www.radartutorial.eu www.radartutorial.eu Основи радіолокації

Згладжування траєкторії

Прогнозування наступного положення цілі та строб супроводження для прив'язки нової радіолокаційної відмітки
огляд: n-2
n-1
n
історія траєкторії
остання відмітка
(огляд n-1)
«строб супроводження»
для наступного
оберту антени
прогнозоване
положення

Рисунок 1. Прогнозування положення цілі та строб супроводження для прив'язки наступної відмітки

Прогнозування наступного положення цілі та строб супроводження для прив'язки нової радіолокаційної відмітки
огляд: n-2
n-1
n
історія траєкторії
остання відмітка
(огляд n-1)
«строб супроводження» для
наступного оберту антени
прогнозоване положення

Рисунок 1. Прогнозування положення цілі та строб супроводження для прив'язки наступної відмітки

Прогнозування наступного положення цілі та строб супроводження для прив'язки нової радіолокаційної відмітки
огляд: n-2
n-1
n
історія траєкторії
остання відмітка
(огляд n-1)
«строб супроводження» для
наступного оберту антени
прогнозоване положення

Рисунок 1. Прогнозування положення цілі та строб супроводження для прив'язки наступної відмітки

Згладжування траєкторії

Згладжування траєкторії (Track Smoothing) у контексті автоматичного радіолокаційного супроводження цілей означає згладжування оціненого руху цілі за результатами послідовних радіолокаційних вимірювань. При цьому враховуються випадкові відхилення вимірювань, щоб окремі похибки якомога менше впливали на оцінене положення цілі та визначені за ним параметри руху. Фільтри супроводження, які застосовуються для цього, одночасно виконують ще одне важливе завдання: на основі раніше оціненого стану руху вони прогнозують положення цілі для наступного огляду радіолокатора. Цей прогноз використовується під час прив'язки нових радіолокаційних відміток до наявних траєкторій.

Для цього фільтр супроводження обробляє виміряні положення та раніше оцінені параметри руху цілі, насамперед її швидкість і, за потреби, прискорення. На основі цих відомостей і прийнятої моделі руху прогнозується положення, у якому ціль імовірно перебуватиме на момент наступного вимірювання. Навколо прогнозованого положення можна встановити строб супроводження, у межах якого нову радіолокаційну відмітку розглядають як можливий результат вимірювання, що належить відповідній траєкторії. Розміри та форма цього строба залежать, зокрема, від невизначеності вимірювань і невизначеності прогнозу руху.

Коли надходить нове радіолокаційне вимірювання, отримане положення порівнюється з прогнозованим. Виявлена різниця називається інновацією (Innovation) або нев'язкою вимірювання. Фільтр супроводження використовує цю різницю для корекції прогнозованого положення та оцінених параметрів руху. Після цього на основі оновленого стану обчислюється наступний прогноз. Такий повторюваний процес підвищує точність і стійкість супроводження цілі, оскільки окремі виміряні положення не потрібно безпосередньо приймати за її фактичні положення.

Фільтри супроводження відрізняються застосовуваними моделями руху, способом урахування невизначеності вимірювань і вимогами до обчислювальних ресурсів. Проте їхній основний робочий цикл зазвичай складається з двох послідовних етапів:

Результати вимірювань, отримані під час кількох послідовних оглядів, становлять основу для оцінювання руху цілі. При цьому згладжуються випадкові відхилення положення, а зміни швидкості або напрямку руху враховуються відповідно до прийнятої моделі. Оновлена оцінка стану знову використовується як основа для прогнозування положення під час наступного огляду. У рекурсивних фільтрах немає потреби постійно зберігати всі попередні вимірювання, оскільки отримана з них інформація вже врахована в поточній оцінці стану.

Альфа-бета-фільтр

Альфа-бета-фільтр (Alpha-Beta Tracker) є простим фільтром супроводження, призначеним насамперед для оцінювання положення та швидкості цілі. Зазвичай він використовує модель руху зі сталою швидкістю, тому особливо придатний для супроводження цілей, які не виконують значних маневрів. Два параметри, від яких походить його назва, α і β, визначають, наскільки сильно різниця між прогнозованим і виміряним положеннями впливає відповідно на корекцію оцінок положення та швидкості.

Альфа-бета-фільтр потребує небагато обчислювальних ресурсів і є простим у реалізації. Тому його широко застосовували, особливо в радіолокаційних системах попередніх поколінь, і досі використовують для відносно простих завдань супроводження цілей. Його недолік полягає в тому, що фіксовані параметри фільтра забезпечують лише обмежений компроміс між швидким реагуванням на зміни руху та ефективним пригніченням вимірювального шуму. Під час супроводження цілей, які інтенсивно маневрують, це може спричиняти значні похибки прогнозування. Альфа-бета-фільтр можна розглядати як спрощений оцінювач стану, який за певних припущень пов'язаний зі стаціонарним фільтром Калмана.

Фільтр Калмана

Фільтр Калмана (Kalman Filter) є рекурсивним математичним методом оцінювання стану динамічної системи за результатами вимірювань, що містять похибки. У радіолокаційному супроводженні цей стан може охоплювати, наприклад, положення цілі, її швидкість і, за потреби, прискорення. Фільтр поєднує параметри стану, прогнозовані за моделлю руху, з новими радіолокаційними вимірюваннями, враховуючи невизначеність і тих, і інших. Він застосовується в багатьох сучасних цифрових системах супроводження цілей.

Важливою складовою фільтра Калмана є коваріаційна матриця оцінки стану. Вона характеризує оцінену невизначеність положення та параметрів руху, а також статистичні зв'язки між похибками їх оцінювання. Під час прогнозування ця невизначеність змінюється відповідно до моделі руху. Після надходження нового вимірювання фільтр використовує відомості про невизначеність, щоб визначити, наскільки сильно необхідно скоригувати прогнозовану оцінку стану. Точніше вимірювання, як правило, отримує більшу вагу, ніж вимірювання з високою невизначеністю.

На момент огляду n-1 уже наявні остання оновлена оцінка стану та відповідна коваріаційна матриця. На їх основі фільтр Калмана обчислює прогнозоване положення цілі та пов'язану з ним невизначеність для огляду n. Після отримання нової радіолокаційної відмітки та її прив'язки до траєкторії прогнозовані значення коригуються за результатами вимірювання. Унаслідок цього формується оновлена оцінка стану, яка потім використовується для прогнозування на огляд n+1. Отже, фільтр Калмана поєднує згладжування оціненого руху цілі з безперервним прогнозуванням її майбутніх положень.

Класичний фільтр Калмана забезпечує оцінку стану з мінімальною середньоквадратичною похибкою за умови лінійної моделі руху та відповідного статистичного опису похибок процесу й вимірювань. Для нелінійних моделей руху або вимірювання існують розширені різновиди фільтра. Проте якість оцінювання стану значною мірою залежить від того, наскільки точно застосована модель описує фактичний рух цілі та невизначеності радіолокаційних вимірювань.