi bir t anındai ivmesi, 3 2 ( ) = && ( ) = Ω& ( ) x t x t y t y 3 ( ) olma üzere, t ; cismin y oordinatında herhangi bir t anındai onumu, ( ) ( ) y t = y& t ; cismin y oordinatında herhangi bir t anındai hızı, 2 ( ) = ( ) = ( ) y t y& t && y t ; cismin y oordinatında herhangi bir t anındai ivmesi, 3 2 ( ) = && ( ) =Ω& ( ) y t y t x t 3 dır. Burada Ω> 0, sola doğru oordineli dönüş açısını ifade etmetedir. x ve y oordinatlarındai hareetin birbirinden bağımsız olduğu ve sistemde gürültü olmadığı varsayımı altında, durum bileşenleri olara; cismin x oordinatındai onumu, x oordinatındai hızı, y oordinatındai onumu ve y oordinatındai hızı olma üzere durum vetörü; x t = x t x t y t y t (2.4) ( ) ( ) ( ) ( ) ( ) 2 2 dır. Durum denlemi; ( ) = Ax( t) x& t ve sistem matrisi; Ω A= Ω 0 0 dır. (2.5) 8
17 Bu durumda sistem geçiş matrisi; sinωt cosωt 0 Ω Ω At 0 cosωt 0 sinωt Φ ( t) = e = (2.6) cosωt sinωt 0 Ω Ω 0 sinωt 0 cosωt olara bulunur. Uça ya da diğer uçan cisimler, genellile bu tip oordineli dönüşler yaparlar (Bar-Shalom et al. 200). 2.2 Lineer Kesili-Zaman Stoasti Durum-Uzay Modeli Lineer esili-zaman sistemlerinde durum-uzay modellerinin gösteriminde girdinin, t ve t + örneleme anları arasında sabit olduğu varsayılır, yani; u( t) u t = t t< t + dır. Dolayısıyla, t + anındai durum denlemi, (2.5) eşitliği diate alındığında, t anındai durum vetörü cinsinden; ( ) (, ) ( ) (, ) ( ) ( ) x t =Φ t t x t + G t t u t + w t (2.7) dır. Burada, Φ, sistemin, boyutları uygun olara seçilmiş olan durum transfer matrisini, G, örneleme süreci boyunca sabit olduğu varsayılan ontrol vetörünün boyutları uygun şeilde seçilmiş olan esili-zaman azanç matrisini ve w( t ) esili-zaman süreç gürültüsünü göstermetedir. Zamandan bağımsız süreli-zaman sistemleri için, rasgele anlarda örnelem alınara elde edilen sistem transfer matrisi; ( t t ) A Φ t t =Φ t t = e + Φ (2.8) Kontrol azancı; (, ) ( ) + + t + ( ) (, t A G t t) e τ + + = Bdτ G (2.9) t Süreli-zaman süreç gürültüsü ile ilişili olan esili-zaman süreç gürültüsü; + ( t τ ) A + w t = e Dw% t dτ w (2.20) ( ) t ( ) t 9
18 dır. w% ( t ) üzerindei, 0-ortalama ve beyaz gürültü varsayımları altında, esili-zaman süreç gürültüsü için; dır. Burada, değerleri için; E[ w ] = 0 (2.2) E w w = Qδ, δ = 0, (2.22) δ, Kronecer delta fonsiyonudur. Beyaz gürültü süreçlerinin her, = dır. Kesili-zaman süreç gürültüsünün ovaryansı; t + ( t τ ) A ( t τ ) A + + Q = e DV τ D e dτ (2.23) t ( ) dır. Kesili-zaman lineer stoasti durum-uzay modeli; x =Φ x + G u + w (2.24) + z = H x + v (2.25) dir. Burada, x, z, n x boyutlu sistem durum vetörü, u, n u boyutlu ontrol vetörü ve n z boyutlu gözlem vetörüdür. u girdisinin ve boyutları uygun şeilde seçilmiş olan Φ, G ve H matrislerinin bilindiği, ayrıca w nın 0 ortalamalı, bilinen Q ovaryanslı beyaz gürültü süreci olduğu varsayılmıştır. Burada, v gözlem gürültüsü olma üzere; E[ v ] = 0 (2.26) E vv = Rδ (2.27) dır. Burada, R, bilinen esili-zaman gözlem ovaryansını, δ, Kronecer delta fonsiyonunu göstermetedir. Ayrıca, süreç ve gözlem gürültüsünün birbiri ile ilişisiz olduğu varsayılmıştır. E w v = 0, (2.28) Bazı durumlarda, esilileştirilmiş süreli-zaman durum denlemini ullanma yerine, doğrudan esili-zamanda tanımlanmış durum denleminin ullanılması daha elverişli 0
19 olabilir. Bu durumda, beyaz gürültü olduğu varsayılan süreç gürültüsü, azancı ile birlite sisteme girer. Bu şeilde durum denlemi; + Γ gürültü x =Φ x + G u +Γ w (2.29) olara değişir. Bu oşullar altında, bilinen ovaryans matrisi Q, doğrudan tanımlanabilir. Eğer, esili-zaman durum-uzay modeli zamandan bağımsızsa, yani; Φ =Φ, G = G, H = H zamandan bağımsız esili-zaman durum-uzay modeli; x =Φ x + + Gu + w z = Hx + v eşitlileri ile verilir. Kesili-zaman durum denlemi; nin çözümü; x =Φ x + + G u + w i 2 0 [ ] (2.30) x = Φ x + Φ G u + w i i i = 0 i= 0 = 0 dır (Bryson and Ho 969, Jazwinsi 970, Anderson and Moore 979, Kumar and Varaiya 986, Chui and Chen 99,Bar-Shalom et al. 200).
20 3. KESİKLİ-ZAMAN HAREKET MODELLERİNİN ELDE EDİLMESİ Durum-uzay modellerinin en ço ullanıldığı alanlardan birisi hareetli hedeflerin onumlarının izlenmesidir. Bu masatla ullanılan, esili-zaman hareet modelleri; süreli-zaman durum-uzay modelinin esilileştirilmesi ile ya da esili-zaman durumuzay modelinin ullanılması ile elde edilebilir. Eğer, örnelem periyotları arasında, hızda veya ivmede bir değişim meydana geliyorsa, süreli-zaman durum-uzay modeli, bu anlar arasında model sabitse, esili-zaman durum-uzay modeli ullanılabilir (Bar- Shalom et al. 200). 3. Süreli-Zaman Hareet Modellerinin Kesilileştirilmesi Hareet modelleri, onumun belli türevlerinin sıfıra eşitlenmesi ile tanımlanır. Eğer sistemde rasgele girdi yosa, bu modeller, her t anında bir polinom tarafından tanımlanan hareeti üretirler. Anca, sistemde gürültü olmadığını varsayma gerçeçi bir yalaşım değildir. Dolayısıyla, bu gürültüler rasgele girdi olara modellenebilir. Modellemenin bir yolu, süreli-zaman beyaz gürültü süreçlerini ullanmatır. Hedef taibinde gözlemler, genellile esili zamanda alındığı için, ilgilenilen süreli-zaman durum denlemine ait esili-zaman durum denlemine ihtiyaç duyulmatadır. Genelde, her bir oordinattai hareetin, diğer oordinatlarla ilişisiz olduğu ve değişi oordinatlara eti eden gürültülerin birbirlerinden bağımsız ve farlı varyanslara sahip olabileceği varsayılır. Bu bölümde, te oordinat üzerindei hareet modelleri üzerinde durulacatır. 3.. Süreli-zaman sabit hızlanma modeli Bir oordinat üzerinde sabit hızla hareet eden bir cisim için; x ( ) t ; cismin herhangi bir t anındai onumu, ( ) ( ) x t = x& t ; cismin herhangi bir t anındai hızı, 2 olma üzere, ( ) = ( ) = ( ) x t x& t && x t ; cismin herhangi bir t anındai ivmesi, 3 2 2
21 ( ) && ( ) x t x t 3 = = 0 dır. Yani, bir oordinat üzerinde sabit hızla hareet eden bir cismin ivmesi sıfıra eşittir. Anca gerçe durumda, hız ufa değişililer aydeder. Bu durum, süreli-zaman, 0 ortalamalı beyaz gürültü süreci w% ( t) ile; ( ) = ( ) && x t w% t (3.) şelinde modellenebilir. Burada; ( ) 0 E w% t = (3.2) E w( t) w( τ) = q( t) δ( t τ ) % % % (3.3) dır. Burada q% ( t), süreli-zaman süreç gürültü yoğunluğudur. İi boyutlu durum vetörü; x( t) = x( t) x2( t ) ile gösterilir. Süreli-zaman durum denlemi; dır. Burada; ( ) = ( ) + ( ) x& t Ax t Dw% t 0 A= D= şelindedir. T örnelem periyotlu esili-zaman durum denlemi; x =Φ + x + w biçimindedir. Burada; 2 2 AT A T Φ= e = I+ AT+ +L 2! T = T L 2 = T 0 olara bulunur. 3
22 0 ortalamalı esili-zaman sistem gürültüsü; T A( T τ) % 0 ( τ) w = e Dw T+ d τ olara elde edilir. (3.3) eşitliği ullanılara ve q% değerinin sabit olduğu varsayıldığında, süreç gürültüsünün ovaryansı; Q = E w w T T τ = [ T τ ] qd τ % T T 3 2 = q% 2 T T 2 olara bulunur. Sadece cismin onum bilgilerine sahip olduğu düşünülürse ve bu ölçümün hatalı olduğu göz önüne alınırsa, gözlem denlemi; [ 0] z = x + v biçiminde yazılabilir. Burada, v hata terimi, 0 ortalamalı ve E vv = R varyanslı beyaz gürültü sürecidir. Sonuç olara, cismin hareeti için esili-zaman durum-uzay modeli; T x = x + w 0 + [ 0] z = x + v eşitlileri ile verilir. T örnelem periyodu süresince hızda aydedilen değişili; Q22 = qt % (3.4) olara yazılabilir. (3.4) eşitliği, süreli-zaman süreç gürültü yoğunluğunun seçiminde ullanılabilir. Süreli-zaman sabit hızlanma modeli için q%, üçü olara seçilmelidir. Çünü, hızdai değişili, gerçe hız ile arşılaştırıldığında ço üçü olmalıdır (Bar- Shalom et al. 200). 4
