Главная » Просмотр файлов » Радиолокационные измерители дальности и скорости by Саблин В. Н. (z-lib.org)

Радиолокационные измерители дальности и скорости by Саблин В. Н. (z-lib.org) (852905), страница 10

Файл №852905 Радиолокационные измерители дальности и скорости by Саблин В. Н. (z-lib.org) (В. Н. Саблин - Радиолокационные измерители дальности и скорости) 10 страницаРадиолокационные измерители дальности и скорости by Саблин В. Н. (z-lib.org) (852905) страница 102021-10-05СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 10)

Как видно из рисункаи уравнения (1.7.17), существенной операцией в блоке адаптацииРис. 1.7.3.является перемножение двух процессов: процесса ufl(t) с выходадискриминатора основного блока адаптации и производнойд х/ да. Такое корреляционное произведение в явном или неяв­ном виде имеет место во многих известных алгоритмах адаптации.Качественно работу контура адаптации в соответствии с уравнени­ем (1.7.17) можно пояснить следующим образом.

Если оценка аравна истинному значению а неизвестных параметров, то, как из­вестно из общей теории оптимальной фильтрации, процесс ufl(t) навыходе оптимального дискриминатора представляет собой белыйшум. Корреляция такого процесса с производной Качественно ра­боту контура адаптации в соответствии с уравнением (1.7.17)можно пояснить следующим образом. Если оценка дх / да равнанулю и в контуре адаптации отсутствует управляющее напряже­ние, т.е. оценка а остается равной истинному значению. Еслиуказанная оценка становится отличной от истинного значения, топроцесс на выходе дискриминатора становится отличным от бело­го шума («окрашенным»), а степень его корреляции с соответст­вующей производной определяет величину и знак управляющегонапряжения в контуре адаптации, обеспечивая сходимость оценкиа к истинному значению неизвестных параметров.

Факт сходимо­сти алгоритма (1.7.17) доказан в [61].Как отмечалось в §1.5, при большом отношении сигнал/шум ивысокой точности фильтрации, при которой ошибка оценки ин­формативных параметров не выходит за пределы линейного участка дискриминационной характеристики, последнюю можно ап­проксимировать линейной функцией (1.5.9), а основной блокфильтрации представить в виде эквивалентной структурной схе­мы, приведенной на рис. 1.5.6.

В этой схеме процесс в точке «1»такой же, что и на выходе дискриминатора схемы рис. 1.5.2. Лтак как в адаптивной системе фильтрации в контур адаптации по­дается процесс с выхода дискриминатора, то аналогичная линеа­ризация дискриминатора (при высокой точности фильтрации)справедлива и для адаптивной системы. Резюме из этих рассужде­ний такое же, что и в §1.5: синтез адаптивной системы фильтра­ции (когда сигнальная функция s(X,t) не зависит явно от неиз­вестных параметров а) можно проводить для эквивалентных ли­нейных наблюдений (1.5.10). Этот факт существенно упрощаетсинтез и анализ адаптивных систем фильтрации.Для задач адаптивной фильтрации в дискретном времениструктура скользящего адаптивного фильтра такая же, как и нарис.

1.7.3. Основной блок фильтрации при этом описывается дис­кретными уравнениями оптимальной фильтрации (1.5.13)-(1.5.17)при значениях неизвестных параметров, равных их оценочнымзначениям d(k). Уравнения для этих оценок, полученные в [51]имеют вид:Гrds(Crx8(k,c^,a,^o(k)=d(k-l)+Da(k)daBT^djjzfk)-s|Crx3(k,d),d,k|j;J’ds|Crx8(k,a),ct,kjч ?М = ч ?М +ddf r 4J ds(C 4 dd(W H l/\J(1.7.18)ds|cTx8,a,kj^ ^ ^ds|cTx3,a,kjB(a) = DH(k)dZdx~где De(k) - матрица дисперсий ошибок экстраполяции вектора х,удовлетворяющая уравнениям (1.6.15)—(1.5.17).Структурная схема дискретной системы адаптивной фильтра­ции аналогична соответствующей структурной схеме непрерывнойсистемы и включает основной блок фильтрации и блок адаптации.В ней также можно выделить дискриминатор основного блокафильтрации, для которого справедливо соотношение, аналогичное(1.5.18).

