Pdf третичная обработка радиолокационной информации. Обработка радиолокационной информации

Волкова Г.А.

ИССЛЕДОВАНИЕ АЛГОРИТМОВ ВТОРИЧНОЙ ОБРАБОТКИ РАДИОЛОКАЦИОННОЙ ИНФОРМАЦИИ

Учебное пособие к лабораторной работе

ВТОРИЧНАЯ ОБРАБОТКА

РАДИОЛОКАЦИОННОЙ ИНФОРМАЦИИ.

Введение
Обработку радиолокационной информации делят на первичную и вторичную. Устройство первичной обработки решает задачи обнаружения и измерения координат (дальности, азимута и угла места) мгновенного положения цели относительно РЛС в каждом периоде обзора .

Координаты мгновенного положения как истинных, так и ложных целей в цифровом виде поступают в устройство вторичной обработки, в котором на их основе определяется местоположение каждой обнаруженной цели в избранной системе координат, в результате чего формируются отметки х , которые могут быть истинными и ложными. Отметка – совокупность кодов дальности, азимута и угла места в определенный дискретный момент времени.

Одна отметка, полученная в каком-либо обзоре, не позволяет принять решение о наличии цели в зоне обзора, так как могла быть ложной, по ней нельзя судить о траектории движения цели.

В устройстве вторичной обработки на основе отметок , полученных в n соседних обзорах, решаются следующие основные задачи:

Обнаружение траекторий целей,

Сопровождение траекторий целей,

Траекторные расчеты в интересах потребителей радиолокационной информации.

Эти задачи включают в себя оценивание параметров траектории, задаваемой обычно векторной функцией, расчет сглаженных (интерполированных) и упрежденных (экстраполированных) координат, а также операцию стробирования отметок целей. Вторичная обработка информации осуществляется автоматически, с помощью ЦВМ.

Рассмотрим один из способов автозахвата траектории цели на примере двухкоординатной РЛС. Пусть с устройства первичной обработки переданы координаты обнаруженной цели и сформирована отметка x 1 , не принадлежащая ни одной из ранее сопровождаемых траекторий. Эту отметку принимают за начальную отметку траектории цели. Поскольку РЛС предназначена для сопровождения объектов определенного класса (например, самолетов), то известны минимальная V min и максимальная V m а x скорости цели. Поэтому можно выделить область S 2 в виде кольца с центром в первой отметке и с радиусами R min =V min T обз и R m а x =V m а x T обз, в пределах которой может находиться цель в следующем обзоре, см.рис.1. Операция формирования области называется стробированием, а сама область - стробом.

Если в строб S 2 во втором обзоре попадает отметка x 2 , то происходит завязка траектории, причем, если таких отметок несколько, то каждую из них рассматривают как возможное продолжение траектории. Если в строб не попадает ни одной отметки, то происходит сброс. Критерий завязки траектории в этом случае "2/2".

По двум отметкам можно определить направление движения и среднюю скорость цели
, затем рассчитать возможное положение отметки в очередном (третьем) обзоре. Определение положения отметки в следующем обзоре называется экстраполяцией.

На этапе автозахвата траектории принимается простейшая гипотеза о прямолинейном и равномерном движении цели. Экстраполированные значения координат вычисляются по формуле:

.

Вокруг экстраполированной отметки образуется круговой строб S 3, размеры которого определяются погрешностями измерения положения отметки цели
и погрешностями расчета положения экстраполированной отметки
:

Факт попадания очередной получаемой отметки в строб проверяется путем сравнения разности координат полученной x i и экстраполированной x э i отметок с размерами полустроба:

.

Если в строб S 3 в третьем обзоре попала одна отметка, она считается принадлежащей обнаруживаемой траектории. Процесс продолжается. Если ни одной отметки не попадает в строб, то траектория продолжается по экстраполированной отметке, но размеры строба увеличиваются.

