O que é um filtro alfa-beta?
Filtro alfa-beta
Filtro alfa-beta
Um filtro alfa-beta (filtro α-β) é um método matemático simples utilizado para estimar a posição e a velocidade de um alvo em movimento a partir de medições sucessivas de sua posição. Esse filtro é utilizado, entre outras aplicações, no rastreamento de alvos por radar. Com base nos dados de movimento estimados anteriormente, ele prevê a próxima posição do alvo e corrige essa previsão utilizando uma nova medição de radar. Para isso, são empregados dois parâmetros fixos de filtragem: α (alfa) e β (beta).
Em sua forma mais simples, o método pressupõe que o alvo se move com velocidade aproximadamente constante entre duas medições. Ele pode ser aplicado a uma única coordenada ou independentemente a várias coordenadas. Entretanto, ao processar várias coordenadas, podem ser importantes as diferenças de precisão das medições e as relações existentes entre as coordenadas.
Previsão da próxima posição do alvo
O ponto de partida do cálculo são a posição e a velocidade estimadas anteriormente. A partir desses valores, é possível prever a posição que o alvo provavelmente atingirá no momento da próxima medição. Considerando uma velocidade constante, a distância percorrida durante o intervalo de tempo é somada à posição anterior.
| xp = xalt + valt · Δt | (1) |
Nessa equação, xp representa a posição prevista, xalt representa a posição estimada anteriormente, valt representa a velocidade estimada anteriormente e Δt é o intervalo de tempo entre duas medições. No modelo de movimento uniforme considerado, a velocidade prevista inicialmente corresponde à velocidade estimada anteriormente.
Correção com uma nova medição de radar
Quando uma nova medição de radar está disponível, seu resultado é comparado com a posição prevista. A diferença entre os dois valores é denominada resíduo ou inovação. Ela indica quanto a posição medida se desvia da previsão.
| r = xmess − xp | (2) |
O filtro utiliza esse resíduo para realizar duas correções diferentes. O fator α é utilizado para corrigir a posição estimada. O fator β é utilizado para corrigir a velocidade estimada.
| xneu = xp + α · r
vneu = valt + (β / Δt) · r |
(3) |
O parâmetro α determina qual parcela do desvio de posição é utilizada para corrigir a posição estimada. Quanto maior for o valor de α, mais a posição corrigida se aproxima da nova medição. Um valor menor, por outro lado, atribui maior importância à previsão anterior do movimento.
O parâmetro β influencia a correção da velocidade. Para isso, o desvio de posição é dividido pelo intervalo de tempo entre as medições e, em seguida, ponderado por β. Dessa forma, o filtro pode determinar uma alteração na velocidade estimada a partir de medições sucessivas da posição.
Um radar rastreia um alvo cuja distância estimada anteriormente é de 10,0 km. A velocidade estimada na direção radial é de 200 m/s. Transcorre um segundo até a próxima medição de radar. Considerando uma velocidade constante, o filtro espera encontrar o alvo a uma distância de 10,2 km.
No entanto, a nova medição de radar indica uma distância de 10,3 km. Portanto, o resíduo é de +100 m. Para este exemplo, são escolhidos os parâmetros de filtragem α = 0,6 e 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 |
Após a correção, a distância estimada passa a ser de 10,26 km e a velocidade estimada é de 220 m/s. O filtro utiliza esses valores corrigidos para realizar a próxima previsão. A medição original do radar, de 10,3 km, permanece inalterada.
Como α e β influenciam o rastreamento de alvos?
A escolha dos dois parâmetros de filtragem determina, em grande parte, o comportamento do filtro alfa-beta. Valores maiores geralmente produzem uma resposta mais intensa às novas medições. Isso permite que o filtro se adapte mais rapidamente às alterações no movimento do alvo. Ao mesmo tempo, porém, os erros de medição e o ruído também exercem maior influência sobre o movimento estimado do alvo.
Valores menores, por outro lado, produzem estimativas mais suaves, pois as novas medições modificam menos a previsão anterior. Entretanto, o filtro pode responder mais lentamente às alterações reais no movimento do alvo. Especialmente durante uma manobra, a posição estimada pode apresentar temporariamente um desvio significativo em relação à posição real.
Por isso, os parâmetros não devem ser escolhidos sem considerar as características do radar e do movimento do alvo. A precisão das medições, o intervalo entre elas e a capacidade de manobra esperada do alvo influenciam a escolha dos valores adequados. Além disso, os valores devem ser selecionados de modo a garantir um comportamento estável do filtro.
O que acontece durante as manobras do alvo?
O filtro alfa-beta simples utiliza um modelo de movimento com velocidade constante. Se um alvo acelera, desacelera ou muda sua direção de movimento, esse modelo deixa de representar completamente o movimento real. Como consequência, podem surgir desvios maiores entre a posição prevista e a posição medida.
O filtro responde a esses desvios corrigindo a posição e a velocidade estimadas. Entretanto, ele não consegue prever uma manobra inesperada antes que as medições correspondentes estejam disponíveis. Dependendo dos parâmetros escolhidos, podem ser necessárias várias medições até que os valores estimados voltem a se ajustar suficientemente ao movimento real do alvo.
Para movimentos de alvos com acelerações significativas, podem ser utilizados métodos mais avançados. Um exemplo é o filtro alfa-beta-gama (α-β-γ), que considera a aceleração além da posição e da velocidade. Outros modelos de movimento e métodos de filtragem também podem oferecer vantagens no rastreamento de alvos em manobra.
Diferença em relação ao filtro de Kalman
O filtro alfa-beta e o filtro de Kalman utilizam o mesmo princípio básico: primeiro calculam uma previsão e depois a corrigem com uma nova medição. A principal diferença está na determinação do ganho de correção.
No filtro alfa-beta clássico, os dois fatores de ganho α e β são definidos como valores fixos. Já o filtro de Kalman calcula seu ganho com base nas incertezas estimadas do modelo de movimento e das medições. Essas incertezas são descritas por matrizes de covariância e atualizadas em cada etapa do cálculo.
Sob determinadas condições, o filtro alfa-beta pode ser considerado uma forma simplificada do filtro de Kalman com ganho constante. Em particular, quando as condições do modelo e das medições permanecem inalteradas, o ganho de um filtro de Kalman pode convergir para valores constantes após uma fase transitória. Entretanto, o filtro alfa-beta não exige o cálculo contínuo das matrizes de covariância e, portanto, apresenta menor custo computacional.
Importância para o rastreamento de alvos por radar
O filtro alfa-beta é especialmente adequado para aplicações que exigem uma estimativa simples e rápida da posição e da velocidade do alvo. Seus cálculos consistem principalmente em operações de adição e multiplicação. Assim, o método pode ser executado com baixo esforço computacional e também pode ser utilizado no rastreamento simultâneo de muitos alvos.
A posição prevista do alvo também pode ser utilizada para determinar a região na qual se espera a próxima medição de radar. Entretanto, a decisão sobre quais detecções de radar pertencem a cada trajetória cabe à associação de dados, e não ao próprio filtro alfa-beta. Uma associação incorreta das medições não pode ser corrigida de maneira confiável apenas pelo filtro.
Assim como o filtro de Kalman, o filtro alfa-beta também opera de forma recursiva. Para cada nova etapa de cálculo, são necessários apenas a posição e a velocidade estimadas anteriormente, o intervalo de tempo e a nova medição associada ao alvo. Portanto, o método é adequado para o rastreamento automático de alvos em tempo real.