PDF третична обработка на радарна информация. Радарна обработка на информация

Volkova G.A.

Изследване на вторични алгоритми за обработка на радар

Урок за лабораторна работа

Вторична обработка

Радарна информация.

Въведение
Обработката на радарна информация е разделена на първична и вторична. Първичното обработващо устройство решава проблемите за откриване и измерване на координатите (диапазон, азимут и ъгъл на пространството) на незабавното положение на целта по отношение на RLS във всеки период на прегледа.

Незабавното положение координатите както на истинските, така и на фалшивите цели в цифровата форма се въвеждат в вторичното обработващо устройство, при което местоположението на всяка открита цел се определя на тяхна основа, в резултат на което се образуват марки. х. което може да е вярно и невярно. Марка - набор от кодове на обхват, азимут и ъгъл на място в определен дискретен момент във времето.

Един знак, получен при всеки преглед, не позволява да се вземе решение за присъствието на цел в зоната за преглед, тъй като може да бъде невярно, е невъзможно да се прецени траекторията на движението на целта.

В вторичното обработване на базата на марки, получени в н. Съседни отзиви, следните основни задачи се решават:

Откриване на целеви траектории

Прицелмент Trajectories.

Изчисления на траекторията в интерес на потребителите на радарните информация.

Тези задачи включват оценка на параметрите на траекторията, посочена обикновено от векторната функция, изчисляването на изгладе (интерполирано) и за предпочитане (екстраполирани) координати, както и за работата на целите. Обработката на вторична информация се извършва автоматично с помощта на TSM.

Помислете за един от начините за автоматизиране на целевата траектория за примера на двукоординатен радар. Нека координата на откритата цел да бъде прехвърлена от основното устройство за обработка и марката се образува. х. 1, не принадлежащи към някоя от предварително придружаваните траектории. Тази оценка се приема за първоначалната оценка на целевата траектория. Тъй като радарът е предназначен да придружава обектите на определен клас (например въздухоплавателно средство), тогава минималният е известен. В. Мин и Максим В. M и x скорост целта. Следователно можете да подчертаете района С. 2 под формата на пръстени с център в първата марка и с радиус R. min \u003d В. Мин. T. OBZ I. R. m и x \u003d В. M и x. T. Обц, в рамките на който може да има цел в следващия преглед, вижте Cride. Работата на регионалната формация се нарича Gating, а самата област е порта.

Ако в строб С. 2 във втория преглед получава маркер х. 2, след това изтичането на траекторията се случва и ако има няколко такива марки, тогава всеки от тях се счита за евентуално продължение на траекторията. Ако един знак не попада в строб, след това изхвърля. Критерий за струните на траекторията в този случай "2/2".

С две марки, можете да определите посоката на движение и средна скорост цел
след това изчислете възможното положение на марката в следващия (трети) преглед. Определянето на позицията на марката в следващия преглед се нарича екстраполация.

На етапа на преминаване на траекторията се приема най-простата хипотеза за правилното и равномерното движение. Екстраполираните координатни стойности се изчисляват по формулата:

.

Около екстраполираната марка се образува кръгова порта С. 3, чиито размери се определят от грешките на измервателната позиция
и грешки при изчисляването на положението на екстраполирана марка
:

Фактът, че влиза в следващия получен знак в портата, се проверява чрез сравняване на разликата в координатата х. i. и екстраполирани х. Д. i. Класове за покритие:

.

Ако в строб С. 3 В третия преглед има една марка, тя се счита за принадлежаща към траекторията, която се открива. Процесът продължава. Ако в строб не попада знак, траекторията продължава в зависимост от екстраполирана марка, но размерите на вратата се увеличава.

Когато се открие траекторията на обекта на маневриране, размерът на портите трябва да се изчисли с възможната маневра. Размерът на портата пряко засяга показателите за качество на откриването на траекторията. Неговото увеличение води до увеличаване на броя на фалшивите знаци в портата, като вероятността за увеличаване на фалшивото откриване Е. AZ. Намаляването на размера на портата може да причини истинската марка в портата, вероятността за правилно откриване е намалена. Д. AZ.

