Was ist ein α-β-Filter?
Alpha-Beta-Filter
Alpha-Beta-Filter
Ein Alpha-Beta-Filter (α-β-Filter) ist ein einfaches mathematisches Verfahren, mit dem aus aufeinanderfolgenden Positionsmessungen eines bewegten Zieles dessen Position und Geschwindigkeit geschätzt werden. Das Filter wird unter anderem in der Radarzielverfolgung eingesetzt. Es sagt aus den bisher geschätzten Bewegungsdaten die nächste Zielposition voraus und korrigiert diese Vorhersage anhand einer neuen Radarmessung. Dabei werden zwei feste Filterparameter verwendet: α (Alpha) und β (Beta).
Das Verfahren setzt in seiner einfachsten Form voraus, dass sich das Ziel zwischen zwei Messungen annähernd mit konstanter Geschwindigkeit bewegt. Es kann sowohl auf eine einzelne Koordinate als auch auf mehrere Koordinaten unabhängig voneinander angewendet werden. Bei der Verarbeitung mehrerer Koordinaten können jedoch unterschiedliche Messgenauigkeiten und Zusammenhänge zwischen den Koordinaten eine Rolle spielen.
Vorhersage der nächsten Zielposition
Ausgangspunkt der Berechnung sind die bisher geschätzte Position und Geschwindigkeit. Aus ihnen lässt sich die Position vorhersagen, die das Ziel zum Zeitpunkt der nächsten Messung voraussichtlich erreicht. Bei konstanter Geschwindigkeit wird dazu der während des Zeitintervalls zurückgelegte Weg zur bisherigen Position addiert.
| xp = xalt + valt · Δt | (1) |
In dieser Gleichung bezeichnet xp die vorhergesagte Position, xalt die bisher geschätzte Position, valt die bisher geschätzte Geschwindigkeit und Δt den Zeitabstand zwischen zwei Messungen. Die vorhergesagte Geschwindigkeit entspricht beim angenommenen Modell gleichförmiger Bewegung zunächst der bisherigen Geschwindigkeit.
Korrektur durch eine neue Radarmessung
Wenn eine neue Radarmessung vorliegt, wird deren Ergebnis mit der vorhergesagten Position verglichen. Die Differenz zwischen beiden Angaben wird als Residuum oder Innovationswert bezeichnet. Sie beschreibt, um welchen Betrag die gemessene Position von der Vorhersage abweicht.
| r = xmess − xp | (2) |
Das Filter verwendet dieses Residuum für zwei unterschiedliche Korrekturen. Mit dem Faktor α wird die geschätzte Position korrigiert. Mit dem Faktor β wird die geschätzte Geschwindigkeit korrigiert.
| xneu = xp + α · r
vneu = valt + (β / Δt) · r |
(3) |
Der Parameter α bestimmt, welcher Anteil der Positionsabweichung zur Korrektur der Position verwendet wird. Je größer α gewählt wird, desto stärker nähert sich die korrigierte Position dem neuen Messwert an. Ein kleinerer Wert bewirkt dagegen, dass die bisherige Bewegungsvorhersage stärker berücksichtigt wird.
Der Parameter β beeinflusst die Korrektur der Geschwindigkeit. Dazu wird die Positionsabweichung durch den Zeitabstand zwischen den Messungen geteilt und anschließend mit β gewichtet. Auf diese Weise kann das Filter auch aus aufeinanderfolgenden Positionsmessungen eine Änderung der geschätzten Geschwindigkeit ableiten.
Ein Radar verfolgt ein Ziel, dessen bisher geschätzte Entfernung 10,0 km beträgt. Die geschätzte Geschwindigkeit in Entfernungsrichtung beträgt 200 m/s. Bis zur nächsten Radarmessung vergeht eine Sekunde. Unter der Annahme konstanter Geschwindigkeit erwartet das Filter das Ziel deshalb in einer Entfernung von 10,2 km.
Die neue Radarmessung ergibt jedoch eine Entfernung von 10,3 km. Das Residuum beträgt damit +100 m. Für dieses Beispiel seien die Filterparameter α = 0,6 und β = 0,2 gewählt.
| r = 10 300 m − 10 200 m = 100 m
xneu = 10 200 m + 0,6 · 100 m = 10 260 m vneu = 200 m/s + (0,2 / 1 s) · 100 m = 220 m/s |
Nach der Korrektur beträgt die geschätzte Entfernung somit 10,26 km und die geschätzte Geschwindigkeit 220 m/s. Für die nächste Vorhersage verwendet das Filter diese korrigierten Werte. Die ursprüngliche Radarmessung von 10,3 km wird dabei nicht verändert.
Wie beeinflussen α und β die Zielverfolgung?