При высокой точности фильтрации дискриминатор мож­но линеаризовать, структурную схему адаптивной системы пред­ставить в эквивалентном виде (рис. 1 . 6 . 6 ), а синтез адаптивнойсистемы фильтрации проводить для эквивалентных линейных на­блюдений типа ( 1 .6 . 1 0 ).1.7.5.А л го ри тм ыа д а п т а ц и и , о сн о ван н ы е н а ре гу л и ро в к еПАРАМЕТРОВ СИСТЕМ ФИЛЬТРАЦИИВ предыдущем параграфе рассмотрены алгоритмы адаптивнойфильтрации информативных процессов, в которых формировалисьоценки как самих процессов, так и неизвестных параметров а.Сформированные оценки неизвестных параметров в скользящихалгоритмах адаптации используются для подстройки параметровосновного блока фильтрации, в котором формируется оценка ин­формативного процесса. При этом подстройка таких параметровкак коэффициенты усиления фильтра осуществляется через пере­счет матричных уравнений Риккати для матриц дисперсий оши­бок фильтрации.

Такая операция требует существенных вычисли­тельных затрат. Кроме того, во многих практических задачах самаоценка неизвестных параметров информативного процесса непредставляет самостоятельного интереса, а задачей системы явля­ется выделение самого информативного процесса с максимальнойточностью. В этом случае можно отказаться от прямой оценки не­известных характеристик информативного процесса и осуществ­лять непосредственную подстройку (регулировку) параметров сис­темы фильтрации. Использование непосредственной подстройкипараметров системы фильтрации (по терминологии п.1.7.4 - ос­новного блока фильтрации) приводит к упрощению синтезируемойсистемы, а во многих задачах и к улучшению ее характеристик.Рассмотрим задачу линейной фильтрации.

Во-первых, линей­ные задачи более наглядны и просты для понимания, а, вовторых, как показано в §§ 1.5 и 1 . 6 , при высокой точности фильт­рации к линейной задаче сводятся многие задачи нелинейнойфильтрации (при нелинейных наблюдениях).Итак, пусть заданы априорные уравнения(1.7.19)(1.7.20)где а - неизвестные параметры состояния и наблюдения.Так как описания информативного и наблюдаемого процессовзаданы, то естественно, с целью получения наилучших характери­стик фильтрации, в качестве основной системы (блока) фильтра­ции информативного процесса использовать структуру оптималь­ного измерителя.

Представим уравнения такого измерителя в видеX = F(p,t)x+ K(p,t)(z(t) - H(p,t)x).(1.7.21)Здесь введен вектор р - параметров системы, которые подле­жат регулировке в процессе адаптации, и использованы обозначе­ния матриц F, К, Н со знакомдля подчеркивания того факта,что они являются функциями регулируемых параметров р и отли­чаются от аналогичных матриц в (1.7.1), рассматриваемых какфункции параметров а.Будем полагать, для определенности, что параметры Р посто­янны, т.е. р = 0 .Для получения уравнений, описывающих процесс адаптации,в [51] предложено использовать квадратичный функционал каче­ства видаМинимизация такого показателя качества адекватна миними­зации дисперсии ошибок фильтрации информационного процессах и, выполненная методами вариационного исчисления [59], при­водит к следующему алгоритмуВ этих уравнениях функция Dp имеет смысл дисперсии ошибокоценки параметров р.

В уравнения (1.7.22) входит производнаяЭх / Эр, уравнение для которой получается дифференцированием(1.7.21) по р:(1.7.23)Сформированная в соответствии с уравнениями (1.7.22) оценкар регулируемых параметров вводится в основной блок фильтра­ции, описываемый уравнениями (1.7.21). Структурная схемаадаптивного измерителя аналогична той, которая приведена нарис. 1.7.3.Алгоритм оценивания (1.7.22) параметров системы фильтра­ции справедлив не только для системы, описываемой уравнениями(1.7.21) и являющейся оптимальной по структуре для фильтрациипроцесса (1.7.19), но и для произвольной системы фильтрации,описываемой в пространстве состояний уравнениемх , = F„(P,t)xH+ K ,(M )(z(t) -( 1.

