Ярлыков М.С. и др. Радиоэлектронные комплексы навигации, прицеливания и управления вооружением летательных аппаратов. Том 2 (2012) (1152003), страница 24
Текст из файла (страница 24)
Порядок перебора всех М, эксграполируемых целей может быть как безприоритетным, так и приоритетным. В последнем случае очередносп сопоставления определяется приоритетом (важностью) одной цели перед другими. Про едура принятия решения о соответствии измерений х, той роц лл или иной из экстраполированных целей, удовлетворяющих условию (2.77), также может быть различной. Наиболее простым является правило принятия решения по первому выполнению условия (2. ). .77,. Такой алгоритм принятия решения пригоден лишь для достаточно разнесенных в пространстве целей. Если же сопровождаемые цепи расположены 121 сг~~,.
=2сс~ +ст~, 74/4+2сг„, (2.80) 1 = ппп,'>„(х„у — п,)~дп, И сы (2.78) (2.81) 123 122 достаточно близко, то принятое решение может оказаться недостоверным, так как условию (2.77) могут удовлетворять результаты экстраполяции другой цели. Пример такой ситуации показан на рис. 2.21, где »»»т»»с»»с точками О,„~ и О»а показано распоа»» ~ "'"' ложение целей 1 и 2 по результатам о»33 экстраполяции их траекторий, точка О, соответствует положению цели Х по результатам измерений. а„„ Более достоверна процедура принятия решения после дополнительной обработки результатов срав- Е „ нения х„, — х„, для всех траекторий, удовлетворяющих условию (2.77). В Рнс. 2.21 качестве меры для принятия окончательного решения о соответствии измерений ам той или икайся-й траектории с координатами хм может использоваться расстояние между точками О, и точкой О, соответствующей полученным измерениям.
Та траектория, для которой это расстояние будет наименьшим, и будет считаться идентифицированной. Для случая, приведенного на рис. 2.21, результатам измерений соответствует вторая траектория О ь поскольку О зО»„<0»нО . В качестве критерия идентификации может использоваться и минимум квадратичной формы в которой 9» — размерные коэффициенты, определяемые важностью 1-й координаты. Та траектория, для которой квадратичная форма (2.78) будет наименьшей, и считается истинной, Следует отметить, что для близко расположенных целей интервалы между поступлениями от них результатов измерений могут быть очень малыми. В таких условиях составляется матрица расстояний О,О для всех у-х целей, прошедщих проверку (2.77), и всех полученных 1-х результатов измерений.
Идентификация измерений осуществляется либо на основе перебора всех расстояний по определенным правилам с последовательным исключением наименее достоверных вариантов (28), либо по правилу (2.78) с последовательным перебором всех траекторий дпя каждого измерения. Достоверность рассмотренных алгоритмов идентификации можно повысить путем предварительной классификации экстраполируемых траекторий по различным признакам (прямолинейные траектории, траектории маневрирующих целей и т.д.). Размеры стробов отождествления должны одновременно удовлетворять двум условиям. С одной стороны, онн должны обеспечить попадание результатов измерений от соответствующей цели внутрь строба при любых реальных законах движения сопровождаемого объекта.
С другой стороны, число попаданий мешающих сигналов внутрь строба должно быть минимальным. Суть одной из самых простых методик выбора размеров сграбав состоит в следующем. Пусть на Ф-м цикле получены независимые измерения (2.71). Прн этом цель экстраполируется по закону (2.72), в то время как на самом деле она перемещается с относительным ускорением а» представляющим гауссовский стационарный процесс с известной дисперсией от . В такой ситуации разносп измерений на (Ь-1)-м и )с-м циклах будет представлять случайный гауссовский процесс Ьгг н()с+1) — гЯ=х()с+1%)+~„()с+Ис)+а;Т /2 — х;ЯЬ вЂ” 1)-Р»»(/с) (2 79) с дисперсией где а~ — дисперсия ошибок прогноза.
Для гауссовского процесса (2.79) с дисперсией (2.80) можно определить доверительный интервал в который разность Лгс (2.79) будет попадать с заданной вероятностью. Обычно выбирают 1ъх;ъ2. Если идентифицируемая цель и истребитель движутся с постоянными скоростями, то второе слагаемое в (2.81) можно опусппь. На практике цели идентифицируется обычно в стробах отождествления по дальности, скорости сближения и бортовым пеленгам в горизонтальной и вертикальной плоскостях. Если при этом процессы экстраполяции и фильтрации выполняются по оптимальным алгоритмам, то размеры сграбав уменьшаются от своих первоначальных, достаточно больших размеров (2.75), до меньших значений (2.81) в установившемся г режиме.
Эта особенность обусловлена уменьшением величин а в (2.81) вследствие уменьшения дисперсий о (1) ошибок фильтрации. 2.8.2. ИДЕНТИФИКАЦИЯ ИЗМЕРЕНИЙ С ОЦЕНИВАНИЕМ ПАРАМЕТРОВ ИСХОДНЫХМОДЕЛЕЙСОСТОЯНИЯ Существенным недостатком идентификации результатов измерений в стробах отождествления является относительно низкая ее достоверность при сопровождении маневрирующих целей. Это связано с необходимостью применения достаточно больших корреляционных стробов (2.81), поскольку в процессе идентификации сравниваются три случайных процесса: измерений, экстраполяции и ускорений маневров. Кроме того, сравнение в стробах отождествления возможно лишь по небольшому числу измеряемых координат (т<4) и в ходе его не учитываются внутренние детерминированные связи и предыстория экстраполируемых координат. Необходимо отметить, что в БРЛС, использующих при МЦС идентификацию в стробах отождествления, разрешающая способность по всем координатам во многом определяется не параметрами сигналов и антенн, а размерами стробов.