23 3..2 Süreli-zaman sabit ivmelenme modeli Bir oordinat üzerinde sabit ivmeyle hareet eden bir cisim için; x ( ) olma üzere, t ; cismin herhangi bir t anındai onumu, ( ) ( ) x t = x& t ; cismin herhangi bir t anındai hızı, 2 ( ) = ( ) = ( ) x t x& t && x t ; cismin herhangi bir t anındai ivmesi, 3 2 ( ) ( ) x& t &&& x t 3 = = 0 dır. Yani bir oordinat üzerinde sabit ivmeli hareet eden bir cismin ivmesinin türevi sıfıra eşittir. Anca gerçe durumda, ivme ufa değişililer aydeder. Bu değişililer, süreli-zaman 0 ortalamalı beyaz gürültü süreci w% ( t) ile modellenebilir. ( ) = ( ) &&& x t w% t (3.5) olara yazılabilir. Burada; ( ) 0 E w% t = (3.6) E w( t) w( τ) = q( t) δ( t τ ) % % % (3.7) dır ve q% ( t) süreli-zaman süreç gürültü yoğunluğudur. Üç boyutlu durum vetörü; x( t) = x( t) x2( t) x3( t ) ile gösterilir. Süreli-zaman durum denlemi; dır. Burada, ( ) = ( ) + ( ) x& t Ax t Dw% t 0 0 A= D= 0 dır. T örnelem periyotlu esili-zaman durum denlemi; x =Φ + x + w 5
24 dır. Burada, AT A T A T Φ= e = I+ AT+ + +L 2! 3! = T T T L T T 2 = 0 T 0 0 olara bulunur. 0 ortalamalı esili-zaman süreç gürültüsü; T A( T τ) % 0 ( τ) w = e Dw T+ d τ olara elde edilir. (3.7) eşitliği ullanılara ve q% değerinin sabit olduğu durumda, sistem gürültüsünün ovaryansı, Q = E w w T T T T T T = T T T q% olara bulunur. Sadece cismin onumunun ölçüldüğü düşünülürse ve bu ölçümün hatalı olduğu göz önüne alınırsa, gözlem denlemi; [ 0 0] z = x + v olara yazılabilir. Burada, v hata terimi, 0 ortalamalı ve E vv = R gürültü sürecidir. varyanslı beyaz 6
25 Cismin hareeti için esili-zaman durum-uzay modeli; 2 T T 2 x = 0 T x + w [ 0 0] z = x + v eşitlileri ile gösterilir. T örnelem periyodu süresince ivmede aydedilen değişili; Q33 = qt % (3.8) olara yazılabilir. (3.8) eşitliği, süreli-zaman süreç gürültü yoğunluğunun seçiminde ullanılabilir. Süreli-zaman sabit ivmelenme modeli için, q% nun üçü olara seçilmesi önerilir. Yani, ivmedei T örnelem aralığı boyunca qt % derecesinde meydana gelen değişili, gerçe ivme düzeyi ile arşılaştırıldığında ço üçü olmalıdır (Bar-Shalom et al. 200). 3.2 Kesili-Zaman Hareet Modelleri Yaygın olara ullanılan diğer hareet modelleri ise esili-zamanda tanımlanır. Kesili-zaman sistem gürültüsü w, 0 ortalamalı, sahip beyaz gürültü sürecidir. Kesili-zaman durum denlemi; x =Φ x +Γ w + E w w = σ δ 2 w ovaryansına dır. Burada, Γ, uygun boyutlarda seçilmiş gürültü azanç matrisidir. İinci dereceden bir modelde, hedefin her T genişliğindei örnelem periyodu süresince sabit ivmeli hareet yaptığı ve bu ivmelerin periyotlar arasında ilişisiz olduğu varsayılır Kesili-zaman sabit hızlanma modeli Eğer, w, T genişliğindei ncı örnelem periyodu süresince sabit ivme olara abul edilirse, bu periyot süresince hızdai artış, büyülüğündedir. w T ve bu ivmenin onuma etisi, w T 2 7
26 Bu model için durum denlemi; x =Φ x +Γ w + dır. Süreç gürültüsü, geçiş matrisi; T Φ= 0 ve gürültü azanç vetörü; 2 2 T Γ= T w, esili-zaman 0 ortalamalı beyaz gürültü sürecidir. Sistem dır. Cismin hareeti için esili-zaman durum-uzay modeli; T T x x w 0 T 2 + = + 2 [ 0] z = x + v eşitlileri ile verilir. Burada, T örnelem periyodunu göstermetedir. Modelde yer alan w ve v hata terimleri 0 ortalamalı beyaz gürültü süreçleridir. Γ azanç matrisi ile çarpılmış süreç gürültüsünün ovaryans matrisi; Q= E Γw w Γ =Γσ Γ 2 w 4 3 T T 4 2 = σ 3 2 T T 2 2 w dır. Süreç gürültü varyansı σ w nin seçimi bu model için, masimum ivme büyülüğü, σ dir a m, adar olmalıdır. Uygulamalarda önerilebilece olan aralı, 0.5a m w a m (Bar-Shalom et al. 200). 8
27 3.2.2 Kesili-zaman sabit ivmelenme modeli Bu modelde, beyaz sistem gürültüsü w, ncı örnelem periyodu süresince ivmedei artıştır ve 0 ortalamalı beyaz gürültü olduğu varsayılır. Bu model için durum denlemi; x =Φ x +Γ w + dır. Burada, sistem geçiş matrisi; 2 T T 2 Φ= 0 T 0 0 ve gürültü azancı; ile verilir. 2 T 2 Γ= T Cismin hareeti için esili-zaman durum-uzay modeli; 2 2 T T 2 T 2 x = 0 T x + T w [ 0 0] z = x + v eşitlileri ile verilir. Burada, T örnelem periyodudur. Modelde yer alan gözlem gürültüsü, v, 0 ortalamalı ve E vv = R azanç matrisi ile çarpılmış süreç gürültüsünün ovaryans matrisi; Q= E Γw w Γ =Γσ Γ 2 w varyanslı beyaz gürültü sürecidir. Γ 9
28 4 3 2 T T T = T T T σ 2 2 T T w dir. Süreç gürültü varyansı σ w nin seçimi bu model için, masimum ivme artışı, adar olmalıdır. Uygulamalarda önerilebilece olan aralı, 0.5 am σ w am dir (Bar- Shalom et al. 200). am 20
29 4. DİNAMİK SİSTEMLERDE LİNEER TAHMİN-KALMAN FİLTRESİ Sivil ve aserî alanda, hedef taibi sistemlerine duyulan artan bilgi isteği, bir ya da daha fazla algılayıcıdan alınan gözlemleri ullanara hareetli hedefleri taip edebilme yeteneğine sahip olan algoritmalara duyulan ilgiyi artırmıştır. Taip, hedefin güncel durumu, yani onumu, hızı, ivmesi veya dönüş oranını tahmin edebilme için hedeften alınan gürültülü ölçümlerin işlenmesidir. Basit bir taip sistemi, Şeil 4. dei gibi; algılayıcı, sinyal işleyici ve taip ediciden oluşur. Algılayıcı, hedeften gözlem elde etme için ullanılır. Algılayıcıdan elde edilen bilgiler, taip algoritmasına girmeden önce sinyal işleyici tarafından işlenir. Eğer, sinyal düzeyi algoritmaya giremeyece adar düşüse, yani sinyal düzeyinde bir yüseltmeye ihtiyaç duyuluyorsa veya ölçümler doğru forma soulacasa, sinyal işleyici ullanılır. Taip edicinin amacı, filtreleme yoluyla, ölçümlerdei gürültünün etisini azaltma ve daha iyi durum tahminlerini elde etmetir. Taip algoritmasının performansı, ullanılan durum tahmin edicisine bağlıdır. Hedef Eletromanyeti ya da Austi Eneri Gürültü Algılayıcı Sinyal Sinyal İşleyici Ölçümler Taip Edici Hedefe ait Durum Tahminleri Şeil 4. Taip Modeli 2
30 Taip uygulamalarını, su altı sistemlerinden, uzay silâh sistemlerine adar ço çeşitli alanlarda görme mümündür. Örneğin, aserî çalışmalarda, ara, hava, deniz ve uzaydai hedeflerin, ayrıca her bir silâhın ya da silâh sistemlerinin taibi için ullanılıren, sivil setörde hava trafi ontrolü, azaları önleme, gemi seferlerinin ontrolü vb. alanlarda ullanılmatadır. Filtreleme, durum-uzay modelinde, gözlenemeyen x durum vetörünü z, K, z, z gözlemlerini ullanara tahmin etmetir (Jazwinsi 970). İndirgemeli tahmin; sadece anındai z gözlemine ve - anındai x tahminine bağlı olara, anındai ˆ durumunun en iyi x ˆ değerini tahmin etme problemidir ve Kalman (960) tarafından di izdüşüm yöntemiyle çözülmüştür. Literatürde bu çözüm Kalman filtresi olara bilinir. Hedef taibi uygulamalarında, Kalman filtresi ullanımının pe ço faydası bulunmatadır. Örneğin, Kalman filtresi algoritmalarının, bilgisayar dilleri ullanılara çalıştırılması olduça olaydır. Ayrıca indirgemeli bir algoritma olduğu için geçmiş verileri depolamaz, dolayısıyla da işlem yüünü azaltır. x Kesili-zaman durum-uzay modeli ; x =Φ x + G u + w = 0,,... (4.) + z = H x + v = 0,,... (4.2) dır. Burada; x, n x boyutlu durum vetörünü, z, n z boyutlu gözlem vetörünü ve u, n u boyutlu ontrol vetörünü göstermetedir. Ayrıca, (4.) ve (4.2) ile verilen durumuzay modeli ile ilgili olara aşağıdai varsayımlar abul edilmiştir:. Tüm = 0,, 2, K anlarında, Φ, uygun şeilde seçilmiş ve bilinen matrislerdir. hareeti, vs.). H, G, Q ve R matrisleri boyutları 2. u girdi vetörü bilinmetedir (Örn. Kontrol ya da sensör platformunun 3. w, v stoasti süreçleri; n w ve n v boyutlu, 0 ortalamalı ve Q, ovaryanslarına sahip, birbiri ile ilişisiz ve Normal dağılıma sahip olan süreç ve gözlem gürültüleridir. R 22