С Gaussian разпространение на грешки при измерване на координатите и екстраполационните грешки, за да се гарантира, че дадена вероятност за получаване на маркери към строб, неговата форма трябва да съответства на елипсата за грешка; Когато траекторията се открива в стробното пространство - елипсоидни грешки. Образуването на такива порти обаче е свързано с големи изчисления и на практика се ограничава до образуването на порти на такава форма, която е удобна за изчисления в приетата координатна система. В същото време, формираната врата трябва да обхваща грешките на елипсата (елипсоидите).

Траекторията се счита за открита, ако се извърши критерият за откриване. Структурната диаграма на алгоритъма за автоматично устройство на траекторията е показана на фиг. 2, получерките стрелки се показват, че комуникационните линии, за които се предават информацията под формата на кодове, "нули" и "единици" се предават от останалата част от Комуникационни линии, съответстващи на отсъствието и присъствието на маркировка в портата i. - Преглед.

Откриване (автомобилни) траектории.
Процесът на откриване (Autracking) на траекторията по същество е процесът на тестване на хипотезата Н.1, че съвременните маркери, получени в съседните прегледи това е целевата траектория по отношение на хипотезата на H0, че всички тези марки са възникнали в резултат на фалшива аларма.

По време на стъпалата траекторитените използват критериите на Ноймана-Пиърсън, Байес и Валд. Алгоритъмът за осигащане може да бъде получен чрез метода на вероятност. Например, когато използвате критерия за байис, оптималната процедура за автоматично свързване се свежда до образуването на отношението на вероятността λ и сравняването му с прага λ 0:

където
и
- гъстота на съвместната плътност на разпределителните марки при условие, че хипотезата е справедлива Н.1 I. Н.0, съответно.

Пс. 0 I. Пс. 1 - априори вероятност за липса и присъствие на траектория, кореспонденция, \\ t

От 01 I. От 10 - Разходите за грешки: Фалшиво улавяне на траекторията и преминаването на траеж-РИС съответно.

Стойността на правилните разтвори е равна на нула. Това свежда до минимум стойността на средния риск, където Е. AZ I. Д. AZ - вероятности на фалшиви автора и правилното преминаване на траекторията на целта, съответно.

Големите победи във времето на авторап се получават чрез използване на последователен анализ (критерий на Wald), когато отношението на вероятността се формира като всяка разписка i.- дори и сравнява с два прага:
и
:
.
Когато горният праг е надвишен, се прави решението д. 1 - открива се траекторията; Ако  е по-малък от долния праг, тогава се прави решението д. 0 - траекторията не е открита. Ако имаш
,
след това се взема решение д. P за продължаване на теста: произведени (I + 1)- Общ преглед и описаната процедура се повтаря. В същото време решението средно се приема за по-малко от н. Отзиви.
Означавам с ( δ i. , i.\u003d L, 2, ...) последователност на нули и единици, съответстващи на отсъствието или наличието на следи в портите, генерирани по време на процеса на откриване на траекторията:

ако в портата има знак i.-Лист;

в противен случай.

δ i. =

Отношение на възпитанието към K-M за преглед

,

чрез логаритминг опростява:

.

След това алгоритъма за откриване на траектория при използване на критерия за Wald

идва до добавяне към сумата от "теглото"
ако δ. i. \u003d 1 и изваждане на "тегло"
ако δ. i. \u003d 0, и сравняване на количества в праговете на lnλ n и lnλ v.

В същото време печалбите в сравнение с детектора на Neuman-Pearson са във времето на откриване на истинската траектория приблизително д. Az \u003d. Д. AZ, и в времето за откриване на фалшивата траектория
.

Въпреки това, не оптималните алгоритми се използват за опростяване на устройствата за откриване на траекториите, например K / m. Така че, когато се използва критерият "4/5" за откриване на траекторията, е необходимо след поредицата на траекторията съгласно критерия "2/2" най-малко 2 знака в трите последващи прегледи в портата (критерий за \\ t Потвърждение на траекторията "2 от 3"). Откритата траектория се прехвърля в подкрепа. Ако не се появи потвърждение, траекторията се нулира.

