www.radartutorial.eu www.radartutorial.eu Основи на радиолокацията

Изглаждане на траекторията

Прогнозиране на следващото положение на целта и определяне на прогнозен прозорец за асоцииране на нова радарна отметка
обзор: n-2
n-1
n
история на траекторията
последна отметка
(обзор n-1)
„прогнозен прозорец“
за следващото
завъртане на антената
прогнозирано
положение

Фигура 1. Прогнозиране на положението на целта и определяне на прозорец за асоцииране на следващата отметка

Прогнозиране на следващото положение на целта и определяне на прогнозен прозорец за асоцииране на нова радарна отметка
обзор: n-2
n-1
n
история на траекторията
последна отметка
(обзор n-1)
„прогнозен прозорец“ за
следващото завъртане на антената
прогнозирано положение

Фигура 1. Прогнозиране на положението на целта и определяне на прозорец за асоцииране на следващата отметка

Прогнозиране на следващото положение на целта и определяне на прогнозен прозорец за асоцииране на нова радарна отметка
обзор: n-2
n-1
n
история на траекторията
последна отметка
(обзор n-1)
„прогнозен прозорец“ за
следващото завъртане на антената
прогнозирано положение

Фигура 1. Прогнозиране на положението на целта и определяне на прозорец за асоцииране на следващата отметка

Изглаждане на траекторията

Изглаждането на траекторията (Track Smoothing) в контекста на автоматичното радарно проследяване на цели означава изглаждане на оцененото движение на целта въз основа на последователни радарни измервания. При това се отчитат случайните отклонения на измерванията, така че отделните грешки да влияят възможно най-малко върху оцененото положение на целта и изведените от него параметри на движение. Използваните за тази цел филтри за проследяване изпълняват и друга важна задача: те прогнозират положението на целта при следващия радарен обзор въз основа на досегашното ѝ движение. Тази прогноза се използва при асоциирането на нови радарни отметки със съществуващи траектории.

За тази цел филтърът за проследяване обработва измерените положения и вече оценените параметри на движение на целта, по-специално скоростта и евентуално ускорението. Въз основа на тези данни и на приет модел на движение се прогнозира положението, в което се очаква да се намира целта при следващото измерване. Около прогнозираното положение може да бъде определен прогнозен прозорец, в рамките на който новооткритата отметка се разглежда като възможно измерване за съответната траектория. Размерът и формата на този прозорец зависят, наред с други фактори, от неопределеността на измерванията и на прогнозата за движението.

Когато постъпи ново радарно измерване, измереното положение се сравнява с прогнозираното. Установената разлика се нарича иновация (Innovation) или остатък от измерването. Филтърът за проследяване използва тази разлика, за да коригира прогнозираното положение и оценените параметри на движение. След това въз основа на актуализираното състояние се изчислява следващата прогноза. Този повтарящ се процес подобрява точността и устойчивостта на проследяването, без да е необходимо всяко отделно измерено положение да се приема за действителното положение на целта.

Филтрите за проследяване се различават по използваните модели на движение, начина на отчитане на неопределеността на измерванията и необходимите изчислителни ресурси. Основният им работен цикъл обаче обикновено се състои от две последователни стъпки:

Измерванията от няколко последователни обзора формират основата за оценяване на движението на целта. При това случайните отклонения на положението се изглаждат, а промените в скоростта или посоката на движение се отчитат според използвания модел. Актуализираната оценка на състоянието отново служи като отправна точка за следващата прогноза на положението. При рекурсивните филтри не е необходимо всички предходни измервания да се съхраняват постоянно, тъй като информацията, получена от тях, вече е включена в текущата оценка на състоянието.

Алфа-бета тракер

Алфа-бета тракерът (Alpha-Beta Tracker) е прост филтър за проследяване, който оценява предимно положението и скоростта на целта. Обикновено той използва модел на движение с постоянна скорост и поради това е особено подходящ за цели, които не извършват значителни маневри. Двата параметъра, от които произлиза наименованието му, α и β, определят в каква степен разликата между прогнозираното и измереното положение се използва за коригиране съответно на оценките за положение и скорост.

Алфа-бета тракерът изисква малко изчислителни ресурси и се реализира лесно. Затова той е бил широко използван особено в по-старите радарни системи и продължава да намира приложение при по-прости задачи за проследяване на цели. Недостатъкът му е, че фиксираните параметри на филтъра позволяват само ограничен компромис между бързата реакция при промени в движението и ефективното потискане на шума от измерванията. Поради това при силно маневриращи цели могат да възникнат по-големи грешки при прогнозирането. Алфа-бета тракерът може да се разглежда като опростен оценител на състоянието, който при определени допускания е свързан със стационарния филтър на Калман.

Филтър на Калман

Филтърът на Калман (Kalman Filter) е рекурсивен математически метод за оценяване на състоянието на динамична система въз основа на измервания, съдържащи грешки. При радарното проследяване това състояние може да включва например положението, скоростта и евентуално ускорението на целта. Филтърът комбинира величините на състоянието, прогнозирани чрез модела на движение, с новите радарни измервания, като отчита съответните им неопределености. Той се използва в множество съвременни цифрови системи за проследяване на цели.

Съществен компонент на филтъра на Калман е ковариационната матрица на оценката на състоянието. Тя описва оценената неопределеност на положението и параметрите на движение, както и статистическите зависимости между грешките при тяхното оценяване. При прогнозирането тази неопределеност се актуализира съобразно модела на движение. След постъпването на ново измерване филтърът използва информацията за неопределеностите, за да определи в каква степен трябва да коригира прогнозираното състояние. По-точното измерване обикновено получава по-голяма тежест от измерване с висока неопределеност.

Към момента на обзор n-1 вече са налични последната актуализирана оценка на състоянието и нейната ковариационна матрица. Въз основа на тях филтърът на Калман изчислява прогнозираното положение на целта и свързаната с него неопределеност за обзор n. След като новата радарна отметка бъде измерена и асоциирана със съответната траектория, прогнозираните стойности се коригират чрез измерването. Резултатът е актуализирана оценка на състоянието, въз основа на която се получава прогнозата за обзор n+1. По този начин филтърът на Калман съчетава изглаждането на оцененото движение на целта с непрекъснатото прогнозиране на бъдещите ѝ положения.

Класическият филтър на Калман използва линеен модел на движение и подходящо статистическо описание на грешките на процеса и измерванията. При изпълнение на съответните условия той осигурява оценка с минимална средноквадратична грешка. За нелинейни модели на движение или измерване съществуват разширени разновидности на филтъра. Качеството на оценката на състоянието обаче зависи в значителна степен от това доколко използваният модел описва действителното движение на целта и неопределеностите на измерванията.