7.24)где хн - вектор, описывающий систему фильтрации в пространст­ве состояний и в общем случае отличный от вектора х как по со­ставу координат, так и по размерности, FH, Кн, Нн - матрицы со­ответствующих размерностей (также отличные от матриц F , К , Нуравнения (1.7.21)), а наблюдаемый процесс такой же, что и(1.7.20).Единственное ограничение на структуру системы фильтрации(1.7.24) состоит в том, чтобы она обеспечивала конечную ошибкуфильтрации оцениваемых компонент информационного процесса.Такое допущение вполне естественно, так как в противном случаепри бесконечной ошибке фильтрации, соответствующую системуне имеет смысла использовать.Алгоритм оценивания параметров р системы фильтрации(1.7.24) аналогичен уравнениям (1.7.22) при замене матриц F , К,Й на соответствующие матрицы FH, Кн, Нн.Для синтеза адаптивных алгоритмов в дискретном временибудем полагать заданными априорные уравнениявох(к)=Ф(к,к- 1,а)х(к-1)+ £x(k-l),(1.7.25)г(к)=Н(к,а)х(к)+£и(к).(1.7.26)Будем полагать, что основной блок фильтрации, формирую­щий оценку информативного процесса х, описывается уравнения­ми дискретного фильтра Калманаx(k) = х0(к) + К(к, P)(z(k) - fi(k, Р)хз(к)),(1.7.27)х9(к) = Ф(к, к - 1, р) х(к-1),в котором выделены параметры Р, подлежащие оцениванию, аФ(к, к - 1, р) - заданная матрица экстраполяции.Уравнения, описывающие формирование оценок регулируе­мых параметров, имеют видВ уравнения (1.7.28) входят производные d x 8 / d p , уравнения длякоторых получаются дифференцированием (1.7.27) по Р--* И(1.7.29)Сформированная по (1.7.28) оценка регулируемых параметроввводится в основной блок фильтрации (1.7.27) вместо р.Также как и в задаче с непрерывным временем, в качестве ос­новного блока фильтрации в дискретном времени можно использо­вать не только оптимальный по структуре фильтр Калмана, но илюбой другой следящий фильтр, обеспечивающий конечнуюошибку фильтрации заданного процесса х(к).1 .8 .

ИДЕНТИФИКАЦИЯ ПАРАМЕТРОВ СИСТЕМ И ПРОЦЕССОВНаучное направление, именуемое теорией идентификации,все чаще применяется при синтезе радиоэлектронных систем раз­личного назначения. В настоящее время известен очень большойнабор различных методов идентификации [13, 30, 62]. Рассмотримнекоторые её алгоритмы, используемые для оценки параметровмоделей состояния и процессов измерений в пространстве состоя­ний.1.8.1.Ал го ри тм и д ен ти ф и к ац и и м од ел и со с то я н и я п оМ ейн уПроцедура идентификации параметров модели состояния,предложенная Мейном [13], представляет алгоритм фильтра Калмана, в котором оценивается не вектор состояния, а вектор пара­метров модели. При этом требуется, чтобы вектор управления былизвестным, а вектор состояния был доступен измерению, либоимелись его оптимальные оценки, формируемые специальнымфильтром.Метод Мейна позволяет для процесса (системы)хр(к) = Фр(к, к - 1)хр(к -1 ) + 4р(к -1 )( 1.8.

1)оценить вектора(к) = [Фр1(к, к -1 ), Фр2(к, к - 1 ) , , Фрп(к, к - 1)]т (1.8.2)параметров модели ( 1 .8 . 1 ) при условии, что имеется измерениеz(k) = x p(k ).(1.8.3)Здесь: хр=[хтит]т - расширенный вектор состояния размерно­стью N+r, компоненты которого х и и определяются (1.4.17);Фр(к,к-1 )=[Ф(к,к-1)В(к-1)] - расширенная переходная матрицапроцесса (1.4.17);Фр^(к,к-1 ) - i-я строкаматрицы Фр;£p( k - l ) = [£ £ ( к - 1 ) 0 J]T - вектор дискретного центрированногобелого шума с матрицей дисперсий Dx = M{£p(k - l)£p(k -1 )}; 07 r-мерный нулевой вектор. Используя (1.8.1) и (1.8.2) в (1.8.3), по­лучаем(1.8.4)где62*р(к-1)оОоО*р(к - 1)оОООх £ (к - 1 )о(1.8.5)Мр(к) =ОООХр(к-1)- матрица размером (N+r)x(N+r)2.Как правило коэффициенты Фрц модели ( 1 .8 .

Характеристики

Тип файла
PDF-файл
Размер
20,62 Mb
Тип материала
Высшее учебное заведение

Список файлов книги

Свежие статьи
Популярно сейчас
Почему делать на заказ в разы дороже, чем купить готовую учебную работу на СтудИзбе? Наши учебные работы продаются каждый год, тогда как большинство заказов выполняются с нуля. Найдите подходящий учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6367
Авторов
на СтудИзбе
309
Средний доход
с одного платного файла
Обучение Подробнее