Ефективността на алгоритмите от авторак се характеризира с:

Вероятността за откриване на истинската траектория Д. AZ;

Вероятност за откриване на фалшива траектория Е. AZ;

Средно общо време за траектория T. CP AZ;

Среден общ пълен път на билети T. Cp lz.

За да се изчислят тези характеристики, се използва апарата на веригите на Марков.

Нанесете математическия апарат на веригите на Марков към анализа на устройството (автоматична машина) на улавянето, работещо на следния алгоритъм: изтичането на траекторията е направено съгласно критерия "2/2", а откриването е фиксирано, ако марката попада в портата поне в една от трите след прегледи след най-силния траектория (критерий за потвърждение "1/3"). По този начин критерият за откриване на траекторията може да се нарече "2 + 1 от 5", т.е. "3 от 5".

Ние вярваме, че "единица" идва в устройството за заснемане в следващия преглед, ако целевият знак попадне в екстраполиран строб, и "нула", ако марката не попада в тази врата.

Възможни комбинации от "нули" и "единици" по време на m цикли на гледане определят състоянията на машината. Ще направим таблицата на състоянието на машината за улавяне на критерия "3 от 5":
Състоянието на комбинацията "0" и "1" характерни държави

1 11 - TROUR TRAECTORY

3 111,101,11001 -АВТОГТ.

5 11000 - траектория
Таблицата за състоянието изгражда графика, виж фиг. 3. В монтажните възли състоянията на машината са посочени. Над ребрата на графиката показват вероятностите на прехода от държавата в състояние и е обичайно, че марката в строб (появата на "единиците" на входа на машината) се появява с вероятността r. и липсата на нея в портата (появата на "нула" на входа на машината) - с вероятност q..

Преходът на системата от държавата към държавата зависи:

От това, което състояние е автоматичното в момента,

От текущия входен ефект ("единица" или "нула" в входа). Следователно състоянието на машината образува проста верига на Марков.

Вектор на първоначалните държави (в нашия случай - след втория преглед, отколкото индексът) -

показва, че с вероятност Имаше решетка от траекторията по критерия "2/2", с вероятност
Решетката на траекторията отсъства, която съответства на изхвърлянето на траекторията и останалите състояния на машината до началото на третия преглед са невъзможни.

Матрицата за вероятност за прехода се компилира лесно въз основа на графиката:

,

когато номерът на линията съответства на номера на държавата, от който автоматичните трансфери и номерът на колоната показва, че превозното средство преминава.

Можете да определите векторите на състоянията на машината при 3.4 и 5 рецензии:

,

И т.н.
Изчислените вектори на състоянието за 3.4 и 5 отзиви са:

,
,
.
Сумата от вероятностите на линията е равна на една.

Третият елемент на вектора на състоянието дава стойността на вероятността от траектория за съответния брой цикли на преразглеждане:

,

,

.

Дотолкова доколкото r. Има шанс да се получат маркер в портата, а след това по свой собствен начин физически знаме r. Съответства на вероятността за откриване на подходяща цел в портата на Autrashkat Д. Страница, А. q. = 1- Д. стр. Фигура 4а конструирана зависимост от вероятността от въглехидрати от номера на преглед при различни вероятности за правилното откриване в портата Д. стр. Може да се види, че с увеличаване на номера на прегледа, вероятността за валидност на автомобила Д. AZ се увеличава и Д. Az колкото повече Д. стр.

Вероятността от фалшива въглехидрати се определя от същото съотношение, с единствената разлика, която r. Има възможност за фалшива тревога в портата на Autrashkat Е. Страница, А. q. = 1- Е. стр.

Зависимостта на вероятността от фалшиви кранове от номера на преглед при различни вероятности на фалшива аларма в портата са показани на фиг.4b.

Вероятност Д. пс и Е. пс формулите се изчисляват:

Д. пс =Д. ; Е. пс =МФ.,

където Д. и Е. - вероятностите за правилно откриване и фалшиви аларми в разрешителния елемент по време на първичната обработка, \\ t М. - броя на разрешителните елементи в портата.

Д. Az (n) с Д. Страница \u003d 0.8.
Д. Az (n) с Д. Страница \u003d 0.9.