При обнаружении траектории маневрирующего объекта размеры стробов должны рассчитываться с учетом возможного маневра. Размер строба непосредственно влияет на показатели качества обнаружения траектории. Его увеличение приводит к увеличению числа ложных отметок в стробе, в результате возрастает вероят­ность ложного обнаружения F АЗ. Уменьшение размера строба может привести к непопаданию истинной отметки в строб, при этом сни­жается вероятность правильного обнаружения D АЗ.

При гауссовском распределении погрешностей измерения коор­динат и ошибок экстраполяции для обеспечения заданной вероят­ности попадания отметки в строб его форма должна совпадать с эллипсом ошибок; при обнаружении траектории в пространстве строб - эллипсоид ошибок . Однако формирование таких стробов сопряжено с большими вычислительными затратами, и на прак­тике ограничиваются формированием стробов такой формы, ко­торая удобна для вычислений в принятой системе координат. При этом образуемый строб должен охватывать эллипс (эллипсоид) ошибок.

Траектория считается обнаруженной, если выполняется критерий обнаружения. Структурная схема алгоритма автозахвата траектории представлена на рис.2, жирными стрелками показаны линии связи, по которым передается информация в виде кодов, по остальным линиям связи передаются «нули» и «единицы», соответствующие отсутствию и наличию отметки в стробе в i -м обзоре.

Обнаружение (автозахват) траекторий.
Процесс обнаружения (автозахвата) траектории является по существу процессом проверки гипотезы Н 1 о том, что совокупность полученных в соседних обзорах отметок является траекторией цели, относительно гипотезы Н0, что все эти отметки возникли в результате ложной тревоги.

При автозахвате траекторий используются критерии Неймана-Пирсона, Байеса и Вальда. Алгоритм автозахвата может быть получен методом отношения правдоподобия. Например, при использовании критерия Байеса оптимальная процедура автозахвата сводится к формированию отношения правдоподобия Λ и сравнению его с порогом Λ 0:

где
и
- совместные плотности распре-деления отметок при условии, что справедливы гипотезы Н 1 и Н 0 соответственно.

P 0 и P 1 - априорные вероятности отсутствия и наличия траектории соответ-ственно,

С 01 и С 10 - стоимости ошибок: ложного захвата траектории и пропуска траекто-рии соответственно.

Стоимости правильных решений приняты равными нулю. При этом минимизируется величина среднего риска , где F АЗ и D АЗ - вероятности ложного автозахвата и правильного автозахвата траектории цели соответственно.

Большие выигрыши во времени автозахвата получаются при использовании последовательного анализа (критерия Вальда) , когда отношение правдоподобия формируется по мере поступления каждой i -й отметки и сравнивается с двумя порогами:
и
:
.
При превышении верхнего порога выносится решение d 1 - траектория обнаружена; если  меньше нижнего порога, то выносится решение d 0 - траектория не обнаружена. Если же
,
то принимается решение d п о продолжении испытаний: производится (i+1) -й обзор, и описанная процедура повторяется. При этом решение в среднем принимается менее, чем за n обзоров.
Обозначим через { δ i , i =l, 2, ...} последо­вательность нулей и единиц, соответствующих отсутствию или на­личию отметок в стробах, формируемых в процессе обнаружения траектории:

при наличии отметки в стробе на i -м шаге;

в противном случае.

δ i =

Отношение правдоподобия на k-м обзоре

,

путем логарифмирования упрощается:

.

Тогда алгоритм обнаружения траектории при использовании критерия Вальда

сводится к добавлению к сумме "веса"
, если δ i =1 и вычитанию "веса"
, если δ i = 0 , и сравнению суммы в порогами lnΛ Н и lnΛ В.

При этом выигрыш по сравнению с обнаружителем Неймана-Пирсона составляют во времени обнаружения истинной траектории приблизительно е АЗ =D АЗ, а во времени обнаружения ложной траектории
.