Die Wahl der beiden Filterparameter bestimmt wesentlich das Verhalten des α-β-Filters. Große Werte bewirken im Allgemeinen eine stärkere Reaktion auf neue Messungen. Dadurch kann sich das Filter schneller an Änderungen der Zielbewegung anpassen. Gleichzeitig wirken sich aber auch Messfehler und Rauschen stärker auf die geschätzte Zielbewegung aus.
Kleine Werte führen dagegen zu ruhigeren Schätzungen, weil neue Messungen die bisherige Vorhersage weniger stark verändern. Das Filter kann dann jedoch langsamer auf tatsächliche Änderungen der Zielbewegung reagieren. Insbesondere bei einem Zielmanöver kann die geschätzte Position vorübergehend deutlich von der tatsächlichen Position abweichen.
Die Parameter dürfen deshalb nicht unabhängig von den Eigenschaften des Radars und der Zielbewegung gewählt werden. Messgenauigkeit, Messintervall und erwartete Manövrierfähigkeit des Zieles beeinflussen die geeignete Einstellung. Außerdem müssen die Werte so gewählt werden, dass das Filter ein stabiles Verhalten zeigt.
Was geschieht bei Zielmanövern?
Das einfache α-β-Filter verwendet ein Bewegungsmodell mit konstanter Geschwindigkeit. Wenn ein Ziel beschleunigt, abbremst oder seine Bewegungsrichtung ändert, stimmt dieses Modell nicht mehr vollständig mit der tatsächlichen Bewegung überein. Dadurch können größere Abweichungen zwischen der vorhergesagten und der gemessenen Position entstehen.
Das Filter reagiert auf solche Abweichungen durch eine Korrektur der geschätzten Position und Geschwindigkeit. Es kann jedoch ein unerwartetes Manöver nicht vorhersagen, bevor entsprechende Messungen vorliegen. Je nach Wahl der Filterparameter benötigt es mehrere Messungen, bis sich die Schätzwerte wieder ausreichend an die tatsächliche Zielbewegung angepasst haben.
Für Zielbewegungen mit ausgeprägten Beschleunigungen können erweiterte Verfahren verwendet werden. Dazu gehört beispielsweise das α-β-γ-Filter, das neben Position und Geschwindigkeit auch die Beschleunigung berücksichtigt. Auch andere Bewegungsmodelle und Filterverfahren können bei manövrierenden Zielen Vorteile bieten.
Unterschied zum Kalman-Filter
Das α-β-Filter und das Kalman-Filter verwenden dasselbe grundlegende Prinzip: Sie berechnen zunächst eine Vorhersage und korrigieren diese anschließend mithilfe einer neuen Messung. Der wesentliche Unterschied liegt in der Bestimmung der Korrekturverstärkung.
Beim klassischen α-β-Filter sind die beiden Verstärkungsfaktoren α und β fest eingestellt. Ein Kalman-Filter berechnet seine Verstärkung dagegen aus den geschätzten Unsicherheiten des Bewegungsmodells und der Messungen. Diese Unsicherheiten werden in Kovarianzmatrizen beschrieben und bei jedem Berechnungsschritt fortgeschrieben.
Unter bestimmten Bedingungen kann ein α-β-Filter als vereinfachte Form eines Kalman-Filters mit konstanter Verstärkung betrachtet werden. Insbesondere kann die Verstärkung eines Kalman-Filters bei gleichbleibenden Modell- und Messbedingungen nach einer Einschwingphase gegen konstante Werte streben. Das α-β-Filter benötigt jedoch keine laufende Berechnung der Kovarianzmatrizen und ist deshalb mit geringerem Rechenaufwand verbunden.
Bedeutung für die Radarzielverfolgung
Das α-β-Filter eignet sich besonders für Anwendungen, bei denen eine einfache und schnelle Schätzung der Zielposition und Geschwindigkeit benötigt wird. Seine Berechnungen bestehen im Wesentlichen aus Additionen und Multiplikationen. Dadurch lässt sich das Verfahren mit geringem Rechenaufwand ausführen und auch bei vielen gleichzeitig verfolgten Zielen einsetzen.
Die vorhergesagte Zielposition kann außerdem dazu genutzt werden, den Bereich festzulegen, in dem die nächste Radarmessung erwartet wird. Die Entscheidung, welche Radarplots zu welchem Track gehören, trifft jedoch die Datenassoziation und nicht das α-β-Filter selbst. Eine fehlerhafte Zuordnung von Messungen kann auch durch das Filter allein nicht zuverlässig korrigiert werden.
Wie das Kalman-Filter arbeitet auch das α-β-Filter rekursiv. Für einen neuen Berechnungsschritt werden nur die bisher geschätzte Position und Geschwindigkeit, der Zeitabstand und die neu zugeordnete Messung benötigt. Deshalb ist das Verfahren für die automatische Zielverfolgung in Echtzeit geeignet.