Е. Az (n) с Е. Страница \u003d.

Е. Az (n) с Е. Страница \u003d.

фиг.4 и фиг.4, b

Горният метод за определяне на качествените характеристики на работата на устройството за автоматично използване, използвайки математическия апарат на веригите "Марков" е строг аналитичен метод. Недостатъкът на този метод обаче е обемист от изчисления, когато се използват по-сложни критерии. Например, увеличението на N води до увеличаване на реда на матриците и операциите с тях стават трудни. В този случай, за изграждане на матрици до степента и изпълнението на други операции, е необходимо да се използва компютър. Поради това се предлага опростен метод за изчисляване на характеристиките на качеството на авторашкия, което позволява използването на графични конструкции, за да се обмисли процесът на автоматизиране на равнината на случайно скитане.

Процесът на автореки ще бъде разгледан в същите предположения, т.е. За началото на автораните се приемат присъствието на две единици подред. Появата на нули и единици в следващите стъпки (цикли на преглед) трябва да водят или до пресичането на горния праг "Autrashkat" или долния праг "RESET". Между моментите на появата на комбинацията "11" и пресичането на горния или долния праг, процесът протича на всяка стъпка към състояние или друго. Тъй като появата на входа на нулите и единиците е случайна, процесът на преминаване на устройството от една държава към друг еквивалент на случайни "скитници". В същото време, равнината, на която се случва скитането, се приема, за да се обади на "равнината на случайното блудство".

Пътят на скитния процес в равнината може да се счита за движение (скитане) на определена точка, която обикновено се нарича "изобразяваща" точка. По този начин целият процес на автоматизиране може да бъде представен графично. В същото време изчисляването на характеристиките на качеството на експлоатацията на автомобилното устройство е значително опростено и в този случай не се изисква компилиране на матрици.

Фигура 5 показва диаграма на случайно скитане за критерия "3 от 6". По отношение на ординатата, броят на стъпките (цикли на прегледа) се отлага и по ос абсциса - броят на нулите в съществуващата комбинация.

Движението на изобразяването започва от момента на появата на две единици подред, вероятността от това състояние r. 2. Стрелките показват възможни посоки за преместване на изобразяването на точката, т.е. Преходи от една държава в друга. Преходите в посоката нагоре вертикално възникват с вероятност r.и диагонално надясно и нагоре - с вероятността за Q. При предположението, че отделните държави са независими, се изчисляват вероятностите за намиране на точка във всяка от държавите. Случайни скитания на тази точка се случват дискретно в областта "несигурност", докато точката е или на горната пунктирана линия (състоянието на осигачението), или на дъното ("нулиране" състояние), след което движението на изобразяването на точката е спрян. Може да се види, че колата може да се случи на третата, на четвъртата, на петата и на шестата стъпка, докато изчислените вероятности на Carbath се изчисляват на третата стъпка (цикъл на гледане)
, на 4-та стъпка
на 5-та стъпка
и на 6-та стъпка
.

Изчислените вероятности на авторите на определена стъпка ви позволяват да определите чрез сумиране, вероятността на резервоара в крайния брой стъпки. Лесно е да се уверите, че когато използвате критерия "3 от 6" вероятността от автора за 3 стъпки (цикъл на гледане); За четири стъпки
, пет стъпки и най-накрая, за шест стъпки.

Да се \u200b\u200bизчисли вероятността от правилното Autrashkat daz, тъй като функцията на броя на стъпките все още обмисля пс.= Д. Страница q.=1 - Д. Страница, и да се изчисли вероятността от фалшив кран Е. AZ приема пс.= Е. Страница q.=1 - Е. Страница (използвайки същите съотношения).

За да изчислите средното време за автоматично използване, използваме добре познатата формула на очакванията:

,

където вероятност Пс. л. (на бетон л.-Mile) трябва да отговарят на условието за нормализация:

,

тези. Направете пълна група събития.