31 4. Başlangıç durumu (oşulu) x 0, bilinen x 0 ortalamasına ve P 0 varyansına sahip Normal dağılımlı rasgele süreç olara modellenir ve süreç ve gözlem gürültüleri ile ilişisizdir. (Jazwinsi 970, Anderson and Moore 979, Chui and Chen 99). (4.) dei durum denleminde bulunan w süreç gürültüsü bazı durumlarda, Γ w olara alınır. Burada, n Γ, x w n boyutlu bir matristir. Dolayısıyla, durum denlemindei w gürültüsünün ovaryansı; E [ Γw][ Γ w] =ΓQ Γ (4.3) olara hesaplanır. (4.) ve (4.2) eşitlileri lineer bir yapıya sahip olduları için, durum ve gözlem vetörü Normal dağılıma sahiptir. (4.4) eşitliği anında uygun olan ölçüm dizisi olma üzere; {, } (4.4) Z z xˆ (4.5) eşitliği; Eğer Eğer, Eğer, E x Z (4.5) = ise, durum tahminini (filtre değeri), < ise, durumun düzgünleştirilmiş (smoothed) değerini, > ise, durum öngörüsünü ifade etme için ullanılır. Tahmin hatası; dır. x% x xˆ (4.6) Z gözlemleri verildiğinde x durumunun oşullu ovaryans matrisi ( ˆ )( ˆ ) P E x x x x Z = E x% x% Z (4.7) dır. Kalman filtresinin eşitlileri değişi yollardan elde edilebilir. Bu yollardan biri, stati tahmin eşitlilerinin oluşum mantığının, dinami sistemlere genişletilmesi yalaşımıdır. Aşağıda stati sistemler için, en üçü hata areleri ortalaması (EKHKO) ölçütüne göre durum tahminin elde edilmesi onusu üzerinde durulmuştur. 23
32 Birleşi Normal dağılıma sahip x ve z rasgele vetörleri ele alınsın. Burada, x tahmin edilece rasgele değişeni, z ise gözlemi ifade etmetedir. x y= z (4.8) olara gösterilirse, y N y, P yy (4.9) dir. Yani, y değişeni; x y = z (4.0) ortalaması ve P P P xx xz yy = Pzx P zz ovaryansı ile Normal dağılıma sahiptir. Burada, x, x ortalamasına ve (4.) Pxx = E x x x x ( )( ) ovaryansına sahiptir. x ile z arasındai ovaryans matrisi ise; ile gösterilir. Pxz = E ( x x)( z z ) = P zx (4.2) (4.3) Bu oşullar altında, EKHKO ölçütüne göre, x in z cinsinden tahmini, x in z ye göre oşullu ortalamasına eşittir. Yani, ( ) = min ( ˆ ) 2 EKHKO xˆ z arg E x x z x eşitliğinin çözümü x in z ye göre oşullu ortalamasıdır. (4.4) ˆ EKHKO ( ) = = ( ) x z E x z xp x z dx (4.5) Vetör rasgele değişenler için (4.5) eşitliği, hata areleri normunun belenen değerinin gradyantı (türevi) 0 a eşitlenere, (4.6) dei gibi bulunur. d ( ˆ ) ( ˆ E x x x x ) Z = 2 x ˆ E ( x z ) = 0 dx (4.6) 24
33 Sonuç olara, EKHKO ölçütüne göre, x in z cinsinden tahmini, x in z ye göre oşullu ortalamasına eşittir. x ve z, (4.9) dai gibi birleşi Normal dağılıma sahip ise, x in z ye göre tahmini; ˆ xz zz ( ) x= E x z = x+ P P z z (4.7) Koşullu ovaryansı; P E ( x xˆ )( x xˆ xx z ) = z = Pxx Pxz Pzz Pzx (4.8) dır. EKHKO riterine göre, x ve z nin birleşi Normal dağılıma sahip olmaları varsayımı altında; (4.7) dei x in z ye göre optimal tahmini, z nin lineer fonsiyonudur ve (4.8) dei oşullu ovaryans matrisi, gözlemlerden bağımsızdır (Bar-Shalom et al. 200). 4. Kalman Filtresinin Elde Edilmesi Kalman filtresi algoritması, x 0 başlangıç durumuna ait ˆx tahmininin ve P başlangıç ovaryansının bilindiğinin abul edilmesi ile başlar. 0 Z, başlangıç bilgisini ifade etme üzere, algoritmanın bir döngüsü içerisinde, anına adar ( dahil) bütün gözlemler verildiğinde durum vetörünün oşullu ortalaması; xˆ E x Z (4.9) ve ovaryans matrisi; ( ˆ )( ˆ ) P E x x x x Z (4.20) ullanılara, + anındai x + + ve P + + tahmin değerlerine ulaşılır. Bu bilgiler ˆ ışığında, Kalman filtresinin + anındai durum tahmini ve ovaryansı, ardışı tahmin denlemleri olan, (4.7) ve (4.8) dei ˆ xz zz ( ) x= E x z = x+ P P z z P E ( x xˆ )( x xˆ xx z ) = z = P P P P xx xz zz zx stati tahmin eşitlilerinde, aşağıdai yerine oyma işlemleri yapılara elde edilebilir. Bu işlem, işareti ile ifade edilmiştir. 25
34 . + anında tahmin edilece olan durum vetörü: x x + (4.2) 2. Durum öngörüsü: x xˆ E x Z (4.22) 3. Gözlem vetörü: + + z z + (4.23) 4. Gözlem öngörüsü: z zˆ E z Z (4.24) Güncellenmiş durum tahmini: x ˆ x ˆ E x Z + (4.25) Durum öngörü ovaryansı: Pxx P cov x Z cov x Z + + = % (4.26) + 7. Gözlem öngörü ovaryansı: 8. Pzz S+ cov z Z cov + z Z = % (4.27) + x + ve z + arasındai ovaryans: Pxz cov x, z Z cov x z Z + + = % % (4.28) Güncellenmiş durum tahmin ovaryansı: + + P P cov x Z cov x Z xx z = % (4.29) Filtre azancı: P P K = cov x, z Z S xz zz (4.30) Burada (4.) ve (4.2) de sunulan esili-zaman durum-uzay modelinin durum öngörüsü; dır. xˆ = E x Z = E Φ x + Gu + w Z Süreç gürültüsü + + w, 0 ortalamalı beyaz gürültü süreci olduğu için; (4.3) xˆ =Φ xˆ + G u (4.32) + 26
35 Durum öngörü hatası; x% = x xˆ =Φ x% + w (4.33) olara bulunur. Buradan görülmetedir i, üzerine hiçbir etisi yotur. Durum öngörü ovaryansı; u girdisi bilindiği sürece, tahmin hatası [ ] P = E x% x% Z =Φ E x% x% Z Φ + E w w dır. Gözlem öngörüsü; =Φ P Φ + Q (4.34) zˆ E z Z E H x v Z (4.35) = + = dır. Burada gözlem gürültüsü v +, 0 ortalamalı beyaz gürültü süreci olduğu için; zˆ = H xˆ (4.36) dır. Gözlem öngörü hatası; z% = z zˆ = H x% + v (4.37) ve gözlem öngörü ovaryansı; S = H P H + R (4.38) ile gösterilir. (4.28) dei, x + durumu ve z + gözlemi arasındai ovaryans, (4.37) ullanılara; ( + + ) E x% z% Z = E x H x v Z + + % % = P H + (4.39) olara bulunur. Burada (4.30) dai eşitli, (4.38) ve (4.39) ullanılara; K = P H S (4.40) olara elde edilir ve filtre azancı olara adlandırılır. Dolayısıyla, güncellenmiş durum tahmini; dır. xˆ = xˆ + K + υ + (4.4)
36 Burada; = z zˆ υ = % (4.42) z + ile gösterilir ve innovasyon ya da gözlem hatası olara adlandırılır. + anındai güncellenmiş ovaryans eşitliği; P = P P H S H P [ ] = I K H P = P K S K (4.43) olara bulunur. Sonuç olara, başlangıç değerleri ile Kalman filtresi algoritması; P =Φ P Φ + Q (4.44) + [ ] P = I K H P (4.45) ( ) K = P H H P H + R (4.46) xˆ =Φ xˆ + G u (4.47) + ( ) xˆ = xˆ + K z H xˆ (4.48) eşitlileri ile verilir (Bar-Shalom et al. 200). 4.2 Filtre Kazancının Yorumlanması (4.40) eşitliğindei filtre azancı (sade bir yalaşımla, sadece sayısal değeri açısından incelenirse);. Durum öngörüsünün varyansı ile doğru, 2. İnnovasyon ovaryansı ile ters orantılıdır. Dolayısıyla, eğer durum öngörüsü hatalı (büyü varyansa sahip), ölçümler doğru (öngörünün varyansına ıyasla daha üçü varyansa sahip) ise, azanç büyü, Eğer durum öngörüsü doğru (üçü varyansa sahip), ölçümler hatalı (öngörünün varyansına ıyasla daha büyü varyansa sahip) ise, azanç üçü olur. Büyü azanç, durum tahmini güncelleniren ölçümlere daha fazla ağırlı verildiği anlamına geliren, üçü azanç, durum tahmini güncelleniren ölçümlere daha az 28
37 ağırlı verildiği anlamına gelir. Bu özelliler, freans anlamında filtrenin, yüse ya da düşü band genişliğine sahip olması anlamına gelir. Başa bir deyişle, optimal azancı yüse olan filtrede, daha az gürültü azaltımı meydana gelir, yani gelen gözlemlere güvenilir ve dolayısıyla filtrenin, daha yüse bir band genişliğine sahip olduğu söylenebilir. Sonuç olara, başlangıç oşulu ve sisteme giren bütün gürültülerin Normal dağılıma sahip olması varsayımı altında, Kalman filtresi optimal EKHKO tahmin edicisidir. Şeil 4.2 de Kalman filtre algoritmasının bir döngüsü verilmiştir. Burada diat edilmelidir i, her anında, sistemin geçmişi, x ˆ ve P tarafından özetlenmetedir. Her bir durum tahmin döngüsü içerisinde; durum ve gözlem öngörüsü ve sonra durum tahminin güncellenmesi yapılır. Durum tahmininin güncellenebilmesi için, ovaryans hesaplamalarından elde edilen Kalman azancı ullanılır. Kovaryans hesaplamaları, durumdan ve (bilinen ontrol girdisinden) bağımsızdır, dolayısıyla, filtre içerisinde durum tahmin döngüsünden ayrı olara hesaplanır (Bar-Shalom et al. 200).. 29
38 Sistemin gerçe durum değerlerinin hesaplanması Bilinen girdi Durum tahmini Durum ovaryansının hesaplanması anındai durum x anındai girdi u anındai durum tahmini x ˆ anındai durum ovaryansı P w + anına geçiş x =Φ x + + G u + w Durum öngörüsü xˆ =Φ xˆ + G u + Durum öngörü ovaryansı P =Φ P Φ + Q + Gözlem öngörüsü zˆ = H xˆ İnnovasyon ovaryansı S = H P H + R v + + dei gözlem z = H x + v Gözlem hatası = z zˆ υ Filtre azancı K = P H S Güncellenmiş durum tahmini xˆ = xˆ + K + υ Güncellenmiş durum ovaryansı P P K S K = Şeil 4.2 Kalman Filtresinde Durum Tahmini 30
