Qu'est-ce qu'un filtre alpha-bêta ?
Filtre alpha-bêta
Filtre alpha-bêta
Un filtre alpha-bêta (filtre α-β) est une méthode mathématique simple permettant d'estimer la position et la vitesse d'une cible mobile à partir de mesures successives de sa position. Ce filtre est notamment utilisé pour la poursuite de cibles radar. À partir des paramètres de mouvement précédemment estimés, il prédit la prochaine position de la cible et corrige cette prédiction à l'aide d'une nouvelle mesure radar. Deux paramètres de filtrage constants sont utilisés à cet effet : α (alpha) et β (bêta).
Dans sa forme la plus simple, cette méthode suppose que la cible se déplace à une vitesse approximativement constante entre deux mesures. Elle peut être appliquée à une seule coordonnée ou séparément à plusieurs coordonnées. Toutefois, lors du traitement de plusieurs coordonnées, les différences de précision des mesures et les relations entre les coordonnées peuvent jouer un rôle.
Prédiction de la prochaine position de la cible
Le calcul repose sur la position et la vitesse précédemment estimées. Ces valeurs permettent de prédire la position que la cible devrait atteindre au moment de la mesure suivante. À vitesse constante, la distance parcourue pendant l'intervalle de temps est ajoutée à la position précédente.
| xp = xalt + valt · Δt | (1) |
Dans cette équation, xp désigne la position prédite, xalt la position précédemment estimée, valt la vitesse précédemment estimée et Δt l'intervalle de temps entre deux mesures. Dans le modèle de mouvement uniforme considéré, la vitesse prédite est initialement égale à la vitesse précédemment estimée.
Correction à l'aide d'une nouvelle mesure radar
Lorsqu'une nouvelle mesure radar est disponible, son résultat est comparé à la position prédite. La différence entre les deux valeurs est appelée résidu ou innovation. Elle indique l'écart entre la position mesurée et la prédiction.
| r = xmess − xp | (2) |
Le filtre utilise ce résidu pour effectuer deux corrections différentes. Le coefficient α sert à corriger la position estimée. Le coefficient β sert à corriger la vitesse estimée.
| xneu = xp + α · r
vneu = valt + (β / Δt) · r |
(3) |
Le paramètre α détermine la proportion de l'écart de position utilisée pour corriger la position estimée. Plus la valeur de α est élevée, plus la position corrigée se rapproche de la nouvelle valeur mesurée. Une valeur plus faible accorde en revanche davantage d'importance à la prédiction précédente du mouvement.
Le paramètre β influence la correction de la vitesse. Pour cela, l'écart de position est divisé par l'intervalle de temps entre les mesures, puis pondéré par β. De cette manière, le filtre peut déduire une variation de la vitesse estimée à partir de mesures successives de la position.
Un radar poursuit une cible dont la distance précédemment estimée est de 10,0 km. La vitesse radiale estimée est de 200 m/s. Une seconde s'écoule avant la mesure radar suivante. En supposant une vitesse constante, le filtre prévoit donc que la cible se trouvera à une distance de 10,2 km.
Cependant, la nouvelle mesure radar indique une distance de 10,3 km. Le résidu est donc de +100 m. Pour cet exemple, les paramètres du filtre sont fixés à α = 0,6 et 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 |
Après la correction, la distance estimée est donc de 10,26 km et la vitesse estimée de 220 m/s. Le filtre utilise ces valeurs corrigées pour effectuer la prédiction suivante. La mesure radar initiale de 10,3 km reste inchangée.
Comment α et β influencent-ils la poursuite de la cible ?
Le choix des deux paramètres détermine en grande partie le comportement du filtre alpha-bêta. Des valeurs élevées entraînent généralement une réaction plus forte aux nouvelles mesures. Le filtre peut ainsi s'adapter plus rapidement aux changements de mouvement de la cible. Cependant, les erreurs de mesure et le bruit influencent également davantage le mouvement estimé de la cible.