Лесно е да се уверите, че събитията се произвеждат л.-Mo цикъл на преглед "Кога л. от к. преди м. За всеки критерий за формуляра "K от m" не образуват пълна група. Следователно, за изчисляване на Т, е необходимо да се произведе нормализация. За критерия за изпитване "K от m", нормализирането е както следва:

След това за критерия "3 от 6" средното време на опън се изчислява по формулата:

,
където
.

Да се \u200b\u200bизчисли средното време на подходящо autra T. Сряда az заместител пс.= Д. Страница

q.=1 - Д. Страница, но при изчисляване на средното време на False Tap T. Сряда lz:

пс.= Е. Страница q.=1 - Е. стр.

Резултатите от изчисляването на вероятностите на правилното и невярно откриване на траекторията, както и средното време за дъбене съгласно предложения метод, използвайки "самолета за случайна скитане", са напълно съвпаднали с изчислението въз основа на използването на марката дискрет Апарати за вериги.

Поддържане на траектории .
Поддържането на траекториите е непрекъснато обвързване на новооткритите марки в следващия преглед на съответните траектории, изглаждане на координатите и оценка на параметрите на траекторията на движението на целта. Структурната схема на алгоритъма за придружаването на траекторията е представена на фиг.8.

Нека придружават придружаването в резултат на ескорт. Въз основа на тези марки, получени с грешки, е необходимо да се генерират непрекъснати данни за траекторията (изглаждане или интерполация), както и да се определят параметрите на траекторията с по-малка грешка.

Обикновено целта на целта се дава от полиномната -та степен (функция за изглаждане) за всяка от координатите (диапазон, азимут и ъгъл на мястото). Например, за координатите на обхвата:

,
степента на която зависи от маневността на целта. Полиномни коефициенти
с усещане за разстояние r. 0, скорост В. R, ускорение а. R и т.н. Вземете оценката.
Оценката на параметрите на траекторията може да бъде направена чрез максималната функция на вероятността, докато ролята на грешките в измерването се възпроизвеждат от координатните грешки при измерването, разпределени обикновено с нулева средна стойност.

Функция на вероятността за избор на коригирани марки
Операта е разделена н.-Hell Gaussian вероятностна плътност
.

Логаритмия
и определяне на частното дериват за всяка от очакваните стойности
Системата на уравнения на вероятността е съставена:

Тази обработка на R'Li от няколко радарни източници на информация. Необходими поради следните причини:

1. Подобряване на надеждността на откриването

2. Премахване на геометрични ограничения върху процеса на откриване. Груповата цел като единична и детеркционна време е доста малка, ако радарът е разположен на земната повърхност. Икономиката работи с цяла гама от различни цели, вариращи от височина на космическите цели, следващите глави на балистични ракети, след това въздушни цели, крилатите ракети обгръщат профила на областта и накрая те са така наречени безпилотни летателни апарати.

3. Подобряване на качеството на рили

Нека RLS1 дава информация x 1 1 (обект номер 1 от радар1). RADAR2 ще предостави информация x 2 1 (обект номер 1 от радар2). като Местоположението за всеки радар Разни; Те са на различни места - има обвързващи грешки на земята; Има грешки при лечението на алгоритми.

Ако няколко гола са: X 1 1, X 1 2, X 2 1, X 22, X 31, X 32, X 4 1, X 42, тогава трябва да бъдат решени следните задачи, за да се получи ефикасност от третичен Обработка:

1. задачата да приведе в унифицирана координатна система;

2. задачата да доведе до еднократна система;

3. задачата за идентификация (групиране);

Помислете за решаването на тези задачи:

1. Привеждане в една координатна система.

Един от радара е централен. Трябва да знам л. - Разстояние между радар.

2. Внасяне в една времева система.

t0- начално време. - време на местоположението на радара1, - времето на радаризацията на радара2; . Ние използваме еднаква хипотеза право движение и определят. След това извън системата за координатна и време. Получаваме горните марки, това са съобщения, които включват координати, параметри на ускорението, състояние. Аксесоари, целеви номера и др. Поради грешките, е необходимо да се групира (разпознаване на изображения). Няма да има оценки, които да бъдат равни, въпреки че тя се опита. Грешката ще остане.

3. Задачата за идентификация Марките са решени на два етапа:

1. Груба идентификация

2. Точна идентификация

Груба идентификация.

