<![CDATA[Pada penelitian ini dikembangkan algoritma hibrid Extended Kalman Filter (EKF) dan Sistem Inferensi Fuzzy untuk mendapatkan hasil estimasi yang lebih akurat pada penjejakan target bermanuver. Logika Fuzzy telah digunakan untuk mengatur galat kovarian proses dan galat kovarian pengukuran dari proses EKF pada model sistem. Model state space yang digunakan untuk estimasi adalah model percepatan konstan, dan model pengukurannya adalah model radar. Hasil pengukuran sensor yang mengandung derau diestimasi menggunakan algoritma EKF. Kemudian galat kovarian yang dihasilkan dari proses EKF digunakan sebagai masukan pada Sistem Inferensi Fuzzy untuk koreksi berdasarkan ketidaksesuaian antara vektor inovasi dan kovarian inovasi. Hasil koreksi ini digunakan untuk mendapatkan gain Kalman yang optimal. Berdasarkan simulasi yang dilakukan menggunakan estimasi EKF dan Sistem Inferensi Fuzzy diperoleh peningkatan akurasi sebesar 59,97% dibandingkan dengan hasil pengukuran tanpa melakukan estimasi.In this paper the Extended Kalman Filter and the Fuzzy Inference System hybrid algorithm has developed to get more accurate estimation result for maneuvering target tracking. Fuzzy Logic has used to adjust the process covariance error and measurement covariance error of the Extended Kalman Filter process in the system model. The state space model used for estimation is a constant acceleration motion model, and the measurement model is a radar model. The measurement result of the sensor containing noise estimated using the Extended Kalman Filter (EKF) algorithm. Then, the covariance error resulting from the EKF process is used as input to the Fuzzy Inference System (FIS) for correction based on the mismatch between innovation vector and innovation covariance. The result of this correction used to obtain the optimal Kalman gain. The proposed system model leads to improved accuracy of 59.97% compared to measurement results without estimation in the simulation case. ]]>
Copyrights © 2022
