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 11

Файл №852905 Радиолокационные измерители дальности и скорости by Саблин В. Н. (z-lib.org) (В. Н. Саблин - Радиолокационные измерители дальности и скорости) 11 страницаРадиолокационные измерители дальности и скорости by Саблин В. Н. (z-lib.org) (852905) страница 112021-10-05СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 11)

1 ) представляютсобой функции, которые изменяются во времени существенно мед­леннее, чем фазовые координаты xpi. Поэтому за время формиро­вания наблюдения (1.8.3) их можно считать постоянными. Крометого, для широкого класса моделей, используемых при синтезеДС, параметры а, (1.8.2) являются константами. Поэтому вполнеправомочно равенствоa(k) = а(к -1 ).(1.8.6)Использование представлений (1.8.4) и (1.8.6) в качестве мо­делей наблюдения и состояния позволяет применять для опти­мального по минимуму СКО оценивания алгоритм калмановскойфильтрации. Используя (1.8.4) и ( 1 .8 .6 ) в (1.4.19Н 1.4.23), будемиметь:а(к) = а(к-1) + Кфа(к)[хр(к )-М р(к)а(к-1)], а(0) = а0; (1.8.7)= Da(k - 1)Мр(к)[мр(k)Da(к - l)M^(k) + Dx(k - l)]_\ (1.8.8)Da(k) = Da(k -1) - Da(k - l)lvrp(k)[Mp(k)Da(k - l)MTp(k) + Dx]_1 xx Mp(k)Da(k -1 ),Da(0) = Da0,(1.8.9)где a0 и Dao - начальные условия.

При получении (1.8.9) было уч­тено, что для ( 1 .8 .6 ) апостериорная ковариационная матрица рав­на априорной и в этой модели отсутствуют возмущения. Ероме то­го, было принято во внимание то, что матрица Dx, которая харак­теризует шумы возмущений модели ( 1 .8 . 1 ), здесь играет роль мат­рицы шумов измерений и не всегда обращаема.Поскольку алгоритм (1.8.7Н 1.8.9) представляет разновид­ность общего алгоритма оптимальной линейной фильтрации, тодля него справедливы все выводы, сделанные в §1.4. В качествеособенностей можно отметить следующие обстоятельства.В процессе идентификации необходимо постоянно вычислять(1.8.8) и (1.8.9), поскольку матрица Мр (1.8.5) является функциейвремени.Если фазовые координаты х не поддаются непосредственномуизмерению и вместо них используются оптимальные оценки i,формируемые специальным фильтром, то в (1.8.5) и (1.8.7)—(1.8.9)вместо х необходимо использовать х, а вместо Dx - ковариацион­ную матрицу D(k), вычисляемую при решении уравнений (1.4.22)и (1.4.23).Если оптимальные оценки х отсутствуют, но имеются наблю­дения2(k) = Hp(k)ip(k) + 5M(k)(1.8.10)хотя бы части фазовых координат процесса ( 1 .8 .1 ), то для оценкипараметров ( 1 .8 .

1 ) также можно использовать общий алгоритмфильтрации (1.4.19)-(1.4.23), преобразовав (1.8.10) к виду, ото­бражающему его зависимость от параметров (1.8.2). Для этогоподставим (1.8.1) в (1.8.10). Тогда получимz(k) = Нр(к)[фр(к, к - 1)жр(к -1 ) + $р(к -1)] + ^„(к) == Мр1(к)а(к) + 5 „ , (к),(1.8.11)Mpi = Нр(к)Мр(к);(1.8.12)гдеМр(к) определяется (1.8.5); ^кв(к)=Нр(к)£р(к- 1 )+£р|1(к) - эквивалентный шум измерений с матрицей дисперсийD , kbG0 = H p(k)Dx(k)Hp(k) + Djj(k).Необходимо отметить, что использование моделей ( 1 .8 .6 ) и( 1 .8 .1 1 ) в алгоритме фильтрации (1.4.19)-(1.4.23) несколько сни­жает точность идентификации по сравнению с алгоритмом (1.8.7)(1.8.9).

Поэтому такие алгоритмы целесообразно использовать нестолько для оценки параметров процессов и систем, сколько дляконстатации факта изменения этих параметров, например приидентификации результатов измерений в режиме автоматическогосопровождения нескольких целей [40] или при идентификации ихманевров [41].При сопровождении многих целей, например в режиме обзора,возможны ситуации, когда все или отдельные измерения не клас­сифицированы по их принадлежности той или иной цели.