Однако, для упрощения устройств обнаружения траекторий используют неоптимальные алгоритмы, например, k/m. Так, при использовании критерия «4/5» для обнаружения траектории необходимо, чтобы после завязки траектории по критерию «2/2» еще хотя бы 2 отметки в трех последующих обзорах попали в строб (критерий подтверждения траектории "2 из 3"). Обнаруженная траектория передается на сопровождение. Если подтверждения не происходит, траектория сбрасывается.

Эффективность алгоритмов автозахвата характеризуется:

Вероятностью обнаружения истинной траектории D АЗ;

Вероятностью обнаружения ложной траектории F АЗ;

Средним временем автозахвата истинной траектории T СР АЗ;

Средним временем автозахвата ложной траектории Т СР ЛЗ.

Для расчета этих характеристик используется аппарат цепей Маркова.

Применим математический аппарат цепей Маркова к анализу устройства (автомата) захвата, работающего по следующему алгоритму: завязка траектории производится по критерию "2/2", а обнаружение фиксируется, если отметка попадает в строб хотя бы в одном из трех следующих обзоров после завязки траектории (критерий подтверждения "1/3"). Таким образом, критерий обнаружения траектории может быть назван "2+1 из 5", т.е. "3 из 5".

Считаем, что на вход устройства захвата в очередном обзоре поступает "единица", если отметка цели попадает в экстраполированный строб, и "нуль", если отметка не попадает в этот строб.

Возможные комбинации "нулей" и "единиц" в течение m циклов обзора определяют состояния автомата. Составим таблицу состояний автомата захвата для критерия "3 из 5":
№ состояния комбинации "0" и "1" характерные состояния

1 11 -завязка траектории

3 111,1101,11001 -автозахват

5 11000 -сброс траектории
По таблице состояний строится граф, см. рис. 3. В узлах графа указаны состояния автомата. Над ребрами графа указаны вероятности перехода из состояния в состояние, причем принято, что попадание отметки в строб (появление "единицы" на входе автомата) происходит с вероятностью р , а отсутствие ее в стробе (появление "нуля" на входе автомата) - с вероятностью q .

Переход системы из состояния в состояние зависит:

От того, в каком состоянии находится автомат в данный момент,

От текущего входного воздействия ("единица" или "нуль" на входе). Следовательно, состояния автомата образуют простую цепь Маркова.

Вектор начальных состояний (в нашем случае - после второго обзора, чем и определяется индекс) -

показывает, что с вероятностью произошла завязка траектории по критерию "2/2", с вероятностью
завязка траектории отсутствовала, что соответствует сбросу траектории, а остальные состояния автомата к началу третьего обзора невозможны.

Матрица вероятностей переходов легко составляется на основе графа:

,

где номер строки соответствует номеру состояния, из которого переходит автомат, а номер столбца показывает, в которое состояние переходит автомат.

Можно определить векторы состояний автомата в 3,4 и 5 обзорах:

,

И т.д.
Рассчитанные векторы состояний для 3,4 и 5 обзоров имеют вид:

,
,
.
Сумма вероятностей по строке при этом равна единице.

Третий элемент вектора состояний дает значение вероятности автозахвата траектории за соответствующее число циклов обзора:

,

,

.

Поскольку р есть вероятность попадания отметки в строб, то по своему физическому смыслу р соответствует вероятности правильного обнаружения цели в стробе автозахвата D стр, а q = 1- D стр. На рис.4а построена зависимость вероятности автозахвата от номера обзора при разных вероятностях правильного обнаружения в стробе D стр. Видно, что с увеличением номера обзора вероятность автозахвата D АЗ возрастает, причем D АЗ тем больше, чем больше D стр.

Вероятность ложного автозахвата определяется тем же соотношением, с той лишь разницей, что р есть вероятность ложной тревоги в стробе автозахвата F стр, а q = 1- F стр.

Зависимости вероятности ложного автозахвата от номера обзора при разных вероятностях ложной тревоги в стробе приведены на рис.4б.