Проблемът за решаването на проблема е предположението, че докладите (формата) на същата цел от различен радар трябва да имат същите компоненти:

Въвежда се условието: (то се определя като вектор на допустимите отклонения за всички компоненти, k \u003d 1,2,3 (коефициент)).

k определя вероятността за хипотеза:

хипотеза 1: липсват съставите поради техните различия;

хипотеза 2: липсващ поради грешки;

хипотеза 1: Пресоване на грешки при лекция

хипотеза 2: Различни цели на лекции

Ако тя отговаря на хипотезата 1, ако тя не отговаря на хипотезата 2. и така за всяка координатна скорост, като цяло във всички компоненти. Delta Vector се оформя допустимо. Задачата да изберем делта противоречия. Ако Delta възложи голям, той може да бъде групиран или идентифициран с марки от различни цели, и ако е малък, тогава знаците, принадлежащи към същите цели, ще бъдат пропуснати. Нормален закон за грешките. Ако използвате формулата за DELLING DETTA, се оказва, че ще съжаляваме за облака от марки, да изберем някои марки, но ще има голям набор от белези, които ще бъдат в себе си. Задачата на груба идентификация е Blah \u003d)

Размерът на знаците се намалява, необходимостта от точна идентификация.

Точна идентификация.

Динамиката на промените в координатите на въздушната ситуация води до използването на евристични правила:

Правило 1. Ако в областта на допустимите отклонения, белези от един радар, броят на целите е равен на броя на знаците. Правилото се счита за справедливо, защото Същият радар не може да даде няколко белега от една и съща цел в една точка.

Правило 2. Ако в областта на допустимите отклонения от всякакви RLS се получава с една марка, се смята, че те принадлежат към една и съща цел. Правилото се счита за справедливо, защото Малко вероятно е радарът да види целите им и да не вижда други.

Правило 3. Ако от всички RLS се получават при равен брой марки, очевидно е, че броят на целите е равен на броя на марки, получени от един радар. Правилото се счита за справедливо, тъй като е малко вероятно RLS да виждат само неговите белези и не виждат целта, която съседният радар е наблюдаван.

Правило 4. Ако няма същия брой марки от няколко радара, се приема, че RLS, който дава максималния брой марки, определя най-вероятната картина на въздушната ситуация.

Правило 1.:

Целите не могат да бъдат групирани.