39 4.3 Sistem Modelinin Olabilirli Fonsiyonunun Özellileri ya adar olan bütün gözlemler; Z ile ifade edilirse, dır. Burada, { z( ) } = = (4.49) Z nın birleşi olasılı fonsiyonu; ( ), p Z = p z Z ( ) = p z Z p Z i p z( i), Z (4.50) = i= 0 Z önsel bilgidir. Eğer, yuarıdai olasılı yoğunlu fonsiyonları Normal dağılıma sahip ise; i ( ), =Ν ( ); ˆ( ), ( ) p z i Z z i z i i S i ( ) ˆ ( );0, ( ) =Ν z i z i i S i ( i) ;0, S( i) =Ν ν ( i) = p ν (4.5) dır. (4.5) de elde edilen sonuç, (4.50) de ullanılırsa; p Z p i = ν( ) i= elde edilir. Bunun anlamı, gözlem dizisinin birleşi olasılı yoğunlu fonsiyonu, bu gözlemlere ait olan innovasyonların çarpımlarına eşittir (Bar-Shalom et al. 200). 4.4 X-Y Koordinatları Üzerinde Sabit İvmeli Hareet Yapan Cisim İçin Benzetim Çalışması Bu bölümde, X-Y oordinatlarında sabit ivmeyle hareet yapan cismin durum-uzay modeli ullanılara benzetim çalışması yapılmış ve Kalman filtresinin doğru ve yanlış modelde nasıl davrandığı gözlemlenmiştir. 3
40 Bu cisim için durum vetörü; x= [ x x& && x y y& && y ] dır. Bu model için durum denlemi; x =Φ x +Γ w + dır. Sistem gürültüsü geçiş matrisi; w, esili-zaman 0 ortalamalı beyaz gürültü sürecidir. Sistem 2 T T T T T T Φ= 2 gürültü azanç matrisi; 2 T 0 2 T 0 0 T T 0 Γ= 2 dir. Cismin hareeti ile ilgili durum-uzay modeli; 2 2 T T T T T x = x + w T T T T 0 T z = x + v (4.52) (4.53) 32
41 eşitlileri ile verilir. Burada, T örnelem periyodunu göstermetedir. Benzetim çalışmasında gürültü süreçleri; w v N N ( 0,00) ( 0,36) başlangıç durumu; x 0 = [ ] ve örnelem periyodu T = 0. olara alınmıştır. Yanlış sistem transfer matrisi olara; 2 T T T T T T Φ= 2 alınmıştır. Benzetim çalışmasında filtrenin tutarlılığını test etme amacıyla, Normalleştirilmiş Hata Kareleri Normu (NHKN) ile benzetim çalışmasının sonuçları arşılaştırılmıştır. Hata vetörü; x% = x xˆ olara alınırsa NHKN; ε = x% P x% (4.54) dır. Modeldei gürültü terimlerinin normal dağılıma sahip olduğu varsayılırsa (4.54) eşitliği ile verilen ε, serbestli derecesi n olan Ki-are dağılımına sahiptir. Yani; E [ ] ε = n x dir. Burada H 0 hipotezi, filtrenin tutarlı olması (durum tahmin hatalarının filtreden hesaplanan ovaryanslarla tutarlılığı) anlamındadır. Eğer; ε [ r, r ] 2 ise H 0 hipotezi abul edilir. Burada abul aralığı; { ε [ 2] 0} P r, r H = α 33
42 eşitliği tarafından belirlenir. Burada, n x = 6, α = 0,05 olara alındığında, % 95 anlam düzeyinde ii taraflı güven aralığı [ ] olara bulunur. Filtrenin tutarlı olup olmadığı (4.54) eşitliğinden hesaplanan değerlerin yalaşı % 95 inin bu aralığa düşüp düşmemesiyle söylenir (Bar-Shalom et al. 200). Şeil 4.3 ve Şeil 4.4 ile NHKN değerleri, doğru ve yanlış model için verilmiştir. Şeil 4.4 den görüleceği gibi hatalı filtre tutarlı değildir. Yani yanlış model, sistemi doğru temsil etmemetedir. Şeil 4.3 Doğru Model İçin NHKN Değerleri Şeil 4.4 Yanlış Model İçin NHKN Değerleri Algoritmaların performanslarını arşılaştırma için, n ( ) 2 ˆ AT = y H x (4.55) n = 34
43 artıların arelerinin toplamı ölçütü de ullanılabilir. (4.55) eşitliği, doğru ve yanlış model için hesaplanmış ve Şeil 4.5 ve Şeil 4.6 ile verilmiştir. Şeillerden de görülebileceği gibi yanlış modelin artıların areleri toplamı, doğru modelin artıların areleri toplamından daha büyütür. Şeil 4.5 Doğru Model İçin Artıların Kareleri Toplamı Şeil 4.6 Yanlış Model İçin Artıların Kareleri Toplamı Sabit ivmeli cismin hareetinin, doğru model için, gerçe yörüngesi, alınan gözlemleri ve yapılan tahmini Şeil 4.7 de verilmiştir. 35
44 Şeil 4.7 Doğru Model İçin Hareet Yörüngesi ve Tahmini Sabit ivmeli cismin hareetinin, yanlış model için, gerçe yörüngesi, alınan gözlemleri ve yapılan tahmini Şeil 4.8 de verilmiştir. Şeil 4.8 Yanlış Model İçin Hareet Yörüngesi ve Tahmini Sabit ivmeli cismin, doğru model altındai hareeti için; Şeil 4.9 da x oordinatındai onum hatası, Şeil 4.0 da x oordinatındai hız hatası, Şeil 4. de x oordinatındai ivmelenme hatası, Şeil 4.2 de y oordinatındai onum hatası, Şeil 4.3 te y oordinatındai hız hatası, Şeil 4.4 te y oordinatındai ivmelenme hatası, Şeil 4.5 te cismin x oordinatındai onumu, Şeil 4.6 da cismin x oordinatındai hızı, Şeil 4.7 de Cismin x oordinatındai ivmelenmesi, Şeil 4.8 de cismin y oordinatındai onumu, Şeil 4.9 da cismin y oordinatındai 36
45 hızı, Şeil 4.20 de cismin x oordinatındai ivmelenmesinin grafileri verilmiştir. Program odları EK (-2) de sunulmuştur. Şeil 4.9 x Koordinatındai Konum Hatası Şeil 4.0 x Koordinatındai Hız Hatası Şeil 4. x Koordinatındai İvmelenme Hatası 37
46 Şeil 4.2 y Koordinatındai Konum Hatası Şeil 4.3 y Koordinatındai Hız Hatası Şeil 4.4 y Koordinatındai İvmelenme Hatası 38
47 Şeil 4.5 Cismin x Koordinatındai Konumu Şeil 4.6 Cismin x Koordinatındai Hızı Şeil 4.7 Cismin x Koordinatındai İvmelenmesi 39
48 Şeil 4.8 Cismin y Koordinatındai Konumu Şeil 4.9 Cismin y Koordinatındai Hızı Şeil 4.20 Cismin y Koordinatındai İvmelenmesi 40
49 5. KESİKLİ-ZAMAN KALMAN FİLTRESİ NİN YANLIŞ GÜRÜLTÜ KOVARYANSLARINA KARŞI DUYARLILIĞI Lineer dinami sistemlerde, Kalman filtresinin en iyi tahmini verebilmesi için, sistem gürültüsünün ovaryans matrisi Q nun, gözlem gürültüsünün ovaryans matrisi R nin ve başlangıç hata ovaryans matrisi P 0 ın tam olara bilinmesi gerelidir. Anca, gerçe uygulamalarda, Q, R ve P 0 ovaryans matrisleri tam olara bilinmez ya da sadece yalaşı değerlerine ulaşılabilir. Bu bölümde, Q, R ve P 0 ovaryans matrislerindei değişililerin Kalman filtresinin optimalliğini nasıl etileyeceği onusu üzerinde durulacatır. Lineer esili-zamandan bağımsız durum-uzay modeli =,2, K için; dır. Burada; x =Φ x + w (5.) + z = Hx + v (5.2) x, n x boyutlu durum vetörünü ve z, n z boyutlu gözlem vetörünü göstermetedir. Ayrıca, (5.) ve (5.2) ile verilen durum-uzay modeli ile ilgili olara aşağıdai varsayımlar abul edilmiştir: matrislerdir.. Φ, H, Q ve R matrisleri boyutları uygun şeilde seçilmiş ve bilinen 2. w, v stoasti süreçleri; 0 ortalamalı ve Q, R ovaryanslarına sahip olan, birbiri ile ilişisiz ve Normal dağılıma sahip süreç ve gözlem gürültüleridir. 3. Başlangıç durumu (oşulu) x 0, bilinen x 0 ortalamasına ve P 0 varyansına sahip Normal dağılımlı rasgele süreç olara modellenir ve süreç ve gözlem gürültüleri ile ilişisizdir. (Jazwinsi 970, Anderson and Moore 979, Kumar and Varaiya 986). Kalman azancının, filtre gürültü ovaryanslarının aynı atsayı ile ağırlılandırılması sonucunda elde edilen değerinin değişmeden aldığı gösterilirse, güncellenmiş durum vetörü de değişmez dolayısıyla optimalli bozulmamış olur. 4
50 P + ( = P ), güncellenmiş durum tahmin ovaryansı, P ( P ) ovaryansı ve K Kalman azancı, başlangıç matrisi P0 ( P0 0) gürültü ovaryans matrisleri Q ve R ye bağlıdır. Dolayısıyla, = durum öngörü + =, sistem ve gözlem P +, P ve eşitlilerindei değişililerin, Q ve R matrislerindei değişililerden aynalandığı söylenebilir. Burada, sistem ve gözlem gürültü matrislerindei değişililerinden, P, P + ve K matrislerinin nasıl etilendiği üzerinde durulacatır. Terarlı algoritmalar: P =ΦP Φ + Q + + ( ) K = P H HP H + R ( ) P = I K H P + dır. Burada, lineer ve zamandan bağımsız sistem ele alındığı için, Φ sabit sistem geçiş matrisini, H sabit gözlem matrisini göstermetedir. K Teorem : Eşitli (5.) ve (5.2) dei lineer sistem göz önüne alınsın. =, 2,... için, P, Q, ( 0) 0 R > ve matrisleri ve 0 K, gerçe, başlangıç, sistem, gözlem ovaryansı ve Kalman azanç P %, Q % ve R ( > 0) % ise bunlara ait bozulmuş matrislerdir. Eğer, =, 2,... için P % 0 =α P, Q % Q 0 =α, R% =α R ve α > 0 ise, Kalman azanç matrisi α nın büyülüğünden bağımsızdır. Diğer bir deyişle, Kalman azancı Q ve R matrisinde meydana gelen bu değişiliten bağımsızdır. Ayrıca, P % = α P ve P% + = α P + olara hesaplanır. İspat: ( ) α( ) % α( ) α ( ) ( ) P% =ΦP% Φ + Q= ΦP Φ + Q = P K% P H HP H R P H HP H R K = α α + α = + = P = I K H P + P% = I K H P = α P + + olara bulunur. - ncı adım içinde bu sonuçların sağlandığı varsayılsın. ncı adım için elde edilen sonuçlar aşağıda verilmiştir. 42