Вероятности D стр и F стр вычисляются по формулам:

D стр =D ; F стр =MF ,

где D и F - вероятности правильного обнаружения и ложной тревоги в элементе разрешения при первичной обработке, М - число элементов разрешения в стробе.

D АЗ (n) при D стр =0,8
D АЗ (n) при D стр =0,9

F АЗ (n) при F стр =

F АЗ (n) при F стр =

рис.4,а рис.4,б

Рассмотренный выше метод определения характеристик качества работы устройства автозахвата с использованием математического аппарата цепей Маркова является строгим аналитическим методом. Однако, недостатком этого метода является громоздкость вычислений при использовании более сложных критериев. Так, например, увеличение n приводит к повышению порядка матриц, и операции с ними становятся затруднительными . В этом случае для возведения матриц в степень и выполнения других операций необходимо использовать ЭВМ. Поэтому ниже предлагается упрощенная методика вычисления характеристик качества автозахвата, позволяющая с помощью графических построений рассмотреть процесс автозахвата на плоскости случайных блужданий.

Процесс автозахвата будем рассматривать в тех же предположениях, т.е. за начало автозахвата принимается наличие двух единиц подряд. Появление нулей и единиц на следующих шагах (циклах обзора) должно привести либо к пересечению верхнего порога "автозахват", либо нижнего порога "сброс". Между моментами появления комбинации "11" и пересечением верхнего или нижнего порога процесс переходит на каждом шаге в то или иное состояние. Поскольку появление на входе устройства нулей и единиц носит случайный характер, процесс перехода устройства из одного состояния в другое эквивалентен случайным "блужданиям". При этом плоскость, на которой происходят блуждания, принято называть "плоскостью случайных блужданий".

Траекторию блуждания процесса на плоскости можно рассматривать как движение (блуждание) некоторой точки, которую обычно называют "изображающей" точкой. Таким образом, весь процесс автозахвата можно представить графически. При этом расчет характеристик качества работы устройства автозахвата значительно упрощается и составления матриц в этом случае не требуется.

На рис.5 изображен график случайных блужданий для критерия "3 из 6". По оси ординат отложены номера шагов (циклов обзора), а по оси абсцисс - число нулей в имеющейся комбинации.

Движение изображающей точки начинается с момента появления двух единиц подряд, вероятность этого состояния р 2 . Стрелками указываются возможные направления перемещения изображающей точки, т.е. переходы из одного состояния в другое. Переходы в направлении вверх по вертикали происходят с вероятностью р , а по диагонали вправо и вверх - с вероятностью q. В предположении, что отдельные состояния независимы, вычисляются вероятности нахождения точки в каждом из состояний. Случайные блуждания этой точки происходят дискретно внутри области "неопределенность" до тех пор, пока точка не окажется либо на верхней пунктирной линии (состояние "автозахват"), либо на нижней (состояние "сброс"), после чего движение изображающей точки прекращается. Видно, что автозахват может произойти на третьем, на четвертом, на пятом и на шестом шаге, при этом оказываются вычисленными вероятности автозахвата на 3-м шаге (цикле обзора)
, на 4-м шаге
, на 5-м шаге
и на 6-м шаге
.

Вычисленные вероятности автозахвата на конкретном шаге позволяют определить, путем суммирования, вероятности автозахвата за конечное число шагов. Нетрудно убедиться, что при использовании критерия "3 из 6" вероятность автозахвата за 3 шага (цикла обзора) ; за четыре шага
, за пять шагов и, наконец, за шесть шагов.

Для расчета вероятности правильного автозахвата Dаз как функции числа шагов по-прежнему считаем p = D стр, q =1 - D стр, а для расчета вероятности ложного автозахвата F АЗ принимаем p = F стр, q =1 - F стр (используя те же соотношения).

Для расчета среднего времени автозахвата воспользуемся известной формулой математического ожидания:

,

где вероятности P l (на конкретном l -м шаге) должны удовлетворять условию нормировки:

,

т.е. соответствовать полной группе событий.