Предговор за публикуване на руски език
Редактор на предговор
Предговор
Списък на използваните обозначения
Глава 1 Въведение
1.1. Цифрова обработка на информация в радар
1.1.1. Класификация на RLS.
1.1.2. Общ Върху функционалните елементи на радара
1.1.3. Принципи на изграждане на радар с придружаване в режим на преглед
1.2. Обработка на данни в радар с фарове
1.2.1. Фарове с електронно сканиране
1.2.2. Използване на фарове в радар
1.2.3. Контролер
1.2.4. Придружаващи цели с фарове
1.3. Обработка на данни в мрежи RLS
1.3.1. Примери за радарни мрежи
1.3.2. Методи за обработка на данни
1.3.3. Двупозиционни радарни и двупозиционни RLS мрежи
1.4. Поддържащи филтри
1.4.1. Общи разпоредби Системна теория
1.4.2. Теория на статистическото филтриране
1.4.3. Прилагане на теорията на филтрацията
1.5. Прилагане на системи TORI в радар
1.5.1. Примери за употребата на Тори.
1.6. Заключение
Глава 2. Математическа апаратура Теория на оценката и филтрирането
2.1. Въведение в теорията за оценката
2.1.1. История на въпроса
2.1.2. Основни дефиниции
2.1.3. Класификация на задачите за оценка
2.1.4. Критерий за най-малките квадрати
2.1.5. Критерий за минимална квадратична грешка
2.1.6. Критерий за максимален вярващ
2.1.7. Критерий за максималната реципрочна вероятност (байезийски критерий)
2.2. Подробно разглеждане на оценката по критерия за минимална квадратична грешка в параметрични задачи
2.2.1. Общо решение Задачи за оценка на критерия за минимум средна квадратична грешка
2.2.2. Линейна оценка на критерия за минимум средна квадратична грешка
2.3. Оценка по критерия за минимум със средна квадратична грешка в динамичните задачи
2.3.1. Системни модели
2.3.2. Филтрация, екстраполация и изглаждане
2.3.3. Линейна екстраполация и филтриране, когато се оценява чрез минимален критерий за средна квадратична грешка
2.4. Калман филтриране
2.4.1. Дискретен филтър и екстраполатор
2.4.2. Числен пример
2.4.3. Стационарен начин на работа на филтъра на Kalman
2.5. Адаптивно филтриране.
2.5.1. Въведение
2.5.2. Чувствителност и дивергенция на филтъра на Калман
2.5.3. Байезийски адаптивни методи за филтриране
2.5.4. Подпожални адаптивни филтри
2.6. Нелинейно филтриране.
2.6.1. Въведение
2.6.2. Разширено Kalman Filter.
2.6.3. Други методи за филтриране на неоптимално филтриране
2.7. Заключение
Глава 3. Система от целевия режим на придружаване
3.1. Въведение
3.2. Принципи на изграждане на системи SCRO
3.2.1. Структура на файла с данни
3.2.2. Образуване и актуализиране на отраженията от местни елементи
3.3. Математически модели Датчик и целеви траектории
3.3.1. Координатна система
3.3.2. Радарни измервания
3.3.3. Модел Obel.
3.4. Поддържащи филтри
3.4.1. Използването на алгоритъм на Калман
3.4.2. A-B-алгоритъм
3.4.3. Двуизмерна задача
3.4.4. Адаптивен метод за маневриране на целта
3.5. Обвързващи марки към траекториите
3.5.1. Алгоритми за сравнение и обвързващи знаци за траектории
3.5.2. Форма и размери на корелационните врати
3.6. Методи за изтегляне на траектории
3.6.1. Характеристики на алгоритмите на струните на траекторията
3.6.2. Метод на плъзгащ прозорец
3.6.3. Пример за прилагането на алгоритъма
3.6.4. Форма и размери на строгите на струните на траекторията
3.7. Заключение
Глава 4. АЛГОРИТМИ ЗА ПОДДРЪЖКА
4.1. Въведение
4.2. Основните характеристики на основния филтър за поддръжка
4.2.1. Подход на певицата
4.2.2. Подход на полумерата
4.2.3. Нелинейно филтриране на тези радарни измервания
4.3. Адаптивно филтриране, когато е придружено от маневрираща цел
4.3.1. Алгоритъм на алгоритъма за откриване на маневриране
4.3.2. Начини за прилагане на адаптивност
4.4. Филтриране в отражения от местни елементи
4.4.1. Оптимален байезийски подход
4.4.2. Pooptimal Algorithms.
4.4.3. Обработка на станция и оптимизация на радарните данни
4.5. Филтрация с няколко гола
4.5.1. Случай на две пресичащи се траектории
4.5.2. Оптимални и неоптимални филтри за съпровод
4.5.3. Поддържане на група за група (борба)
4.6. Придружаване на резултатите от измерването на радиалните скорости
4.6.1. Подкрепа на една мишена в отсъствието на смущения
4.6.2. Поддържане на една мишена на фона на отраженията от местни елементи
4.6.3. Случай на две пресичащи се траектории
4.6.4. Линейна обработка на радиални измервания на скоростта
4.7. Активен придружател с помощта на постепенна решетка за антена
4.7.1. Адаптивно управление на темпото на траекторията
4.7.2. Придружаващи няколко гола, използвайки припокриващи се импулсни последователности
4.8. Бистатични системи за поддръжка
4.8.1. Структура на поддържащия филтър
4.8.2. Сравнителен анализ на моностатичен и двуоския радар
4.9. Заключение
Библиография
Списък на творбите, преведени на руски
Добавяне. Нови методи за обработка на информация в пространството на държавите, основани на теорията на оценката (Юриев А. Н., Бочкарев Л. М.)
D.1. Общи въпроси за филтриране и оценка
D 2. Откриване и отливане на целеви траектории
D.z. Придружаващ гол за маневриране
D.4. Поддържане на няколко цели
D.5. Поддържане на цели с помощта на множество сензори
Списък на препратките за добавяне

Въведение

Основната задача на радара е събирането и обработката на информация за обектите на сондата. В много епични RLS, както е добре известно, цялата обработка на радарна информация е разделена на три етапа.

