Wygładzanie trasy radarowej
(obrót n-1)
dla następnego
obrotu anteny
położenie
Rysunek 1. Prognozowanie położenia celu i bramka walidacyjna do przypisania następnego wykrycia
(obrót n-1)
następnego obrotu anteny
Rysunek 1. Prognozowanie położenia celu i bramka walidacyjna do przypisania następnego wykrycia
(obrót n-1)
następnego obrotu anteny
Rysunek 1. Prognozowanie położenia celu i bramka walidacyjna do przypisania następnego wykrycia
Wygładzanie trasy radarowej
Wygładzanie trasy radarowej (Track Smoothing) w kontekście automatycznego śledzenia celów radarowych oznacza wygładzanie oszacowanego ruchu celu na podstawie kolejnych pomiarów radarowych. Uwzględnia się przy tym losowe odchylenia pomiarowe, aby pojedyncze błędy pomiarów w możliwie najmniejszym stopniu wpływały na oszacowane położenie celu i wyznaczone na jego podstawie parametry ruchu. Filtry śledzące stosowane w tym celu spełniają jednocześnie drugie ważne zadanie: na podstawie dotychczasowego stanu ruchu prognozują położenie celu podczas następnego obrotu anteny. Prognoza ta jest wykorzystywana przy przypisywaniu nowych wykryć radarowych do istniejących tras.
W tym celu filtr śledzący przetwarza zmierzone położenia oraz wcześniej oszacowane parametry ruchu celu, w szczególności jego prędkość i ewentualnie przyspieszenie. Na podstawie tych informacji i przyjętego modelu ruchu prognozuje położenie, w którym cel powinien znajdować się w chwili następnego pomiaru. Wokół prognozowanego położenia można wyznaczyć bramkę walidacyjną, w której nowo wykryte echo radarowe może zostać uznane za potencjalny pomiar odpowiadający danej trasie. Wielkość i kształt tej bramki zależą między innymi od niepewności pomiarowych oraz niepewności prognozy ruchu.
Po nadejściu nowego pomiaru radarowego jego zmierzone położenie porównuje się z położeniem prognozowanym. Stwierdzona różnica jest nazywana innowacją (Innovation) lub resztą pomiarową. Filtr śledzący wykorzystuje tę różnicę do skorygowania prognozowanego położenia i oszacowanych parametrów ruchu. Następnie na podstawie zaktualizowanego stanu obliczana jest kolejna prognoza. Ten powtarzający się proces poprawia dokładność i stabilność śledzenia celu, bez konieczności bezpośredniego uznawania każdego zmierzonego położenia za rzeczywiste położenie celu.
Filtry śledzące różnią się stosowanymi modelami ruchu, sposobem uwzględniania niepewności pomiarowych i wymaganiami dotyczącymi mocy obliczeniowej. Ich podstawowy cykl pracy składa się jednak zazwyczaj z dwóch kolejnych etapów:
- Predykcja: obliczenie przewidywanego stanu celu w chwili następnego pomiaru.
- Korekcja: aktualizacja prognozowanego stanu na podstawie rzeczywiście otrzymanego pomiaru radarowego.
Pomiary z kilku kolejnych obrotów anteny stanowią podstawę szacowania ruchu celu. W tym procesie wygładzane są losowe odchylenia położenia, natomiast zmiany prędkości lub kierunku ruchu uwzględnia się zgodnie z zastosowanym modelem. Zaktualizowana estymata stanu stanowi następnie punkt wyjścia do kolejnego prognozowania położenia. W przypadku filtrów rekurencyjnych nie ma potrzeby trwałego przechowywania wszystkich wcześniejszych pomiarów, ponieważ uzyskane z nich informacje są już zawarte w bieżącej estymacie stanu.
Filtr alfa-beta
Filtr alfa-beta (Alpha-Beta Tracker) jest prostym filtrem śledzącym, który szacuje przede wszystkim położenie i prędkość celu. Zwykle wykorzystuje model ruchu ze stałą prędkością i dlatego nadaje się szczególnie do śledzenia celów niewykonujących wyraźnych manewrów. Dwa parametry, od których pochodzi jego nazwa, α i β, określają, w jakim stopniu różnica między położeniem prognozowanym a zmierzonym jest wykorzystywana do korekcji odpowiednio estymaty położenia i prędkości.
Filtr alfa-beta wymaga niewielkiej mocy obliczeniowej i jest łatwy do zaimplementowania. Dlatego był szeroko stosowany zwłaszcza w starszych systemach radarowych i nadal znajduje zastosowanie w prostszych zadaniach śledzenia celów. Jego wadą jest to, że stałe parametry filtru pozwalają jedynie na ograniczony kompromis między szybką reakcją na zmiany ruchu a skutecznym tłumieniem szumu pomiarowego. W przypadku celów wykonujących gwałtowne manewry mogą więc wystąpić większe błędy prognozowania. Filtr alfa-beta można traktować jako uproszczony estymator stanu, który przy określonych założeniach jest powiązany z filtrem Kalmana w stanie ustalonym.
Filtr Kalmana
Filtr Kalmana (Kalman Filter) jest rekurencyjną metodą matematyczną służącą do estymacji stanu układu dynamicznego na podstawie pomiarów obarczonych błędami. W śledzeniu radarowym stan ten może obejmować na przykład położenie, prędkość i ewentualnie przyspieszenie celu. Filtr łączy zmienne stanu prognozowane za pomocą modelu ruchu z nowymi pomiarami radarowymi, uwzględniając ich odpowiednie niepewności. Jest stosowany w wielu nowoczesnych cyfrowych systemach śledzenia celów.
Istotnym elementem filtru Kalmana jest macierz kowariancji estymaty stanu. Opisuje ona oszacowaną niepewność położenia i parametrów ruchu, a także statystyczne zależności między błędami ich estymacji. Podczas predykcji niepewność ta jest propagowana zgodnie z modelem ruchu. Po otrzymaniu nowego pomiaru filtr wykorzystuje informacje o niepewnościach, aby określić, w jakim stopniu należy skorygować prognozowaną estymatę stanu. Dokładniejszy pomiar otrzymuje przy tym na ogół większą wagę niż pomiar o wysokiej niepewności.
W chwili obrotu n-1 dostępne są już ostatnia zaktualizowana estymata stanu i jej macierz kowariancji. Na tej podstawie filtr Kalmana oblicza prognozowane położenie celu i związaną z nim niepewność dla obrotu n. Gdy nowe wykrycie radarowe zostanie zmierzone i przypisane do danej trasy, wartości prognozowane są korygowane na podstawie pomiaru. Wynikiem jest zaktualizowana estymata stanu, z której następnie wyznacza się prognozę dla obrotu n+1. W ten sposób filtr Kalmana łączy wygładzanie oszacowanego ruchu celu z ciągłym prognozowaniem jego przyszłych położeń.
Klasyczny filtr Kalmana zapewnia estymatę stanu o minimalnym średnim błędzie kwadratowym przy założeniu liniowego modelu ruchu i pomiaru oraz odpowiedniego opisu statystycznego błędów procesu i pomiarów. Dla nieliniowych modeli ruchu lub pomiaru dostępne są rozszerzone odmiany filtru. Jakość estymacji stanu zależy jednak w znacznym stopniu od tego, jak dokładnie zastosowany model opisuje rzeczywisty ruch celu i niepewności występujące w pomiarach.