Легко убедиться в том, что события "автозахват произведен на l -м цикле обзора" при l от k до m для любого критерия вида "k из m" не образуют полной группы. Поэтому для вычисления Т необходимо произвести нормировку. Для критерия автозахвата "k из m" нормировка осуществляется следующим образом:

Тогда для критерия "3 из 6" среднее время автозахвата вычисляется по формуле:

,
где
.

Для расчета среднего времени правильного автозахвата T СР АЗ подставляем p = D стр,

q =1 - D СТР, а при расчете среднего времени ложного автозахвата T СР ЛЗ:

p = F стр, q =1 - F стр.

Результаты расчета вероятностей правильного и ложного обнаружения траектории, а также среднего времени автозахвата по предлагаемой методике с использованием "плоскости случайных блужданий" полностью совпадают с расчетом, основанным на применении аппарата дискретных цепей Маркова.

Сопровождение траекторий .
Сопровождение траекторий состоит в непрерывной привязке вновь получаемых в очередном обзоре отметок к соответствующим траекториям, сглаживании координат и оценивании параметров траектории движения цели. Структурная схема алгоритма сопровождения траектории представлена на рис.8.

Пусть в результате сопровождения селектированы отметки . На основе этих отметок, полученных с ошибками, необходимо вырабатывать непрерывные данные о траектории (сглаживание или интерполяция), а также определить параметры траектории с возможно меньшей ошибкой.

Обычно траектория цели задается полиномом -й степени (сглаживающая функция) для каждой из координат (дальности, азимута и угла места). Например, для координаты дальности:

,
степень которого зависит от маневренности цели. Коэффициенты полинома
, имеющие смысл дальности r 0 , скорости V r , ускорения a r и т.д. подлежат оценке.
Оценка параметров траектории может быть произведена методом максимума функции правдоподобия, при этом роль помехи играют ошибки измерения координат, распределенные нормально с нулевым средним значением.

Функция правдоподобия отселектированных отметок
опре-деляется n -мерной гауссовской плотностью вероятностей
.

Логарифмируя
и определяя частную производную по каждой из оцениваемой величин
, составляется система уравнений правдоподобия:

Это обработка РЛИ от нескольких РЛС источников информации. Необходима по следующим причинам:

1. Повышение надежности обнаружения

2. Снятие геометрических ограничений на процесс обнаружения. Групповая цель как одиночная и время обнаружения достаточно мало если РЛС расположено на земной поверхности. ВКО работает с целым массивом разнотипных целей, начиная от космических целей высота, далее головные части баллистических ракет, далее воздушные цели, крылатые ракеты огибают профиль местности и наконец это так называемые беспилотные летательные аппараты.

3. Повышение качества РЛИ

Пусть РЛС1 дает информацию x 1 1 (цель №1 от РЛС1). а РЛС2 даст информацию x 2 1 (цель №1 от РЛС2). , т.к. время локации для любой РЛС разное; они находятся в разных местах - существуют ошибки привязки к наземному положению; существуют ошибки алгоритмов обработки РЛИ.

Если несколько целей: x 1 1 , x 1 2 , x 2 1 , x 2 2 , x 3 1 , x 3 2 , x 4 1 , x 4 2 , то для получения эффективности от третичной обработки необходимо решить следующие задачи:

1. Задача приведения к единой системе координат;

2. Задача приведения к единой системе времени;

3. Задача отождествления (группирование);

Рассмотрим решение этих задач:

1. Приведение к единой системе координат .

Одна из РЛС - центральная. Необходимо знать l - расстояние между РЛС.

2. Приведение к единой системе времени .

t0- начальное время. - время локации РЛС1, - время локации РЛС2; . Используем гипотезу равномерного прямолинейного движения и определяем . Тогда из приведено к единой системе координат и времени. Получаем приведенные отметки, это донесения, которые включают в себя координаты, параметры ускорения, гос. принадлежности, номер цели и т.д. В связи с возникновением ошибок необходимо группирование (распознавание образов). Отметки равны не будут никогда, хоть и старалась. Ошибка останется.

