İnsansız Hava Araçlarının (İha) Konumlandırılmasında Kullanılan Sensör Verilerinin Filtre Teknikleri Kullanılarak İyileştirilmesi

Abstract

Dünyada teknolojinin ilerlemesiyle birlikte insansız hava araçları (İHA); savunma sanayi, taşımacılık, keşif, zirai ilaçlama ve yangın söndürme gibi çeşitli alanlara hizmet etmek amacıyla kullanılmaktadır. Söz konusu alanlarda İHA'lardan başarılı bir şekilde faydalanabilmek için öncelikle İHA'ların konumlarının tespit edilmesi ve mevcut konumlar üzerinde iyileştirme yapılması gerekmektedir. Konum tespitinde Küresel Navigasyon Uydu Sistemleri (GNSS: Global Navigation Satellite Systems) tabanlı sistemler kullanılmakta ve GNSS sinyallerinin kesilmesi durumunda ise inersiyal navigasyon sistemlerinden yararlanılmaktadır. Elde edilen konum bilgileri çeşitli filtreleme algoritmalarından geçirilerek veri iyileştirilme işlemleri gerçekleştirilmektedir. Bu bağlamda en yaygın olarak kullanılan filtreleme algoritmaları Kalman ve Genişletilmiş Kalman Filtresi algoritmalarıdır. Bu çalışmada, insansız hava araçlarının lokalizasyonunda kullanılan hatalı GPS ve INS verileri çeşitli filtreleme teknikleri kullanılarak iyileştirilmeye çalışılmış ve bu teknikler karşılaştırılmıştır. Lineer olarak hareket eden İHA için simülasyon ortamında üretilen hatalı GPS ölçüm verileri, Kalman ve Enformasyon Fitreleri vasıtası ile düzeltilmeye çalışılmıştır. Sonuçlara göre Kalman Filtresi performansının, Enformasyon Filtresi performansına göre daha başarılı olduğu tespit edilmiştir. Nonlineer olarak hareket eden İHA için simülasyon ortamında üretilmiş GPS ve INS ölçüm verileri Genişletilmiş Kalman Filtresi (EKF) ve Genişletilmiş Enformasyon Filtresi (EIF) kullanılarak iyileştirilmeye çalışılmıştır. Elde edilen sonuçlara göre GPS ölçüm verilerinin iyileştirilmesinde EKF, EIF'ye göre daha başarılı sonuçlar vermesine karşın INS tarafından sağlanan konum bilgilerinin düzeltilmesinde EIF'nin EKF'ye göre daha iyi sonuçlar verdiği tespit edilmiştir.

With the advancement of technology in the world, unmanned aerial vehicles (UAVs) are used to serve various fields such as defense industry, transportation, reconnaissance, agricultural spraying and firefighting. In order to successfully utilize UAVs in these areas, it is necessary to determine the positions of UAVs and to make improvements on their existing positions. Global Navigation Satellite Systems (GNSS) based systems are used for determining the position and in case of interruption of GNSS signals, Inertial Navigation Systems (INS) are used. The obtained position information is passed through various filtering algorithms and data improvement operations are performed. In this context, the most commonly used filtering algorithms are Kalman and Extended Kalman Filter algorithms. In this study, faulty GPS and INS data used in the localization of unmanned aerial vehicles have been tried to be improved by using various filtering techniques and these techniques have been compared. For the linearly acting UAV, the faulty GPS measurement data generated in the simulation environment was tried to be corrected by means of Kalman and Information Filters. According to the results, Kalman Filter performance was superior to Information Filter performance. For nonlinearly acting UAV, GPS and INS measurement data produced in simulation environment were tried to be improved by using Extended Kalman Filter (EKF) and Extended Information Filter (EIF). According to the results obtained, although the EKF gives more successful results than the EIF in the improvement of the GPS measurement data, it has been found that the EIF gives better results than the EKF in the correction of the position information provided by INS.