51 P =ΦP Φ + Q + ( ) ( ) % α( ) ( ) ( ) P% =ΦP% Φ + Q= ΦP Φ + Q = α P + + K = P H HP H + R K% = α P H α HP H + α R = K P = I K H P + P% = I K H P% = α P + + Bu sonuçlar her değeri için geçerlidir. Bu oşullar altında da Kalman azancının değişmediği, dolayısıyla, durum tahminin değişmediği ve optimal aldığı görülmüştür. Hatırlatma : HQH matrisi P% = α P, Q=αQ % ve R 0 ( R ) için teil olmayan bir matris olsun. Eğer, α > 0 için, = = % ise Kalman azanç matrisi α nın büyülüğünden bağımsızdır. Diğer bir deyişle, Kalman azancı, Q matrisinde meydana gelen bu değişiliten bağımsızdır. Ayrıca, P % = α P ve P% + = α P + olara hesaplanır. İspat: ( ) α ( α ) ( ) P% = α ΦP Φ + Q = P + 0 K% = α P H HP H = P H HP H = K ( ) α( ) P = I K H P + P% = I K H P = α P + + olara bulunur. - nci adım içinde bu sonuçların sağlandığı varsayılsın. ncı adım için elde edilen sonuçlar aşağıda verilmiştir. P =ΦP Φ + Q + ( ) ( ) % α( ) ( ) ( α ) P% =ΦP% Φ + Q= ΦP Φ + Q = α P + + K = P H HP H K% = α P H HP H = K P = I K H P + P% = I K H P% = α P
52 Sonuç olara, gözlem hatasının olmadığı ( R= 0 ) durumda süreç gürültü ovaryans matrisindei değişililer sonucu Kalman azancının değişmediği, dolayısıyla, durum tahminin değişmediği ve optimal aldığı görülmüştür. Hatırlatma 2: α > 0 ve,2,... = için, eğer Q 0( Q) = = %, P % 0 =α P ve 0 R % =α R ise Kalman azanç matrisi α nın büyülüğünden bağımsızdır. Diğer bir deyişle, Kalman azancı, R matrisinde meydana gelen bu değişiliten bağımsızdır. Ayrıca, P% = α P ve P% + = α P + olara hesaplanır. İspat: ( ) α( ) α( ) α ( ) ( ) P% =ΦP% Φ = ΦP Φ = P K% P H HP H R H P HP H R K = α α + α = + = P = I K H P + P% = I K H P = α P + + olara bulunur. - nci adım içinde bu sonuçların sağlandığı varsayılsın. ncı adım için elde edilen sonuçlar aşağıda verilmiştir. P =ΦP Φ + ( ) ( ) α( ) ( ) ( ) P% =ΦP% Φ = ΦP Φ = α P + + K = P H HP H + R K% P H HP H R K = α α + α = P = I K H P + P% = I K H P% = α P + + Bu sonuçlar her değeri için geçerlidir. Bu oşullar altında da Kalman azancının değişmediği, dolayısıyla, durum tahminin değişmediği ve optimal aldığı görülmüştür. Sonuç olara, yuarıdai varsayımlar altında filtre gürültü ovaryanslarının aynı atsayı ile ağırlılandırılması sonucunda, Kalman filtresinde meydana gelen değişililer, güncellenmiş durum tahmin ovaryansı ve durum öngörü ovaryans matrisi eşitlilerinde görülmetedir. Bu durumda Kalman azancı, dolayısıyla da durum tahmini aynı almatadır (Saab 995, Saab and Nasr 999). 44
53 (5.) ve (5.2) dei lineer esili-zamandan bağımsız durum-uzay modeli için x durum vetörü, z gözlem vetörü Φ, G, H bilinen matrisler, x,, 0 w v normal dağılımlı ilişisiz beyaz gürültü süreçleridir. (5.) ve (5.2) ile ilgili varsayımlar altında Kalman filtresi; P =Φ P Φ + Q / ( ) / = P I KH P ( ) K = P H H P H + R xˆ / / =Φ xˆ / ( ) xˆ = xˆ + K y H xˆ / / eşitlileri ile verilir. Kalman filtresindei sistem dinamileri ve ölçümler arasındai ilişi, lineer modeller tarafından tam olara ifade edilebiliyorsa, filtre, durumun en iyi tahminini verir. Faat, filtre hatalı bir model üzerine urulmuşsa, yanlış durum tahmini yapılabilir (Synder 973). Filtre tahmini çoğunlula geçmiş veriye dayanılara yapıldığı için, geçmiş veriye daha ço ağırlı verme, durum tahmininde ırasamaya neden olabilir. Bu problemin üstesinden gelme için, eğer geçmiş veriler, hatalı model ullanımından dolayı anlamlarını yitirmişlerse, bu verilerin güncel durum tahminine olan etisini azaltma ya da yo etme gereir. Bu masatla Fagin (964), geçmiş veriyi λ unutma fatörü yoluyla üstel olara ağırlılandıran bir metod geliştirmiştir. Bu apsamda Kalman filtresi; xˆ ve λ dir. =Φ xˆ / ( ) xˆ = xˆ + K y H xˆ / / ( ) K = P H H P H + R / / P = λ Φ PΦ + G Q G + / + ( ) / = P I KH P (5.3) (5.4) (5.5) (5.6) (5.7) 45
Matris Unutma Faktörü İle Uyarlanmış Kalman Filtresinin Başarım Değerlendirmesi
Fırat Üniv. Fen Bilimleri Dergisi Fırat Unv. Journal of Science 25(), 7-76, 23 25(), 7-76, 23 Matris Unutma Fatörü İle Uyarlanmış Kalman Filtresinin Başarım Değerlendirmesi Özet Cener BİÇER * Esin KÖKSAL
DetaylıStokastik Süreçler. Bir stokastik Süreç ya da rastgele süreç şöyle tanımlanabilir.
Stoasti Süreçler Bir stoasti Süreç ya da rastgele süreç şöyle tanımlanabilir. Zamanla değişen bir rastgele değişendir. Rastgele değişenin alacağı değer zamanla değişmetedir. Deney çıtılarına atanan rastgele
DetaylıMIXED REGRESYON TAHMİN EDİCİLERİNİN KARŞILAŞTIRILMASI. The Comparisions of Mixed Regression Estimators *
MIXED EGESYON TAHMİN EDİCİLEİNİN KAŞILAŞTIILMASI The Comparisions o Mixed egression Estimators * Sevgi AKGÜNEŞ KESTİ Ç.Ü.Fen Bilimleri Enstitüsü Matemati Anabilim Dalı Selahattin KAÇIANLA Ç.Ü.Fen Edebiyat
DetaylıÇoklu Unutma Faktörleri ile Uyarlı Kalman Filtresi İçin İyileştirme
Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi Cilt 33, Sayı, 7 Erciyes University Journal of Natural and Applied Sciences Volume 33, Issue, 7 Çolu Unutma Fatörleri ile Uyarlı Kalman Filtresi İçin
DetaylıRASGELE SÜREÇLER. Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk fonksiyonu aşağıdaki gibi olmalıdır.
RASGELE SÜREÇLER Eğer bir büyülüğün her t anında alacağı değeri te bir şeilde belirleyen matematisel bir ifade verilebilirse bu büyülüğün deterministi bir büyülü olduğu söylenebilir. Haberleşmeden habere
DetaylıKollektif Risk Modellemesinde Panjér Yöntemi
Douz Eylül Üniversitesi İtisadi ve İdari Bilimler Faültesi Dergisi, Cilt:6, Sayı:, Yıl:, ss.39-49. olletif Ris Modellemesinde anér Yöntemi ervin BAYAN İRVEN Güçan YAAR Özet Hayat dışı sigortalarda, olletif
DetaylıBAġKENT ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ. ÇOKLU MODEL PARÇACIK FĠLTRELERĠNDE AĞIRLIKLANDIRILMIġ ĠSTATĠSTĠKSEL MODEL SEÇĠMĠ MURAT BARKAN UÇAR
BAġKENT ÜNĠVERSĠTESĠ FEN BĠLĠMLERĠ ENSTĠTÜSÜ ÇOKLU MODEL PARÇACIK FĠLTRELERĠNDE AĞIRLIKLANDIRILMIġ ĠSTATĠSTĠKSEL MODEL SEÇĠMĠ MURAT BARKAN UÇAR YÜKSEK LĠSANS TEZĠ 2015 ÇOKLU MODEL PARÇACIK FĠLTRELERĠNDE
DetaylıKİNETİK MODELLERDE OPTİMUM PARAMETRE BELİRLEME İÇİN BİR YAZILIM: PARES
KİNETİK MODELLERDE OPTİMUM PARAMETRE BELİRLEME İÇİN BİR YAZILIM: PARES Mehmet YÜCEER, İlnur ATASOY, Rıdvan BERBER Anara Üniversitesi Mühendisli Faültesi Kimya Mühendisliği Bölümü Tandoğan- 0600 Anara (berber@eng.anara.edu.tr)
DetaylıDENEY 3. HOOKE YASASI. Amaç:
DENEY 3. HOOKE YASASI Amaç: ) Herhangi bir uvvet altındai yayın nasıl davrandığını araştırma ve bu davranışın Hooe Yasası ile tam olara açılandığını ispatlama. ) Kütle yay sisteminin salınım hareeti için
DetaylıKİ KARE TESTLERİ. Biyoistatistik (Ders 2: Ki Kare Testleri) Kİ-KARE TESTLERİ. Sağlıktan Yakınma Sigara Var Yok Toplam. İçen. İçmeyen.
Biyoistatisti (Ders : Ki Kare Testleri) Kİ KARE TESTLERİ Yrd. Doç. Dr. Ünal ERKORKMAZ Saarya Üniversitesi Tıp Faültesi Biyoistatisti Anabilim Dalı uerormaz@saarya.edu.tr Kİ-KARE TESTLERİ 1. Ki-are testleri
DetaylıKinematik Modeller. Kesikli Hale Getirilmiş Sürekli Zaman Kinematik Modeller: Rastgele giriş yok ise hareketi zamanın bir polinomu karakterize eder.
1 Kinematik durum modelleri konumun belirli bir türevi sıfıra eşitlenerek elde edilir. Rastgele giriş yok ise hareketi zamanın bir polinomu karakterize eder. Böyle modeller polinom modeller olarak ta bilinir
Detaylı) ile algoritma başlatılır.