Приэтом возникает задача фильтрации нескольких информационныхпроцессов с одновременной идентификацией измерений, т.е. ре­шения задачи о принадлежности каждого измерения той или инойцели. Решение такой задачи возможно с позиций теории адаптив­ной фильтрации, рассмотренной в §1.7.Положим для простоты рассуждений и обозначений, что изме­ряется одна координата X (например дальность) для каждого из шобъектов, т.е.

имеем Х^; i = 1, тп. Каждая из координат А* отобра­жается в пространстве состояний вектором xi? т.е. А.*=СТХ£, гдеСт=[1 0 ... 0]. Изменение вектора х* во времени задаётся уравнени­емxi(k)=Oi(k,k-l)xi(k-l)+Gi(k-l)U k -l);(1.8.13)где к - временной индекс; £xi(k-l) - векторный дискретный белыйшум с нулевым математическим ожиданием и матрицей диспер­сий D ^ k -l); Ф 4(к,к-1), G^k-l) - матрицы соответствующих раз­мерностей.Пусть также имеем N датчиков измерений координат объек­тов. Для определённости будем полагать N<m. Каждый датчик из­меряет координатуодного из объектов, но неизвестно какого.Для учёта априорной неопределённости измерений по их принад­лежности одному из объектов примем следующую модель такихизмерений.ВведёмвекторX=[XiХ2А,т ]т,строкуOj=[oijfl <Xjt2 aj,nJT - случайный векторный параметр, которыйпринимаетmа? = [0 1 0 ...

0 ],возможныхзначенийa- = [1 0 0 ... 0 ],, а ]11 = [0 0 0 ... 1 ], и представим j-e измере­ние в видеzj(k)=aj(A.(k)+4Hj(k));j = VN,(1.8.14)где У к)=К и 1 (к) 4иг(к)4ик(к)]т - вектор независимых дискретных белых гауссовских шумов с нулевыми математическимиожиданиями и диагональной матрицей дисперсий DH(k)={DHj(k)}.Зависимость вектора £щ(к) шумов от индекса j позволяет учестьразный уровень шумов в различных датчиках при измерении ко­ординаты одного и того же объекта.Статистические характеристики случайного параметра Oj за­даются априорными вероятностями Pan(ccJ), j = l*N - вероятно­стями такого события, что j-e измерение содержит координату i-roобъекта. Так как каждое измерение содержит координату 7^ толь­ко одного из процессовто сумма априорных вероятностей___га£Р Ш1(а-) = 1;j = 1»N,(1.8.15)i=lНеопределенность принадлежности j-ro измерения одному изi = 1, m информационных процессов соответствует неопределённости значения векторного параметра ctj в наблюдениях (1.8.14).Задача синтеза оптимальной системы обработки формулирует­ся следующим образом.

По измерениям (1.8.14), получаемым вдискретные моменты времени к, заданной (1.8.13) динамике из­менения координати случайных векторах aj, с заданными ап­риорными вероятностями (1.8.15), необходимо синтезировать оп­тимальный алгоритм фильтрации координат7^ (i = l,m ) с одно­временной идентификацией измерений, т.е. векторов параметровa j( j = ^ N ).Введём обобщённый параметр (матрицу) a = [a j а \ а щ ]т, ко­торый является случайной величиной с конечным числом значе­ний M=mN. Тогда для обобщённого вектора наблюдений можнозаписатьz(k)=cd(k)+А(а)£и(к),А (а) =“i016о0000“N00( 1.

8. 16)Реализацию наблюдений, т.е. совокупность измерений z(l),z(2), ... z(k), будем обозначать z*.Решение сформулированной задачи синтеза оптимального ал­горитма обработки в наиболее общем виде сводится к нахождениюапостериорной плотности вероятности W(A.(k)|z^), на основе кото­рой могут быть определены соответствующие оценки координат,оптимальные в том или ином смысле, а решение задачи иденти­фикации измерений эквивалентно нахождению оптимальных оце­нок матрицы а, что может быть сделано, если определить апосте­риорные вероятности P(aj|z£) (j = 1,N ).Для нахождения оптимальных оценок координат представимплотность W(A,(k)|zi) в видеWa(k)|zJ)=XW(X(k),a9|z1k),8=1где M=mN - число возможных состояний матричной случайнойвеличины а.Используя общее выражение (1.7.9) для оптимальной оценкиинформативного процесса А., получаемШ = S l(a 8, kjp(a8|zt),где а(<х8, k) = I(1.8.17)a B)d>v(k) - условная оценка векторакоординат при заданном значении as.Таким образом, оптимальная оценка условного среднего фор­мируется как взвешенная сумма частных условных оценок при за­данных значениях а8.

