www.radartutorial.eu www.radartutorial.eu Fundamentos Radar

¿Qué es un filtro alfa-beta?

Filtro alfa-beta

Filtro alfa-beta

Un filtro alfa-beta (filtro α-β) es un procedimiento matemático sencillo que permite estimar la posición y la velocidad de un blanco en movimiento a partir de mediciones sucesivas de su posición. El filtro se utiliza, entre otras aplicaciones, en el seguimiento de blancos por radar. A partir de los datos de movimiento estimados anteriormente, predice la siguiente posición del blanco y corrige esta predicción mediante una nueva medición de radar. Para ello se utilizan dos parámetros de filtrado constantes: α (alfa) y β (beta).

En su forma más sencilla, el procedimiento supone que el blanco se mueve aproximadamente a velocidad constante entre dos mediciones. Puede aplicarse a una sola coordenada o de forma independiente a varias coordenadas. Sin embargo, al procesar varias coordenadas pueden ser importantes las diferencias en la precisión de las mediciones y las relaciones existentes entre las coordenadas.

Predicción de la siguiente posición del blanco

El punto de partida del cálculo son la posición y la velocidad estimadas anteriormente. A partir de ellas puede predecirse la posición que probablemente alcanzará el blanco en el momento de la siguiente medición. Si la velocidad es constante, la distancia recorrida durante el intervalo de tiempo se suma a la posición anterior.

xp = xalt + valt · Δt (1)

En esta ecuación, xp representa la posición prevista, xalt es la posición estimada anteriormente, valt es la velocidad estimada anteriormente y Δt es el intervalo de tiempo entre dos mediciones. En el modelo supuesto de movimiento uniforme, la velocidad prevista es inicialmente igual a la velocidad estimada anteriormente.

Corrección mediante una nueva medición de radar

Cuando se dispone de una nueva medición de radar, su resultado se compara con la posición prevista. La diferencia entre ambos valores se denomina residuo o innovación. Indica cuánto se desvía la posición medida respecto a la predicción.

r = xmess − xp (2)

El filtro utiliza este residuo para realizar dos correcciones diferentes. El factor α se utiliza para corregir la posición estimada. El factor β se utiliza para corregir la velocidad estimada.

xneu = xp + α · r
vneu = valt + (β / Δt) · r
(3)

El parámetro α determina qué proporción de la desviación de posición se utiliza para corregir la posición estimada. Cuanto mayor sea α, más se aproximará la posición corregida al nuevo valor medido. Por el contrario, un valor menor da mayor importancia a la predicción anterior del movimiento.

El parámetro β influye en la corrección de la velocidad. Para ello, la desviación de posición se divide por el intervalo de tiempo entre las mediciones y, a continuación, se pondera mediante β. De este modo, el filtro puede deducir una variación de la velocidad estimada a partir de mediciones sucesivas de posición.

Un radar sigue un blanco cuya distancia estimada anteriormente es de 10,0 km. La velocidad estimada en dirección radial es de 200 m/s. Transcurre un segundo hasta la siguiente medición de radar. Suponiendo una velocidad constante, el filtro espera encontrar el blanco a una distancia de 10,2 km.

Sin embargo, la nueva medición de radar indica una distancia de 10,3 km. Por tanto, el residuo es de +100 m. Para este ejemplo se eligen los parámetros de filtrado α = 0,6 y β = 0,2.

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
 

Después de la corrección, la distancia estimada es de 10,26 km y la velocidad estimada es de 220 m/s. El filtro utiliza estos valores corregidos para realizar la siguiente predicción. La medición original del radar de 10,3 km permanece inalterada.

¿Cómo influyen α y β en el seguimiento de blancos?

La elección de los dos parámetros de filtrado determina en gran medida el comportamiento del filtro alfa-beta. Los valores elevados suelen producir una respuesta más intensa a las nuevas mediciones. Esto permite que el filtro se adapte más rápidamente a los cambios en el movimiento del blanco. Al mismo tiempo, sin embargo, los errores de medición y el ruido influyen más en el movimiento estimado del blanco.