GRADYANT YÖNTEMLER Bütün ısıtsız optimizasyon problemlerinde olduğu gibi, bir başlangıç notasından başlayara ardışı bir şeilde en iyi çözüme ulaşılır. Kısıtsız problemlerin çözümü aşağıdai algoritma izlenere
DetaylıLOGRANK TESTİ İÇİN GÜÇ ANALİZİ VE ÖRNEK GENİŞLİĞİNİN HESAPLANMASI ÖZET
IAAOJ, Scientific Science, 05, 3(), 9-8 LOGRANK TESTİ İÇİN GÜÇ ANALİZİ VE ÖRNEK GENİŞLİĞİNİN HESAPLANMASI Nesrin ALKAN, Yüsel TERZİ, B. Barış ALKAN Sinop Üniversitesi, Fen Edebiyat Faültesi, İstatisti
DetaylıÇok Yüksek Mobiliteli Sönümlemeli Kanallardaki OFDM Sistemleri için Kanal Kestirimi
9-11 Aralı 2009 Ço Yüse Mobiliteli Sönümlemeli Kanallardai OFDM Sistemleri için Kanal Kestirimi İstanbul Üniversitesi Eletri-Eletroni Mühendisliği Bölümü {myalcin, aan}@istanbul.edu.tr Sunum İçeriği Giriş
Detaylı4.2. SBM nin Beşeri Sermaye Değişkeni İle Genişletilmesi: MRW nin Beşeri Sermaye Modeli
112 4.2. SBM nin Beşeri Sermaye Değişeni İle Genişletilmesi: MRW nin Beşeri Sermaye Modeli MRW, Solow un büyüme modelini, beşeri sermaye olgusunu da atara genişletmetedir. Bu yeni biçimiyle model, genişletilmiş
DetaylıKABLOSUZ İLETİŞİM
KABLOSUZ İLETİŞİM 805540 KÜÇÜK ÖLÇEKLİ SÖNÜMLEME SÖNÜMLEMENİN MODELLENMESİ İçeri 3 Sönümleme yapısı Sönümlemenin modellenmesi Anara Üniversitesi, Eletri-Eletroni Mühendisliği Sönümleme Yapısı 4 Küçü ölçeli
DetaylıEZ ONAYI Haydar ANKIŞHAN tarafından hazırlanan Gürültülü Ses Sinyali İyileştirilmesine İili Kalman Filtre Yalaşımı adlı tez çalışması aşağıdai jüri ta
ANKARA ÜNİVERSİESİ FEN BİLİMLERİ ENSİÜSÜ YÜKSEK LİSANS EZİ GÜRÜLÜLÜ SES SİNYALİ İYİLEŞİRİLMESİNE İKİLİ KALMAN FİLRE YAKLAŞIMI HAYDAR ANKIŞHAN ELEKRONİK MÜHENDİSLİĞİ ANABİLİM DALI ANKARA 2007 i EZ ONAYI
DetaylıÇALIŞMA ŞARTLARINDA MODAL ANALİZ
İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇALIŞMA ŞARTLARINDA MODAL ANALİZ YÜKSEK LİSANS TEZİ Y. Müh. Ales KUYUMCUOĞLU Anabilim Dalı: Meatroni Mühendisliği Programı: Meatroni Mühendisliği HAZİRAN
DetaylıBasitleştirilmiş Kalman Filtresi ile Titreşimli Ortamda Sıvı Seviyesinin Ölçülmesi
Basitleştirilmiş Kalman Filtresi ile Titreşimli Ortamda Sıvı Seviyesinin Ölçülmesi M. Ozan AKI Yrd.Doç Dr. Erdem UÇAR ABSTRACT: Bu çalışmada, sıvıların seviye ölçümünde dalgalanmalardan aynalı meydana
DetaylıCahit Arf Liseler Arası Matematik Yarışması 2008
Cahit Arf Liseler Arası Matemati Yarışması 2008 İinci Aşama 11 Mayıs 2008 Notlar: Birnci tasla. 1. Tamsayılardan gerçel sayılara tanımlı fonsiyonlar ümesi üzerinde şöyle bir operatörü tanımlayalım: f(x)
DetaylıSAKARYA HAVZASI AYLIK YAĞIŞLARININ OTOREGRESİF MODELLEMESİ
PAMUKKALE ÜNİVERSİTESİ MÜHENDİ SLİK FAKÜLTESİ PAMUKKALE UNIVERSITY ENGINEERING COLLEGE MÜHENDİSLİK B İ L İ MLERİ DERGİSİ JOURNAL OF ENGINEERING SCIENCES YIL CİLT SAYI SAYFA : 006 : : : 7-6 SAKARYA HAVZASI
DetaylıSAÜ Fen Edebiyat Dergisi (2009-II) ÜÇ BOYUTLU LORENTZ UZAYI MANNHEİM EĞRİ ÇİFTİ ÜZERİNE A. ZEYNEP AZAK
SAÜ Fen Edebiyat Dergisi (009-II) ÜÇ BOYUTLU LORENTZ UZAYI L DE TIMELIKE MANNHEİM EĞRİ ÇİFTİ ÜZERİNE A. ZEYNEP AZAK Saarya Üniversitesi, Fen-Edebiyat Faültesi Matemati Bölümü, 5487, SAKARYA apirdal@saarya.edu.tr
DetaylıDers 2 : MATLAB ile Matris İşlemleri
Ders : MATLAB ile Matris İşlemleri Kapsam Vetörlerin ve matrislerin tanıtılması Vetör ve matris operasyonları Lineer denlem taımlarının çözümü Vetörler Vetörler te boyutlu sayı dizileridir. Elemanlarının
Detaylı28/5/2009 TARİHLİ VE 2108/30 SAYILI KURUL KARARI 11 HAZİRAN 2009 TARİHLİ VE 27255 SAYILI RESMİ GAZETEDE YAYIMLANMIŞTIR.
28/5/2009 TARİHLİ VE 2108/30 SAYILI KURUL KARARI 11 HAZİRAN 2009 TARİHLİ VE 27255 SAYILI RESMİ GAZETEDE YAYIMLANMIŞTIR. Enerji Piyasası Düzenleme Kurumundan: ELEKTRĠK PĠYASASI DENGELEME VE UZLAġTIRMA YÖNETMELĠĞĠ
Detaylı3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1
3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki
DetaylıBiyoistatistik (Ders 7: Bağımlı Gruplarda İkiden Çok Örneklem Testleri)
ÖRNEKLEM TESTLERİ BAĞIMLI GRUPLARDA ÖRNEKLEM TESTLERİ Yrd. Doç. Dr. Ünal ERKORKMAZ Saarya Üniversitesi Tıp Faültesi Biyoistatisti Anabilim Dalı uerormaz@saarya.edu.tr BAĞIMLI İKİDEN ÇOK GRUBUN KARŞILAŞTIRILMASINA
DetaylıUyarlı Kokusuz Kalman Filtresi
Uyarlı Kokusuz Kalman Filtresi Esin KÖKSAL BABACAN 1,*, Levent ÖZBEK 1, Cenker BİÇER 1 1 Ankara Üniversitesi Fen Fakültesi İstatistik Bölümü, Sistem Belirleme ve Simülasyon Laboratuarı, 06100 Tandoğan/ANKARA
DetaylıKÜÇÜK TİTREŞİMLER U x U x U x x x x x x x...
36 KÜÇÜK TİTREŞİMLER A) HARMONİK OSİLATÖRLER B) LAGRANGE FONKSİYONU C) MATRİS GÖSTERİMİ D) TİTREŞİM FREKANSLARI E) ÖRNEKLER F) SONLU GRUPLAR VE TEMSİLLERİ G) METOT H) ÖRNEKLER - - - - - - - - - - - - -
Detaylı2. KISITLI KALMAN FİLTRELEME. 2.1 Ayrık Zaman Durum-Uzay Modellerinde Filtreleme Problemi Durum uzay modeli
. GİRİŞ Modern aseri operasyonlarda uzun menzilden ve gerçe zamanda ara hareetlerinin gözetlenebilme yeteneğinin önemi gidere artmatadır. 2 yılında yedi devlet ve NAO Danışma, Komuta ve Kontrol Ajansının,
DetaylıKoşullu Öngörümleme. Bu nedenle koşullu öngörümleme gerçekleştirilmelidir.
Koşullu Öngörümleme Ex - ante (tasarlanan - umulan) öngörümleme söz konusu iken açıklayıcı değişkenlerin hatasız bir şekilde bilindiği varsayımı gerçekçi olmayan bir varsayımdır. Çünkü bazı açıklayıcı
Detaylıİstatistikçiler Dergisi
www.istatisticiler.org İstatistiçiler Dergisi (008) 68-79 İstatistiçiler Dergisi BAĞIMLI RİSKLER İÇİ TOPLAM HASAR MİKTARII DAĞILIMI Mehmet PIRILDAK Hacettepe Üniversitesi Fen Faültesi, Atüerya Bilimleri
DetaylıMalzeme Bağıyla Konstrüksiyon
Shigley s Mechanical Engineering Design Richard G. Budynas and J. Keith Nisbett Malzeme Bağıyla Konstrüsiyon Hazırlayan Prof. Dr. Mehmet Fırat Maine Mühendisliği Bölümü Saarya Üniversitesi Çözülemeyen
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
DetaylıDers 9: Kitle Ortalaması ve Varyansı için Tahmin
Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık
Detaylı7. Ders Genel Lineer Modeller Singüler Modeller, Yanlış veya Bilinmeyen Kovaryanslar, Đlişkili Hatalar
7. Ders Genel Lineer Modeller Singüler Modeller, Yanlış veya Bilinmeyen Kovaryanslar, Đlişkili Hatalar Y = X β + ε Lineer Modeli pekçok özel hallere sahiptir. Bunlar, ε nun dağılımına, Cov( ε ) kovaryans
DetaylıBİR FONKSİYONUN FOURİER SERİSİNE AÇILIMI:
FOURIER SERİERİ GİRİŞ Elastisite probleminin çözümünde en büyü zorlu sınır şartlarının sağlatılmasındadır. Bu zorluğu gidermenin yollarından biride sınır yülerini Fourier serilerine açmatır. Fourier serilerinin
DetaylıSERVOVALF VE HİDROLİK SİSTEMDEN OLUŞAN ELEKTROHİDROLİK BİR DÜMEN SİSTEMİNİN KONUM KONTROLÜ
GEMİ İNŞAATI VE DENİZ TEKNOLOJİSİ TEKNİK KONGRESİ 08 BİLDİRİLER KİTABI SERVOVALF VE HİDROLİK SİSTEMDEN OLUŞAN ELEKTROHİDROLİK BİR DÜMEN SİSTEMİNİN KONUM KONTROLÜ Fevzi ŞENLİTÜRK, Fuat ALARÇİN ÖZET Bu çalışmada
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
DetaylıELECO '2012 Elektrik - Elektronik ve Bilgisayar Mühendisliği Sempozyumu, 29 Kasım - 01 Aralık 2012, Bursa
ELECO '2012 Eletri - Eletroni ve Bilgisayar Mühendisliği Sempozyumu, 29 Kasım - 01 ralı 2012, Bursa Lineer Olmayan Dinami Sistemlerin Yapay Sinir ğları ile Modellenmesinde MLP ve RBF Yapılarının Karşılaştırılması
DetaylıTitreşim Hareketi Periyodik hareket
05.01.01 Titreşi Hareeti Periyodi hareet Belirli bir zaan sonra, verilen/belirlenen bir durua düzenli olara geri dönen bir cisin yaptığı hareet. Periyodi hareetin özel bir çeşidi eani sistelerde olur.
DetaylıDr. Mehmet AKSARAYLI
Dr. Mehmet AKSARAYLI Şans Değişeni: Bir dağılışı olan ve bu dağılışın yaısına uygun freansta oluşum gösteren değişendir. Şans Değişenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesili Şans
DetaylıMAK341 MAKİNA ELEMANLARI I 2. Yarıyıl içi imtihanı 24/04/2012 Müddet: 90 dakika Ögretim Üyesi: Prof.Dr. Hikmet Kocabas, Doç.Dr.