Първично лечение това е откриването на целевия сигнал и измерването на координатите му със съответното качество или грешки.

Вторична обработка тя предвижда определяне на параметрите на траекторията на всяка цел чрез сигнали на един или редица позиции на MPRLS, включително операциите за идентифициране на цели.

За трейната обработка комбинират се параметрите на траекторите на целите, получени чрез различни приемни устройства на MPRLC с идентификацията на траекторите.

Следователно разглеждането на същността на всички видове радарна обработка на информация е много подходящо.

За да постигнете целите си, обмислете следните въпроси:

1. Първична обработка на радарна информация.

2. Вторична обработка на радарна информация.

3. Трейната обработка на радарна информация.

Този материал за обучение може да бъде намерен в следните източници:

1. Бакулев PA. Радарни системи: учебник за университети. - m.:

Радио инженерство, 2004.

2. Белоцерковски GB. Основи на радар и радар

устройства. - т.: Съветско радио, 1975.

1. Обработка на информация за първичната радар

За да автоматизирате процесите за управление на въздухоплаването, трябва да имате

изчерпателна и непрекъснато актуализирана информация за координатите и характеристиките на целите на въздуха. Тази информация в автоматизираните системи за управление (ACS) се получава чрез средства, включени в подсистемата за събиране и обработка на радарна информация (RLI), а именно: Публикации и центрове на RLI обработка, въздухоплавателни комплекси на радарния часовник и насоки. Основните средства за получаване на информация за въздушните цели са радар. Изявява се процесът на получаване на информация за обекти в областта на видимостта на RLS обработка Роли.

Такава обработка дава възможност за получаване на данни за координатите на целта, параметрите на траекторията, времето на местоположението и т.н. Наборът от информация за целта е конвенционално наречен марка. Маркираните, с изключение на горните данни, могат да включват информация за целевия номер, нейната държавна принадлежност, количество, вид, значение и т.н.

Сигналите, които носят информацията, необходима за оператора, се наричат \u200b\u200bполезни, но обикновено непременно наблюдават информация за нарушаване на смущенията. В тази връзка, по време на процеса на обработка, задачите възникват за разпределяне на полезни сигнали и получават необходимата информация при смущения.

Информационната обработка се основава на съществуването на различия между полезния сигнал и пречка. Целият процес на обработка на Rhley може да бъде разделен на три основни етапа: първично, вторично и третиране.

На сцената първична обработка RLI целта се открива и определя своите координати. Първичната обработка се извършва на една, но по-често от множество съседни диапазони. Това е достатъчно, за да се открие целта и определянето на нейните координати. По този начин основната обработка на RLI се нарича обработка на информация в един период на преглед на RLS. Съставът на първичната обработка на RLI включва:

Откриване на полезния сигнал в шума;

Определяне на координатите на целта;

Координати на целта;

Присвояване на цели на номера.

Доскоро RLS операторът реши тази задача. Но понастоящем, в реални условия за проследяване на показателите за много цели, движещи се с високи скорости, човек не може да оцени разнообразието на въздушната ситуация, използвайки само визуален начин. В това отношение съществува проблем за прехвърляне на част или всички човешки функции - операторът при обработката на R'ley изчислителни средства, които са създадени в съоръженията на ACS ACS.

Първично лечение Rhley започва с откриването на полезния сигнал на Vshubu. Този процес се състои от няколко етапа:

Откриване на едно сигнал;

Откриване на сигналната опаковка;

Формиране на пълен пакет от сигнали;

Определяне на диапазона до целта и нейната азимут.

Всички тези стъпки се изпълняват, като се използват оптимални алгоритми въз основа на критериите за минимални грешки при вземането на решения и резултатите от измерването.

По този начин операциите, произведени по време на първичната обработка, могат да произвеждат радар независимо.