Netezirea traiectoriei radar
(scanarea n-1)
pentru următoarea
rotație a antenei
prezisă
Figura 1. Predicția poziției țintei și fereastra de validare pentru asocierea următorului plot
(scanarea n-1)
următoarea rotație a antenei
Figura 1. Predicția poziției țintei și fereastra de validare pentru asocierea următorului plot
(scanarea n-1)
următoarea rotație a antenei
Figura 1. Predicția poziției țintei și fereastra de validare pentru asocierea următorului plot
Netezirea traiectoriei radar
Netezirea traiectoriei radar (Track Smoothing) reprezintă, în contextul urmăririi radar automate a țintelor, netezirea mișcării estimate a unei ținte pe baza măsurătorilor radar succesive. În acest proces sunt luate în considerare abaterile aleatoare ale măsurătorilor, astfel încât erorile individuale să influențeze cât mai puțin poziția estimată a țintei și parametrii de mișcare derivați din aceasta. Filtrele de urmărire utilizate în acest scop îndeplinesc și o a doua funcție importantă: ele prezic poziția țintei la următoarea scanare radar, pornind de la starea de mișcare estimată anterior. Această predicție este utilizată la asocierea noilor ploturi radar cu traiectoriile existente.
În acest scop, un filtru de urmărire prelucrează pozițiile măsurate și parametrii de mișcare deja estimați ai țintei, în special viteza și, eventual, accelerația acesteia. Pe baza acestor informații și a unui model de mișcare presupus, se prezice poziția în care se estimează că se va afla ținta în momentul următoarei măsurători. În jurul acestei poziții poate fi definită o fereastră de validare, în interiorul căreia un plot nou detectat poate fi considerat o posibilă măsurătoare asociată traiectoriei. Dimensiunea și forma acestei ferestre depind, printre altele, de incertitudinile de măsurare și de incertitudinea predicției mișcării.
La sosirea unei noi măsurători radar, poziția măsurată este comparată cu poziția prezisă. Diferența constatată este denumită inovație (Innovation) sau reziduu de măsurare. Filtrul de urmărire utilizează această diferență pentru a corecta poziția prezisă și parametrii de mișcare estimați. Ulterior, pe baza stării actualizate, se calculează următoarea predicție. Acest proces repetitiv îmbunătățește precizia și stabilitatea urmăririi țintei, fără a fi necesar ca fiecare poziție măsurată să fie considerată direct poziția reală a țintei.
Filtrele de urmărire diferă prin modelele de mișcare utilizate, prin modul în care țin seama de incertitudinile de măsurare și prin necesarul de putere de calcul. Totuși, ciclul lor fundamental de funcționare constă de obicei din două etape succesive:
- Predicție: calcularea stării așteptate a țintei în momentul următoarei măsurători.
- Corecție: actualizarea stării prezise pe baza măsurătorii radar efectiv recepționate.
Măsurătorile obținute în timpul mai multor scanări succesive constituie baza estimării mișcării țintei. În acest proces, abaterile aleatoare ale poziției sunt netezite, iar modificările vitezei sau direcției de deplasare sunt luate în considerare conform modelului utilizat. Estimarea actualizată a stării servește apoi drept punct de plecare pentru următoarea predicție a poziției. În cazul filtrelor recursive, nu este necesară stocarea permanentă a tuturor măsurătorilor anterioare, deoarece informațiile obținute din acestea sunt deja incluse în estimarea curentă a stării.
Filtru alfa-beta
Filtrul alfa-beta (Alpha-Beta Tracker) este un filtru de urmărire simplu, care estimează în principal poziția și viteza unei ținte. Acesta utilizează de obicei un model de mișcare cu viteză constantă și este, prin urmare, deosebit de potrivit pentru țintele care nu execută manevre pronunțate. Cei doi parametri care îi dau numele, α și β, determină în ce măsură diferența dintre poziția prezisă și cea măsurată este utilizată pentru corectarea estimărilor poziției și, respectiv, vitezei.
Filtrul alfa-beta necesită o putere de calcul redusă și este ușor de implementat. De aceea, a fost utilizat pe scară largă, în special în sistemele radar mai vechi, și este folosit și în prezent pentru aplicații relativ simple de urmărire a țintelor. Dezavantajul său constă în faptul că parametrii ficși ai filtrului permit doar un compromis limitat între reacția rapidă la modificările mișcării și reducerea eficientă a zgomotului de măsurare. Prin urmare, la urmărirea țintelor care execută manevre ample pot apărea erori de predicție mai mari. Filtrul alfa-beta poate fi considerat un estimator de stare simplificat, care, în anumite condiții, este înrudit cu un filtru Kalman în regim staționar.
Filtrul Kalman
Filtrul Kalman (Kalman Filter) este o metodă matematică recursivă pentru estimarea stării unui sistem dinamic pe baza unor măsurători afectate de erori. În urmărirea radar a țintelor, această stare poate include, de exemplu, poziția, viteza și, eventual, accelerația țintei. Filtrul combină variabilele de stare prezise prin modelul de mișcare cu noile măsurători radar, ținând seama de incertitudinile respective. Acesta este utilizat în numeroase sisteme digitale moderne de urmărire a țintelor.
O componentă esențială a filtrului Kalman este matricea de covarianță a estimării stării. Aceasta descrie incertitudinea estimată a poziției și parametrilor de mișcare, precum și relațiile statistice dintre erorile de estimare ale acestora. În etapa de predicție, această incertitudine este propagată conform modelului de mișcare. După sosirea unei noi măsurători, filtrul utilizează informațiile privind incertitudinile pentru a determina în ce măsură trebuie corectată estimarea stării prezise. O măsurătoare mai precisă primește, în general, o pondere mai mare decât o măsurătoare caracterizată de o incertitudine ridicată.
La momentul scanării n-1 sunt deja disponibile ultima estimare actualizată a stării și matricea de covarianță asociată. Pe baza acestora, filtrul Kalman calculează poziția prezisă a țintei și incertitudinea corespunzătoare pentru scanarea n. Imediat ce un nou plot radar a fost măsurat și asociat traiectoriei, valorile prezise sunt corectate cu ajutorul măsurătorii. Rezultatul este o estimare actualizată a stării, din care se calculează apoi predicția pentru scanarea n+1. În acest fel, filtrul Kalman combină netezirea mișcării estimate a țintei cu predicția continuă a pozițiilor sale viitoare.
Filtrul Kalman clasic furnizează o estimare a stării cu eroare pătratică medie minimă, în ipoteza unui model liniar de mișcare și a unei descrieri statistice corespunzătoare a erorilor procesului și măsurătorilor. Pentru modelele neliniare de mișcare sau de măsurare există variante extinse ale filtrului. Totuși, calitatea estimării stării depinde în mare măsură de cât de bine descrie modelul utilizat mișcarea reală a țintei și incertitudinile care apar în timpul măsurătorilor.