Los valores pequeños, por el contrario, producen estimaciones más suaves, porque las nuevas mediciones modifican en menor medida la predicción anterior. No obstante, el filtro puede reaccionar más lentamente a los cambios reales en el movimiento del blanco. Especialmente durante una maniobra, la posición estimada puede desviarse temporalmente de forma considerable de la posición real.

Por esta razón, los parámetros no deben elegirse sin tener en cuenta las características del radar y del movimiento del blanco. La precisión de las mediciones, el intervalo entre ellas y la capacidad de maniobra prevista del blanco influyen en su ajuste adecuado. Además, los valores deben seleccionarse de modo que el filtro mantenga un comportamiento estable.

¿Qué ocurre durante las maniobras del blanco?

El filtro alfa-beta sencillo utiliza un modelo de movimiento con velocidad constante. Si un blanco acelera, desacelera o cambia su dirección de movimiento, este modelo deja de representar completamente el movimiento real. Como consecuencia, pueden producirse desviaciones mayores entre la posición prevista y la medida.

El filtro responde a estas desviaciones corrigiendo la posición y la velocidad estimadas. Sin embargo, no puede predecir una maniobra inesperada antes de disponer de las mediciones correspondientes. Dependiendo de los parámetros elegidos, pueden ser necesarias varias mediciones hasta que los valores estimados vuelvan a adaptarse suficientemente al movimiento real del blanco.

Para movimientos de blancos con aceleraciones importantes pueden utilizarse procedimientos ampliados. Entre ellos se encuentra, por ejemplo, el filtro alfa-beta-gamma (α-β-γ), que considera la aceleración además de la posición y la velocidad. Otros modelos de movimiento y procedimientos de filtrado también pueden ofrecer ventajas al seguir blancos que maniobran.

Diferencia respecto al filtro de Kalman

El filtro alfa-beta y el filtro de Kalman utilizan el mismo principio básico: primero calculan una predicción y después la corrigen mediante una nueva medición. La diferencia esencial radica en la determinación de la ganancia de corrección.

En el filtro alfa-beta clásico, los dos factores de ganancia α y β se establecen como valores fijos. En cambio, un filtro de Kalman calcula su ganancia a partir de las incertidumbres estimadas del modelo de movimiento y de las mediciones. Estas incertidumbres se describen mediante matrices de covarianza y se actualizan en cada paso de cálculo.

En determinadas condiciones, el filtro alfa-beta puede considerarse una forma simplificada de un filtro de Kalman con ganancia constante. En particular, cuando las condiciones del modelo y de las mediciones permanecen invariables, la ganancia de un filtro de Kalman puede converger hacia valores constantes después de una fase transitoria. Sin embargo, el filtro alfa-beta no necesita calcular continuamente las matrices de covarianza y, por tanto, requiere menos recursos de cálculo.

Importancia para el seguimiento de blancos por radar

El filtro alfa-beta resulta especialmente adecuado para aplicaciones que requieren una estimación sencilla y rápida de la posición y la velocidad del blanco. Sus cálculos consisten principalmente en sumas y multiplicaciones. Por ello, el procedimiento puede ejecutarse con un esfuerzo de cálculo reducido y utilizarse también para seguir numerosos blancos simultáneamente.

La posición prevista del blanco también puede utilizarse para delimitar la región en la que se espera la siguiente medición de radar. Sin embargo, decidir qué detecciones de radar pertenecen a cada trayectoria es una tarea de asociación de datos y no del propio filtro alfa-beta. Una asignación incorrecta de las mediciones tampoco puede corregirse de manera fiable únicamente mediante el filtro.

Al igual que el filtro de Kalman, el filtro alfa-beta también funciona de forma recursiva. Para cada nuevo paso de cálculo solo se necesitan la posición y la velocidad estimadas anteriormente, el intervalo de tiempo y la nueva medición asociada al blanco. Por tanto, este procedimiento resulta adecuado para el seguimiento automático de blancos en tiempo real.

Autor: Christian Wolff
Traducción al Español: www.DeepL.com/Translator