Описание к лабораторным работам по вторичной обработке сигналов (1015474), страница 4
Текст из файла (страница 4)
При отборе отметок в полярный строб проверяются неравенства :
,
.
Аналогично при отборе отметок в прямоугольный строб проверяются неравенства :
,
.
Все отметки, удовлетворяющие приведенным выше неравенствам, могут явиться продолжением траектории. Отбор единственной отметки, которая имеет наибольшую вероятность принадлежности к траектории, производится в процессе селекции отметок в стробе.
Размеры строба выбираются из условия обеспечения заданной вероятности попадания в него истинных отметок. Так, например, если выбрать узкий строб с размерами, 
,
где 
,
- суммарные среднеквадратичные отклонения истинных отметок от экстраполированных по осям х и у , то вероятность попадания истинных отметок в строб P0 будет приблизительно равна 0.68 (при нормальном законе распределения суммарных ошибок). При среднем стробе с размерами 
и 
эта вероятность будет равна 0.92. Для получения вероятности Р0, близкой к единице (например, 0.997), необходимо размеры широкого строба брать равными :
- в прямоугольной системе координат
,
.
- в полярной системе координат
, 
.
В системе сопровождения для селекции траекторий должны вырабатываться стробы, по крайней мере, трех размеров.
1. Узкий строб для сопровождения не маневрирующих или слабо маневрирующих целей при отсутствии пропусков отметок.
2. Средний строб для сопровождения сильно маневрирующих целей при отсутствии пропусков отметок.
3. Широкий строб для сопровождения при наличии пропусков отметок.
При построении траектории одиночной цели предполагается, что в стробы кроме истинных будут попадать также ложные отметки, образованные помехами, прошедшими фильтр первичной обработки. В результате анализа ситуаций в стробе, используя метод селекции отметок по минимуму отклонения от центра строба, возможны следующие решения.
1. При наличии в стробе нескольких отметок продолжать траектории по каждой из них, т. е. допускать размножение траекторий. Продолжения траектории по ложным отметкам из-за отсутствия подтверждений через несколько обзоров будут сброшены с сопровождения, а продолжение траектории по истинным отметкам останется. Однако при высокой плотности ложных отметок возможно лавинообразное размножение ложных траекторий, приводящее к перегрузке запоминающих устройств вычислительных средств.
2. Выбрать в стробе одну отметку, вероятность принадлежности которой к сопровождаемой траектории наибольшая, а остальные отбросить как ложные. Такой подход целесообразен с точки зрения уменьшения трудоемкости вычислений, но требует решения задачи оптимальной селекции отметок.
Оптимизация процесса селекции отметок по отклонению от центра строба производится по критерию максимального правдоподобия, в соответствии с которым за истинную отметку надо принимать ту, для которой функция правдоподобия максимальна.
При селекции в трехмерном стробе, грани которого параллельны главным полуосям эллипсоида суммарных ошибок, в качестве отметки для продолжения траектории надо взять ту, эллиптическое отклонение которой от центра строба минимально. Также в качестве упрощения можно использовать селекцию по минимуму суммы квадратов линейных отклонений отметки от центра строба. Качество процесса селекции отметок можно оценить вероятностью правильной селекции, т. е. вероятностью события, состоящего в том, что в очередном обзоре для продолжения траектории будет отобрана истинная отметка.
Методика проведения машинного эксперимента
Целью машинного эксперимента является исследование влияния параметров сглаживания а и b на флуктуационные [xср] и [vср], динамические dx, dv ошибки, переходный процесс и устойчивость фильтра с эффективной конечной памятью второго порядка, предназначенного для сглаживания параметров движения линейной траектории. Входными воздействиями являются отсчеты линейной траектории совместно с наложенными на них ошибками измерения, а также отсчеты квадратичной траектории без ошибок измерения. В последнем случае исследуются динамические характеристики фильтра.
Машинный эксперимент проводится следующим образом:
1) по заданию преподавателя студент рассчитывает величину квадрата динамической ошибки по координате 
, скорости 
. Для заданных To и g строится график 
при b в качестве параметра.
2) В соответствии с критерием оптимизации, заданным преподавателем, графическим методом, используя рассчитанный график и результаты расчёта, выбираются оптимальные параметры фильтрации a и b, минимизирующие заданный критерий оптимальности.
3) Рассчитанные значения параметров фильтрации a и b вводятся в ПЭВМ.
4) Студент распечатывает результаты моделирования, в которых представлены:
- отсчёты координаты дальности совместно с наложенными ошибками измерения как функция времени;
- сглаженная траектория движения цели как функция времени;
- отсчёты скорости цели как функция времени;
- сглаженная скорость как функция времени;
- флуктуационные ошибки по координате [xср] и скорости [vср], полученные методом статистических испытаний (методом Монте-Карло);
- квадратичная траектории на входе и выходе фильтра, сравнение которых позволяет оценить переходный процесс и установившееся рассогласование – динамическую ошибку.
5) Сравнивая флуктуационные и динамические ошибки, рассчитанные предварительные и полученные с помощью ПЭВМ, проверяем правильность расчётов.
Литература
1. Кузьмин С.З. Основы проектирования систем цифровой обработки радиолокационной информации. – М.: Радио и связь, 1986. – 352 с.
2. В.А. Лихарев, В.Я. Плёкин. Проектирование цифровых устройств обработки информации. – М.: МАИ, 1983.
3. В.А. Лихарев, В.Я. Плекин. Моделирование радиолокационных и радионавигационных систем. – М.: МАИ, 1978.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