Весовые коэффициенты при этом определя­ются апостериорными вероятностями P(a 8|zi).Рассмотрим оценки A^as,k j. Прежде всего, так как компонен­ты вектора Цк) соответствуют координатам различных объектов,то оценки этих составляющих £ ^ а в,к| независимы и формируют­ся автономными фильтрами. Во-вторых, значение матричного па­раметра а8 определяет вполне конкретную структуру измерений(1.8.16), в которой информация о координате А*(к) содержится водном, двух, трёх и т.д. (вплоть до N) измерениях.

А это значит,что для каждого значения а 8 фильтр, формирующий оценкуА^а8, ^ , будет обрабатывать различное число Zj(k) наблюдений (ис различными номерами j). Такая совместная (комплексная) обра­ботка всех измерений, содержащих информацию о конкретномобъекте, приводит к существенному повышению точности фильт­рации координат объектов.Для формализации отмеченного факта введём z. (к) - вектортех измерений из (1.8.16), которые при значении as обобщённогопараметра содержат информацию о координате А^, т.е.

измеряюткоординату i-ro объекта. Тогда для оптимальных оценокkjможно записать следующие уравнения:a s, k j = С тх ^ а 9, k j ,i = 1, m ;X i(a s,k ) = x 3i( a 3,k ) + K ^ a 8, ^a,( k ) - l ( a s)CTx 3iJa9,k jJ ;x 3i( a s,k ) = Ф 5( к ,к - l ) x i ( a s, k - 1 );( 1 .8 .1 8 )K $ i( a 8,k ) = D 3i( a B, k ) c i 1T( a 8) xx [liT(a s)C TD 3i( a 8, k ) a iT( a s) +® a(as»kj =\ ( a “ J D ^ ( a s) i1T( a s) ] ' 1к - l)Dt(as,к|ф£(к, к - 1 ) + Gj(k - l)Dxi(k - l)G [(k - 1);D i(a B,k j = [ e - K $ i( a s,k )]D 3l( a s, k ) ,где x 8i|as,k j - экстраполированная (условная) оценка вектора со­стояния;Di(aB,k)-матрицадисперсийошибокфильтрации;D3i(as,k) - матрица дисперсий ошибок экстраполяции; D0z(a 8) -диагональная матрица дисперсий шумов измерения для вектораzfl(k); J(as) - вектор столбец соответствующей размерности (коi,a ’торая определяется «гипотезойо as) и состоящий из одних единиц.Для получения итоговой оптимальной оценки координаты i-roобъекта, в соответствии с (1.8.17) и упомянутой выше независимо­стью оценокkj при i = l ,m , необходимо просуммировать ус­ловные оценки (1.8.18) с оптимальными весами p (a s|zi j.Получим выражения для вычисления p|a8|zij.

Прежде всегоследует отметить, что в силу независимости всех наблюдений иполноты событий относительно векторов а,, составляющих матри­цу а (см. (1.8.15)), апостериорная вероятность p (a s|zij представи­ма в видеР ( а в1*{) = П Р ( « “1 * и ).( 1 .8 .1 9 )где ZjJ = {Zjtl,Zj)2 ,...,Z jjk} - реализация j -го измерения.При этом эволюцию апостериорных вероятностей(j = 1 , N ) можно рассматривать независимо.Поэтому рассмотримИз данного соотношения следуетp(<xf|z^) = cP^aflzjf^wjzjOtJl Zjf'.af),(1.8.20)где с = l j Z P jaJI*;- 1) w jZj(k)|Zj; - \a®j - нормировочная константа.Плотность вероятности w|zj(k)|z^~l,a®j - гауссовская, что сле­дует из (1.8.14). Среднее значение для данной плотности опреде­ляется как*i(aJ’ k) = f zi(ai»k)W(z1»a‘ )d*ik = af^(af,k), (1.8.21)где Л,э1а®, kj - условная (при заданном а®) экстраполированнаяоценка вектора координат объектов, которая определяется из(1.8.18).

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
6418
Авторов
на СтудИзбе
307
Средний доход
с одного платного файла
Обучение Подробнее