www.radartutorial.eu www.radartutorial.eu Основы радиолокации

Сглаживание траектории

Экстраполяция положения цели и строб сопровождения для привязки следующей радиолокационной отметки
обзор: n-2
n-1
n
предыстория
траектории
последняя отметка
(обзор n-1)
строб экстраполяции
на следующий обзор
экстраполированное
положение

Рисунок 1. Экстраполяция положения цели и строб для привязки следующей отметки

Экстраполяция положения цели и строб сопровождения для привязки следующей радиолокационной отметки
обзор: n-2
n-1
n
предыстория
траектории
последняя отметка
(обзор n-1)
строб экстраполяции
на следующий обзор
экстраполированное
положение

Рисунок 1. Экстраполяция положения цели и строб для привязки следующей отметки

Экстраполяция положения цели и строб сопровождения для привязки следующей радиолокационной отметки
обзор: n-2
n-1
n
предыстория
траектории
последняя отметка
(обзор n-1)
строб экстраполяции
на следующий обзор
экстраполированное
положение

Рисунок 1. Экстраполяция положения цели и строб для привязки следующей отметки

Сглаживание траектории

Сглаживание траектории (Track Smoothing) при автоматическом радиолокационном сопровождении означает уменьшение влияния случайных ошибок измерения на оценку движения цели по результатам последовательных обзоров радиолокатора. При этом учитываются случайные отклонения измеренных координат, чтобы отдельные ошибки как можно меньше влияли на оцененное положение цели и определяемые по нему параметры движения. Используемые для этой цели фильтры сопровождения выполняют также вторую важную задачу: на основании ранее оцененного состояния движения они экстраполируют положение цели на следующий обзор. Результаты экстраполяции используются при привязке новых радиолокационных отметок к существующим траекториям.

Для этого фильтр сопровождения обрабатывает измеренные координаты и ранее оцененные параметры движения цели, прежде всего скорость и, при необходимости, ускорение. На основании этих данных и принятой модели движения экстраполируется положение, в котором цель предположительно будет находиться в момент следующего измерения. Вокруг экстраполированного положения может быть установлен строб экстраполяции. Новая радиолокационная отметка, попадающая в этот строб, рассматривается как возможное измерение, относящееся к сопровождаемой траектории. Размеры и форма строба зависят, в частности, от погрешностей измерения и неопределенности прогноза движения.

При поступлении нового радиолокационного измерения полученные координаты сравниваются с экстраполированным положением цели. Возникающая разность называется инновацией (Innovation) или невязкой измерения. Фильтр сопровождения использует эту разность для уточнения экстраполированных координат и оцененных параметров движения. Затем на основании обновленной оценки состояния рассчитывается экстраполяция на следующий обзор. Этот повторяющийся процесс повышает точность и устойчивость сопровождения, поскольку отдельные измеренные координаты не принимаются непосредственно за истинное положение цели.

Фильтры сопровождения различаются используемыми моделями движения, способом учета неопределенности измерений и требованиями к вычислительным ресурсам. Однако их основной рабочий цикл обычно состоит из двух последовательных этапов:

Результаты измерений, полученные в нескольких последовательных обзорах, служат основой для оценки движения цели. При этом сглаживаются случайные отклонения координат, а изменения скорости или направления движения учитываются в соответствии с принятой моделью. Обновленная оценка состояния снова используется для экстраполяции положения на следующий обзор. В рекурсивных фильтрах нет необходимости постоянно хранить все предыдущие измерения, поскольку содержащаяся в них информация уже учтена в текущей оценке состояния.

Альфа-бета-фильтр

Альфа-бета-фильтр (Alpha-Beta Tracker) представляет собой простой фильтр сопровождения, предназначенный прежде всего для оценки координат и скорости движения цели. Обычно в нем используется модель движения с постоянной скоростью, поэтому он особенно подходит для сопровождения целей, не совершающих интенсивных маневров. Два параметра, давшие фильтру название, α и β, определяют, насколько сильно разность между экстраполированным и измеренным положениями влияет соответственно на уточнение оценок координат и скорости.

Альфа-бета-фильтр требует сравнительно небольших вычислительных ресурсов и отличается простотой реализации. Поэтому он широко применялся в ранних радиолокационных системах и до сих пор используется для решения относительно простых задач сопровождения целей. Его недостаток заключается в том, что фиксированные коэффициенты фильтра обеспечивают лишь ограниченный компромисс между быстрой реакцией на изменение движения и эффективным подавлением ошибок измерения. При сопровождении интенсивно маневрирующих целей это может приводить к значительным ошибкам экстраполяции. Альфа-бета-фильтр можно рассматривать как упрощенный оцениватель состояния, который при определенных допущениях связан со стационарным фильтром Калмана.

Фильтр Калмана

Фильтр Калмана (Kalman Filter) представляет собой рекурсивный математический метод оценки состояния динамической системы по результатам измерений, содержащих ошибки. При радиолокационном сопровождении это состояние может включать координаты положения цели, скорость и, при необходимости, ускорение. Фильтр объединяет параметры состояния, экстраполированные по модели движения, с новыми радиолокационными измерениями, учитывая неопределенность тех и других. Он применяется во многих современных цифровых системах сопровождения целей.

Важнейшим элементом фильтра Калмана является ковариационная матрица оценки состояния. Она характеризует неопределенность оцененных координат и параметров движения, а также статистические связи между ошибками их оценивания. При экстраполяции эта неопределенность изменяется в соответствии с моделью движения. После поступления нового измерения фильтр использует сведения о неопределенности, чтобы определить степень коррекции экстраполированной оценки состояния. Более точное измерение, как правило, получает больший вес, чем измерение с высокой неопределенностью.

К моменту (n-1)-го обзора уже имеются последняя уточненная оценка состояния и соответствующая ковариационная матрица. На их основании фильтр Калмана рассчитывает экстраполированное положение цели и связанную с ним неопределенность для n-го обзора. После получения новой радиолокационной отметки и ее привязки к сопровождаемой траектории экстраполированные значения корректируются по результатам измерения. В результате получается уточненная оценка состояния, которая затем используется для экстраполяции на (n+1)-й обзор. Таким образом, фильтр Калмана объединяет сглаживание оцененного движения цели с последовательным прогнозированием ее будущего положения.

Классический фильтр Калмана обеспечивает оценку состояния с минимальной среднеквадратической ошибкой при условии линейной модели движения и соответствующего статистического описания ошибок процесса и измерений. Для нелинейных моделей движения или измерений существуют расширенные варианты фильтра. Однако качество оценки состояния в значительной степени определяется тем, насколько точно используемая модель описывает действительное движение цели и неопределенности радиолокационных измерений.

Когда характер движения цели длительное время хорошо соответствует принятой модели, фильтр Калмана может становиться чрезмерно «уверенным» в результатах собственной экстраполяции. Оцененная неопределенность уменьшается, вследствие чего новые измерения получают относительно небольшой вес. Если после этого цель начинает маневрировать, фильтр может слишком медленно реагировать на изменение движения. Кроме того, строб экстраполяции может оказаться слишком узким, и очередная отметка маневрирующей цели не попадет в него. Это создает опасность срыва сопровождения. Одним из способов предотвращения такой ситуации является увеличение предполагаемого шума процесса или иное расширение прогнозируемой неопределенности, позволяющее фильтру быстрее реагировать на неожиданные маневры цели.

Автор: Д-р Андрій Музиченко