Поскольку при сопровождении интенсивно маневрирующих целей размеры сграбав выбираются достаточно большими„то это предопределяет ухудшение разрешаюшей способности. Кроме того, сам факт выбора в качестве решающего правила порогового критерия (2.77) является нерациональным по крайней мере по двум причинам, Одна из них обусловлена сложностью назначения оптимального размера строба, адаптирующегося к быстро изменяюсцимся условиям сопровождения маневрирующих целей. Другая причина предопределена низкой вероятностью правильного принятия решения вблизи границ стробов, когда даже небольшая погрешность измерений может изменить решение об их соответствии той или иной траектории на противоположное. Более соверигенными являются алгоритмы бесстробовой идентификаиии, основанные на формировании решающего правила по минимуму того или иного квадратичного функционала [25).
В таком функционале можно учесть и предысторию движения и вероятность появления тех или иных траекторий и важность отдельных слагаемых для процедуры идентификации в целом и т.д.. Такой подход позволяет получить высокодостоверное решение, не принимая во внимание абсолютную величину функционала, а лишь определив его минимальное значение в процессе перебора траекторий. С другой стороны, абсолютное значение функционала, либо его составных частей, зависящих от несоответствия измерений и прогноза идентифицированной траектории, можно использовать для адаптации процесса коррекции в алгоритмах адаптивной аналого-дискретной фильтрации, рассмотренной в 4.6, том 1.
Один из перспективных алгоритмов бесстробового отождествления результатов измерений основан на идентификации параметров ф; р' исходных моделей (4.83, том 1), которые применяются для прогноза 124 эволюций целей на интервалах между приемом отраженных от них радиосигналов. Если после измерений результаты оценивания фе (1 = 1,л; 7' = 1,н ) компонент фв переходной матрицы Фр(/с,lс-1) совпадают с теми их значениями, которые использовались в модели (4.83, том 1), то принимается решение о том, что эти измерения соответствуют экстраполируемой траектории. Резкое отличие результатов оценивания ф„ хотя бы от одного из априорных значений фв свидетельствует о том, что результаты измерения не соответствуют данной экстраполируемой траектории.
Перебирая все траектории, можно с высокой достоверностью установить ту, которой соответствуют принятые радиосигналы. В качестве критерия идентификации целесообразно использовать минимум квадратичной формы (2.82) ) =пил "~ (ф, -фв) дв 1н„1 7=1 в которой д„— размерные весовые коэффициенты, определяющие важность того или иного коэффициента для достоверной идентификации. Той из экстраполируемых траекторий, для которой функционал (2.82) будет наименьшим, наиболее достоверно будут соответствовать полученные измерения.
Алгоритм идентификации измерений по правилу (2.82) обладает высокой чувствительностью к поступлению измерений от других целей, реализуя высокую достоверность этой операции, однако требует очень больших вычислительных затрат для реализации оценивания параметров модели состояния. В связи с этим он может быль рекомендован для использования в алгоритмах сопровождения, когда количество целей невелико. 2.8.3.
ИДЕНТИФИКАЦИЯ ИЗМЕРЕНИЙ ПО РЕЗУЛЬТАТАМ АНАЛИЗА НЕВЯЗКИ При использовании в процессе МЦС алгоритма фильтрации задачу идентификации можно решить на основе анализа невязки (обновляющего процесса). Если модели (4.83, том 1), (4.84, том 1) соответствуют реальному относительному перемещению истребителя и цели, то обновляющий процесс представляет собой центрированный гауссовский белый шум с известной ковариационной матрицей Пт((с) = Н((с)Р(Ис — 1)Н'()с)+И()с).
(2.83) 125 (2.84) (2.89) ппп (1Т), 1/'=1,2,...,дг„) — Зз/'с/2 „< Лг, < 3 ~п~зл, (2.85) (2.90) при наличии измерений (2.86) (2.91) х„(/г) = Щх„(/г)+и ), 1 , при л=/Тдт; г'=0,1,2..., О,= О, при /гн/Т/т (2,92) х„(/г//г-1)=х„(/г — 1)+тх„(к 1)' х„(/г/ й - 1) = х„(й — 1); (2.93) 126 127 В случае, когда в уравнении для невязкн ЛХ(й) = Х(1 ) - Х(Ий-1), используются измерения, полученные от другой цели, статистические характеристики обновляющего процесса изменятся по сравнению с их теоретически рассчитанными. Для обнаружения такого изменения можно использовать следующие факторы [28): 1) отклонение среднего значения невязкн от нуля М(ЛХ)ыО, являющееся следствием появления смещенности оценки; 2) отличие закона распределения гзХ от гауссовского; 3) несоответствие реальных дисперсий невязок их теоретическим значениям, определяемым равенством (2.83).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