MAK3 MAKİNA EEMANARI I. Yarıyıl içi imtihanı /0/0 Müddet: 90 daia Ögretim Üyesi: Prof.Dr. Himet Kocabas, Doç.Dr. Cemal Bayara. (0 puan) Sıı geçmelerde sürtünme orozyonu nasıl ve neden meydana gelir? Geçmeye
DetaylıRastgele Süreçler. Rastgele süreç konsepti (Ensemble) Örnek Fonksiyonlar. deney. Zaman (sürekli veya kesikli) Ensemble.
1 Rastgele Süreçler Olasılık taması Rastgele Deney Çıktı Örnek Uzay, S (s) Zamanın Fonksiy onu (t, s) Olayları Tanımla Rastgele süreç konsepti (Ensemble) deney (t,s 1 ) 1 t Örnek Fonksiyonlar (t,s ) t
DetaylıDERS III ÜRETİM HATLARI. akış tipi üretim hatları. hat dengeleme. hat dengeleme
DERS ÜRETİM HATLAR ÜRETİM HATLAR Üretim hatları, malzemenin bir seri işlemden geçere ürün haline dönüştürülmesini sağlayan bir maineler ve/veya iş istasyonları dizisidir. Bir üretim hattı üzerinde te bir
DetaylıELEKTRİK GÜÇ SİSTEMLERİNDE SALINIM DİNAMİKLERİNİN KAOTİK OLAYLARININ İNCELENMESİ
ELEKTRİK GÜÇ SİSTEMLERİNDE SALINIM DİNAMİKLERİNİN KAOTİK OLAYLARININ İNCELENMESİ Yılmaz Uyaroğlu M. Ali Yalçın Saarya Üniversitesi, Mühendisli Faültesi, Eletri Eletroni Mühendisliği Bölümü, Esentepe Kampüsü,
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıMOBİL ROBOTLARIN BİNA İÇİ KOŞULLARDA ULAŞMA ZAMANI KULLANILARAK KABLOSUZ LOKALİZASYONU
ÖHÜ Müh. Bilim. Derg. / OHU J. Eng. Sci. ISSN: 2564-6605 doi: 10.28948/ngumuh.364850 Ömer Halisdemir Üniversitesi Mühendisli Bilimleri Dergisi, Cilt 7, Sayı 1, (2018), 99-119 Omer Halisdemir University
DetaylıÖZEL EGE LİSESİ 13. OKULLAR ARASI MATEMATİK YARIŞMASI 8. SINIF ELEME SINAVI TEST SORULARI
1. x,y,z pozitif tam sayılardır. 1 11 x + = 8 y + z olduğuna göre, x.y.z açtır? 3 B) 4 C) 6 D)1 3 1 4. {,1,1,1,...,1 } 1 ümesinin en büyü elemanının diğer 1 elemanın toplamına oranı, hangi tam sayıya en
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 13 Sayı: 1 sh. 55-74 Ocak 2011
DEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 13 Sayı: 1 sh. 55-74 Oca 2011 STOKASTİK KULLANICI DENGESİ TRAFİK ATAMA PROBLEMİNİN SEZGİSEL METOTLAR KULLANILARAK ÇÖZÜLMESİ (HEURISTIC METHODS
DetaylıPI KONTROLÖR TASARIMI ÖDEVİ
PI ONTROLÖR TASARIMI ÖDEVİ ONTROLÖR İLE TASARIM ontrolör Taarım riterleri Taarım riterleri genellile itemine yapmaı geretiğini belirtme ve naıl yaptığını değerlendirme için ullanılır. Bu riterler her bir
DetaylıBu deneyin amacı Ayrık Fourier Dönüşümü (DFT) ve Hızlu Fourier Dönüşümünün (FFT) tanıtılmasıdır.
Deney : Ayrı Fourier Dönüşümü (DFT) & Hızlı Fourier Dönüşümü (FFT) Amaç Bu deneyin amacı Ayrı Fourier Dönüşümü (DFT) ve Hızlu Fourier Dönüşümünün (FFT) tanıtılmasıdır. Giriş Bir öncei deneyde ayrı-zamanlı
DetaylıKuvvet kavramı TEMAS KUVVETLERİ KUVVET KAVRAMI. Fiziksel temas sonucu ortaya çıkarlar BÖLÜM 5 HAREKET KANUNLARI
BÖLÜM 5 HAREKET KANUNLARI 1. Kuvvet avramı. Newton un 1. yasası ve eylemsiz sistemler 3. Kütle 4. Newton un. yasası 5. Kütle-çeim uvveti ve ağırlı 6. Newton un 3. yasası 7. Newton yasalarının bazı uygulamaları
Detaylıile plakalarda biriken yük Q arasındaki ilişkiyi bulmak, bu ilişkiyi kullanarak boşluğun elektrik geçirgenlik sabiti ε
Farlı Malzemelerin Dieletri Sabiti maç Bu deneyde, ondansatörün plaalarına uygulanan gerilim U ile plaalarda birien yü Q arasındai ilişiyi bulma, bu ilişiyi ullanara luğun eletri geçirgenli sabiti ı belirleme,
DetaylıTEK SERBESTLİK DERECELİ TİTREŞİM SİSTEMİNİN LAGUERRE POLİNOMLARI İLE MATRİS ÇÖZÜMÜ
EK SERBESLİK DERECELİ İREŞİM SİSEMİNİN LAGUERRE POLİNOMLARI İLE MARİS ÇÖZÜMÜ Mehmet ÇEVİK a, Nurcan BAYKUŞ b a Celal Bayar Üniversitesi Maine Mühendisliği Bölümü, Muradiye 454, Manisa. b Douz Eylül Üniversitesi,
DetaylıA İSTATİSTİK KPSS-AB-PÖ/2007. 1. X rasgele değişkeninin olasılık fonksiyonu. 4. X sürekli raslantı değişkeninin birikimli dağılım fonksiyonu,
. X rasgele değişeninin olasılı fonsiyonu f( x) = c(x + 5), x =,, 0, diğer hâllerde olduğuna göre, c nin değeri açtır? A İSTATİSTİK KPSS-AB-PÖ/007. X süreli raslantı değişeninin biriimli dağılım fonsiyonu,
Detaylı2. TRANSFORMATÖRLER. 2.1 Temel Bilgiler
. TRANSFORMATÖRLER. Temel Bilgiler Transformatörlerde hareet olmadığından dolayı sürtünme ve rüzgar ayıpları mevcut değildir. Dolayısıyla transformatörler, verimi en yüse (%99 - %99.5) olan eletri maineleridir.
Detaylı= + ise bu durumda sinüzoidal frekansı. genlikli ve. biçimindeki bir taşıyıcı sinyalin fazının modüle edildiği düşünülsün.
4.2. çı Modülasyonu Yüse reanslı bir işaret ile bilgi taşıa, işaretin genliğinin, reansının veya azının bir esaj işareti ile odüle edilesi ile gerçeleştirilebilir. Bu üç arlı odülasyon yöntei sırasıyla,
DetaylıÜSTEL DÜZLEŞTİRME YÖNTEMİ
ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik
DetaylıWelch and Bishop (2004) Kalman filtresinin kullanımını voltaj tahmini ile örneklendirerek açıklamışlardır.
. GİRİŞ Maroeonomi model; eonominin işleyişini açılayan, amaçlanan eonomi yapıya ulaşabilme için birbiriyle ilişili temel eonomi büyülülerin nasıl gelişeceğini ve hangi alanlarda darboğazlarla arşılaşılacağını
DetaylıĐST 522 ĐSTATĐSTĐKSEL SĐSTEM ANALĐZĐ
ĐST 5 ĐSTATĐSTĐKSEL SĐSTEM ANALĐZĐ ve KONTROL Kaynalar: Davis, M.H.A. and Winter,R.B. Stochastic Modelling and Control, Chapman and Hall,985. Davis, M.H.A. Linear Estimation and Stochastic Control, Chapman
DetaylıÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ
ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki
DetaylıEÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3-2 Yıl: 2010 199-206
99 EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 3- Yıl: 99-6 İKİNCİ MERTEBEDEN BİR DİFERENSİYEL DENKLEM SINIFI İÇİN BAŞLANGIÇ DEĞER PROBLEMİNİN DİFERENSİYEL DÖNÜŞÜM YÖNTEMİ İLE TAM ÇÖZÜMLERİ THE
DetaylıDOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci
DOĞRUSAL ZAMAN SERİSİ MODELLERİ Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci Tek Değişkenli Zaman Serisi Modelleri Ekonomik verilerin analizi ile ekonomik değişkenlerin gelecekte alabilecekleri
DetaylıHatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5
Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
DetaylıTESİSLERDE MEYDANA GELEN PARALEL REZONANS OLAYININ BİLGİSAYAR DESTEKLİ ANALİZİ
TESİSLERDE MEYDANA GELEN PARALEL REZONANS OLAYNN BİLGİSAYAR DESTEKLİ ANALİZİ Cen GEZEGİN Muammer ÖZDEMİR Eletri Eletroni Mühendisliği Bölümü Mühendisli Faültesi Ondouz Mayıs Üniversitesi, 559, Samsun e-posta:
DetaylıMATRİS DEPLASMAN YÖNTEMİ
SAARYA ÜNİVERSİTESİ M İNŞAAT MÜHENİSİĞİ BÖÜMÜ epartment of Civil Engineering İNM YAI STATIĞI II MATRİS EASMAN YÖNTEMİ Y.OÇ.R. MUSTAA UTANİS tanis@saarya.ed.tr Saarya Üniversitesi, İnşaat Mühendisliği Bölümü
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani
DetaylıİSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications*
Ç.Ü. Fen Bilimleri Enstitüsü Yıl:010 Cilt:-1 İSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications* Işıl FİDANOĞLU İstatistik Anabilim Dalı Fikri
DetaylıDinamik Programlama Tekniğindeki Gelişmeler
MADENCİLİK Aralı December 1991 Cilt Volume XXX Sayı No 4 Dinami Programlama Teniğindei Gelişmeler Developments in Dynamic Programming Technique Ercüment YALÇIN (*) ÖZET Bu yazıda, optimum nihai açı işletme
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ MÜHENDİSLİK BİLİMLERİ DERGİSİ Cilt: 14 Sayı: 1 sh Ocak 2012
DEÜ MÜHENDİSLİ FAÜLTESİ MÜHENDİSLİ BİLİMLERİ DERGİSİ Cilt: 4 Sayı: sh. 39-47 Oca 202 ARIŞIMLI İİLİ LOJİSTİ REGRESYON MODELİNE İLİŞİN BİR UYGULAMA (AN APPLIACTION FOR MIXTURE BINARY LOGISTIC REGRESSION
DetaylıBÜTÜNLEŞİK ÜRETİM PLANLAMASININ HEDEF PROGRAMLAMAYLA OPTİMİZASYONU VE DENİZLİ İMALAT SANAYİİNDE UYGULANMASI
Niğde Üniversitesi İİBF Dergisi, 2013, Cilt: 6, Sayı: 1, s. 96-115. 96 BÜTÜNLEŞİK ÜRETİM PLANLAMASININ HEDEF PROGRAMLAMAYLA OPTİMİZASYONU VE DENİZLİ İMALAT SANAYİİNDE UYGULANMASI ÖZ Arzu ORGAN* İrfan ERTUĞRUL**
DetaylıAçık işletme Dizaynı için Uç Boyutlu Dinamik Programlama Tekniği
MADENCİLİK Haziran June 1991 Cilt Volume XXX Sayı No 2 Açı işletme Dizaynı için Uç Boyutlu Dinami Programlama Teniği A Three Dimensional Dynamic Programming Technique for Open Pit Design Ercüment YALÇE\(*)
Detaylı9. İZOMORFİZMA TEOREMLERİ VE EŞLENİK ELEMANLAR. Aşağıdaki teorem Homomorfizma teoremi olarak da bilinir.