Des valeurs faibles produisent en revanche des estimations plus régulières, car les nouvelles mesures modifient moins la prédiction précédente. Toutefois, le filtre peut alors réagir plus lentement aux changements réels du mouvement de la cible. En particulier lors d'une manœuvre, la position estimée peut temporairement s'écarter sensiblement de la position réelle.
Les paramètres ne doivent donc pas être choisis indépendamment des caractéristiques du radar et du mouvement de la cible. La précision des mesures, l'intervalle entre celles-ci et la capacité de manœuvre attendue de la cible influencent le réglage approprié. Les valeurs doivent également être choisies de façon à garantir un fonctionnement stable du filtre.
Que se passe-t-il lors des manœuvres de la cible ?
Le filtre alpha-bêta simple utilise un modèle de mouvement à vitesse constante. Si une cible accélère, ralentit ou change de direction, ce modèle ne correspond plus entièrement au mouvement réel. Des écarts plus importants peuvent alors apparaître entre la position prédite et la position mesurée.
Le filtre réagit à ces écarts en corrigeant la position et la vitesse estimées. Il ne peut toutefois pas prédire une manœuvre imprévue avant de disposer de mesures correspondantes. Selon le choix des paramètres du filtre, plusieurs mesures peuvent être nécessaires pour que les estimations s'adaptent de nouveau suffisamment au mouvement réel de la cible.
Pour les mouvements de cibles présentant des accélérations importantes, des méthodes étendues peuvent être utilisées. Il s'agit notamment du filtre alpha-bêta-gamma (α-β-γ), qui prend en compte l'accélération en plus de la position et de la vitesse. D'autres modèles de mouvement et méthodes de filtrage peuvent également présenter des avantages pour les cibles manœuvrantes.
Différence par rapport au filtre de Kalman
Le filtre alpha-bêta et le filtre de Kalman reposent sur le même principe fondamental : ils calculent d'abord une prédiction, puis la corrigent à l'aide d'une nouvelle mesure. La principale différence réside dans la détermination du gain de correction.
Dans le filtre alpha-bêta classique, les deux coefficients de gain α et β sont fixes. En revanche, un filtre de Kalman calcule son gain à partir des incertitudes estimées du modèle de mouvement et des mesures. Ces incertitudes sont représentées par des matrices de covariance et sont actualisées à chaque étape de calcul.
Dans certaines conditions, le filtre alpha-bêta peut être considéré comme une forme simplifiée d'un filtre de Kalman à gain constant. En particulier, lorsque les conditions du modèle et des mesures restent inchangées, le gain d'un filtre de Kalman peut converger vers des valeurs constantes après une phase transitoire. Toutefois, le filtre alpha-bêta ne nécessite pas le calcul permanent des matrices de covariance et demande donc moins de ressources de calcul.
Importance pour la poursuite de cibles radar
Le filtre alpha-bêta convient particulièrement aux applications nécessitant une estimation simple et rapide de la position et de la vitesse d'une cible. Ses calculs consistent essentiellement en des additions et des multiplications. La méthode peut donc être mise en œuvre avec une faible charge de calcul et être utilisée pour poursuivre simultanément un grand nombre de cibles.
La position prédite de la cible peut également servir à définir la zone dans laquelle la prochaine mesure radar est attendue. Cependant, la décision d'associer chaque plot radar à une piste donnée relève de l'association des données et non du filtre alpha-bêta lui-même. Une attribution incorrecte des mesures ne peut pas non plus être corrigée de manière fiable par le seul filtre.
Comme le filtre de Kalman, le filtre alpha-bêta fonctionne également de manière récursive. Pour chaque nouvelle étape de calcul, seules la position et la vitesse précédemment estimées, l'intervalle de temps et la nouvelle mesure associée sont nécessaires. Cette méthode convient donc à la poursuite automatique de cibles en temps réel.