9. İZOMORFİZMA TEOREMLERİ VE EŞLENİK ELEMANLAR Aşağıdai teorem Homomorfizma teoremi olara da bilinir. Teoremi 9.. (.İzomorfizma Teoremi) f : G H bir grup homomorfizması olsun. Şu halde ( ) dir. Özel olara,
DetaylıNedensel Modeller Y X X X
Tahmin Yöntemleri Nedensel Modeller X 1, X 2,...,X n şeklinde tanımlanan n değişkenin Y ile ilgili olmakta; Y=f(X 1, X 2,...,X n ) şeklinde bir Y fonksiyonu tanımlanmaktadır. Fonksiyon genellikle aşağıdaki
Detaylık tane bağımsız değişgene bağımlı bir Y değişgeni ile bu bağımsız X X X X
3.1 Genel Doğrusal Bağlanım tane bağımsı değişgene bağımlı bir Y değişgeni ile bu bağımsı X X X X,,, değişgenleri arasındai ilişiyi bulma isteyelim. Bu ilişi modelinde yer alaca bağımsı değişgenler yalnıca
DetaylıTürkiye de Enflasyon ve Döviz Kuru Arasındaki Nedensellik İlişkisi: 1984-2003
Türiye de Enflasyon ve Döviz Kuru Arasındai Nedenselli İlişisi: 1984-2003 The Causal Relationship Between Exchange Rates and Inflation in Turey:1984-2003 Yrd.Doç.Dr. Erem GÜL* Yrd.Doç.Dr. Ayut EKİNCİ**
DetaylıFarklı Madde Puanlama Yöntemlerinin ve Farklı Test Puanlama Yöntemlerinin Karşılaştırılması
Eğitimde ve Psiolojide Ölçme ve Değerlendirme Dergisi, Yaz 200, (), -8 Farlı Madde Puanlama Yöntemlerinin ve Farlı Test Puanlama Yöntemlerinin Karşılaştırılması Halil YURDUGÜL * Hacettepe Üniversitesi
DetaylıRentech. Yaylar ve Makaralar Deney Seti. Yaylar ve Makaralar Deney Seti. (Yay Sabiti, Salınım Periyodu, Kuvvet ve Yol Ölçümleri) Öğrenci Deney Föyü
(Yay Sabiti, Salınım Periyodu, Kuvvet ve Yol Ölçümleri) Öğrenci Deney Föyü 1 Anara-2015 Paetleme Listesi 1. Yaylar ve Maaralar Deney Düzeneği 1.1. Farlı Yay Sabitine Sahip Yaylar 1.2. Maaralar (Teli, İili
DetaylıHesaplamalı Tarifler I: Newton ve Benzeri Metodlar
Matemati Dünyası Hesaplamalı Tarifler I: Newton ve Benzeri Metodlar İler Birbil / sibirbil@sabanciunivedutr / wwwbolbilimcom Princeton Üniversitesi Yayınları ndan 15 yılında bir itap çıtı [1] Kapsamlı
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıRASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 2007
RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 007 1 Tekdüze Dağılım Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk
DetaylıKRONĐK BÖBREK YETMEZLĐĞĐ HASTALIĞINDA ÖNEMLĐ FAKTÖRLERĐN BELĐRLENMESĐ
ISSN:0- e-journal of New World Sciences Academy 009, Volume:, Number:, Article Number: A000 PHYSICAL SCIENCES Received: November 00 Acceted: June 009 Series : A ISSN : 0-0 009 www.newwsa.com Yüsel Öner,
DetaylıKAYNAK BAĞLANTILARI SAKARYA ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAKİNE ELEMANLARI-I DERS NOTU
KAYNAK BAĞLANTILARI MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAKİNE ELEMANLARI-I DERS NOTU Kayna Bağlantıları Kayna, çözülemez bağlantı şeilleri içinde en yaygın ullanım alanına sahip bağlama yöntemidir. Kayna işleminin
DetaylıVİNÇTE ÇELİK KONSTRÜKSİYON
01 Mayıs VİNÇTE ÇELİK KONSTRÜKSİYON KİRİŞTE BURUŞMA 1-03 Güven KUTAY Semboller ve Kaynalar için "1_00_CeliKonstrusiyonaGiris.doc" a baınız. Koordinat esenleri "GENEL GİRİŞ" de belirtildiği gibi DIN 18800
DetaylıBİLSAT I UYDU YÖRÜNGESİNİN İRDELENMESİ
. Uzatan Algılama ve Coğrafi Bilgi Sistemleri Sempozyumu UZAL-CBS 008, Kayseri. 498 BİLSAT I UYDU YÖRÜNGESİNİN İRDELENMESİ Eren ERDOĞAN 1, M. Onur KARSLIOĞLU, Seran URAL 3 1 Orta Doğu Teni Üniversitesi,
DetaylıHızlı Ağırlık Belirleme İçin Yük Hücresi İşaretlerinin İşlenmesi
Gazi Üniversitesi Fen Bilimleri Dergisi Part:C, Tasarım Ve Tenoloji GU J Sci Part:C 4(3):97-102 (2016) Hızlı Ağırlı Belirleme İçin Yü Hücresi İşaretlerinin İşlenmesi Zehan KESİLMİŞ 1,, Tarı BARAN 2 1 Osmaniye
DetaylıMühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş
Mühendislik Mekaniği Statik Yrd.Doç.Dr. Akın Ataş Bölüm 10 Eylemsizlik Momentleri Kaynak: Mühendislik Mekaniği: Statik, R. C.Hibbeler, S. C. Fan, Çevirenler: A. Soyuçok, Ö. Soyuçok. 10. Eylemsizlik Momentleri
DetaylıQUANTILE REGRESYON * Quantile Regression
QUANTILE REGRESYON * Quantile Regression Fikriye KURTOĞLU İstatistik Anabilim Dalı Olcay ARSLAN İstatistik Anabilim Dalı ÖZET Bu çalışmada, Lineer Regresyon analizinde kullanılan en küçük kareler yöntemine
DetaylıMOBİLYA ENDÜSTRİSİNDE AŞAMALAR ARASINDA FİRE BULUNAN ÇOK AŞAMALI TEDARİK ZİNCİRİ AĞININ OPTİMİZASYONU. Ercan ŞENYİĞİT 1, *
Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi 25 (1-2) 168-182 (2009) http://fbe.erciyes.edu.tr/ ISSN 1012-2354 MOBİLYA ENDÜSTRİSİNDE AŞAMALAR ARASINDA FİRE BULUNAN ÇOK AŞAMALI TEDARİK ZİNCİRİ AĞININ
Detaylık olarak veriliyor. Her iki durum icin sistemin lineer olup olmadigini arastirin.
LINEER SISTEMLER Muhendislite herhangibir sistem seil(ref: xqs402) dei gibi didortgen blo icinde gosterilir. Sisteme disaridan eti eden fatorler giris, sistemin bu girislere arsi gosterdigi tepi ciis olara
DetaylıOCAK HAVALANDIRMA ŞEBEKE ANALİZİ İÇİN KOMBİNE BİR YÖNTEM (A COMBINED METHOD FOR THE ANALYSIS OF MINE VENTILATION NETWORKS)
ÖZET/ABSTRACT DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 2 Sayı: 2 sh. 49-54 Mayıs 2000 OCAK HAVALANDIRMA ŞEBEKE ANALİZİ İÇİN KOMBİNE BİR YÖNTEM (A COMBINED METHOD FOR THE ANALYSIS OF MINE
DetaylıFarklı Sıcaklıkların Scymnus subvillosus un Bıraktığı Yumurta Sayıları Üzerine Etkilerinin Karışımlı Poisson Regresyon ile Analiz Edilmesi
Yüzüncü Yıl Üniversitesi, Ziraat Faültesi, Tarım Bilimleri Dergisi J. Agric. Sci., 2007, 72: 73-79 Araştırma Maalesi/Article Geliş Tarihi: 3.0.2007 abul Tarihi: 2.07.2007 Farlı Sıcalıların Scymnus subvillosus
DetaylıHipotez Testlerine Giriş. Hipotez Testlerine Giriş
Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel
DetaylıBÖLÜM 1: YAşAM ÇÖzÜMLEMEsİNE GİRİş... 1
ÖN SÖZ...iii BÖLÜM 1: Yaşam Çözümlemesine Giriş... 1 1.1. Giriş... 1 1.2. Yaşam Süresi... 2 1.2.1. Yaşam süresi verilerinin çözümlenmesinde kullanılan fonksiyonlar... 3 1.2.1.1. Olasılık yoğunluk fonksiyonu...
DetaylıGÜNEŞ ENERJİSİ SİSTEMLERİNDE KANATÇIK YÜZEYİNDEKİ SICAKLIK DAĞILIMININ SONLU FARKLAR METODU İLE ANALİZİ
TEKNOLOJİ, Cilt 7, (2004), Sayı 3, 407-414 TEKNOLOJİ GÜNEŞ ENERJİSİ SİSTEMLERİNDE KANATÇIK YÜZEYİNDEKİ SICAKLIK DAĞILIMININ SONLU FARKLAR METODU İLE ANALİZİ ÖZET Himet DOĞAN Mustafa AKTAŞ Tayfun MENLİK
Detaylı2 Serbestlik Dereceli Taşıt Modeli PID Kontrolü
Serbestli Dereceli Taşıt Modeli PID Kontrolü Matematisel Modelin Çıarılması: Hareet denlemlerinin çıarılmasında Lagrange yöntemi ullanılmıştır. Lagrange yöntemi haında detaylı bilgi (Francis,978; Pasin,984;
DetaylıDEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 5 Sayı: 1 sh. 89-101 Ocak 2003
DEÜ MÜENDİSLİK FAKÜLTESİ FEN ve MÜENDİSLİK DERGİSİ Cilt: 5 Sayı: 1 sh. 89-101 Oca 00 PERDE ÇERÇEVELİ YAPILARDA a m PERDE KATKI KATSAYISININ DİFERANSİYEL DENKLEM YÖNTEMİ İLE BULUNMASI VE GELİŞTİRİLEN BİLGİSAYAR
Detaylırasgele değişkeninin olasılık yoğunluk fonksiyonu,
3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının
Detaylı