3. Задача отождествления отметок решается в два этапа:

1. грубое отождествление

2. точное отождествление

Грубое отождествление.

В основе решения задачи лежит предположение, что донесения (формуляры) об одной и той же цели от разных РЛС должны иметь одинаковые компоненты:

Вводят условие: ( определяется как вектор допустимых отклонений по всем компонентам , k = 1,2,3 (коэффициент)).

k определяет вероятность принятия гипотезы:

гипотеза 1: несовпадение формуляров в силу их различия;

гипотеза 2: несовпадение в силу ошибок;

гипотеза 1:Ошибки пересчета на лекции

гипотеза 2: Разные цели на лекции

Если удовлетворяет то гипотеза 1, если не удовлетворяет то гипотеза 2. И так по каждой координате, скорости, в общем по всем компонентам. Образуется вектор дельта допустимое. Задача выбора дельты противоречивая. Если дельты назначить большие, то могут быть сгруппированы или отождествлены отметки от разных целей, а если малой, то будут пропускаться отметки, принадлежащие одним и тем же целям. Нормальный закон ошибок. Если использовать формулу для опеределния дельты, то получается что облако отметок мы прорядим, выберем какие-то отметки, но останется большая совокупность отметок, которые будут сами по себе. Задача грубого отождествления это бла бла =)

Размерность отметок сокращается, возникает необходимость точного отождествления.

Точное отождествление.

Динамика изменения координат воздушной обстановки приводит к использованию эвристических правил:

Правило 1. Если в области допустимых отклонений получены отметки от одной РЛС, то число целей равно числу отметок. Правило считается справедливым, т.к. одна и та же РЛС не может выдавать несколько отметок от одной и той же цели в один момент.

Правило 2. Если в области допустимых отклонений от любой РЛС получено по одной отметке, то считается, что они принадлежат одной и той же цели. Правило считается справедливым, т.к. маловероятно, чтобы РЛС могли бы видеть свои цели и не видеть чужие.

Правило 3. Если от любой РЛС получено по равному числу отметок, то очевидно, что число целей равно числу отметок полученной от одной РЛС. Правило считается справедливым, поскольку маловероятной, что РЛС видело бы только свои отметки, и не видела цель, которые наблюдает соседняя РЛС.

Правило 4. Если от нескольких РЛС получено не одинаковое число отметок, то принимается, что та РЛС, которая дает максимальное количество отметок, определяет наиболее вероятную картину воздушной обстановки.

Правило 1 :

Цели не могут быть сгруппированы.

Предисловие к изданию на русском языке
Предисловие редактора
Предисловие
Список используемых обозначений
Глава 1. Введение
1.1. Цифровая обработка информации в РЛС
1.1.1. Классификация РЛС
1.1.2. Общие сведения о функциональных элементах РЛС
1.1.3. Принципы построения РЛС с сопровождением в режиме обзора
1.2. Обработка данных в РЛС с ФАР
1.2.1. ФАР с электронным сканированием
1.2.2. Использование ФАР в РЛС
1.2.3. Контроллер
1.2.4. Сопровождение целей с использованием ФАР
1.3. Обработка данных в сетях РЛС
1.3.1. Примеры радиолокационных сетей
1.3.2. Способы обработки данных
1.3.3. Двухпозиционные РЛС и сети двухпозиционных РЛС
1.4. Фильтры сопровождения
1.4.1. Общие положения теории систем
1.4.2. Теория статистической фильтрации
1.4.3. Применение теории фильтрации
1.5. Применение систем ЦОРИ в РЛС
1.5.1. Примеры применения ЦОРИ
1.6. Заключение
Глава 2. Математический аппарат теории оценивания и фильтрации
2.1. Введение в теорию оценивания
2.1.1. История вопроса
2.1.2. Основные определения
2.1.3. Классификация задач оценивания
2.1.4. Критерий наименьших квадратов
2.1.5. Критерий минимума средней квадратической ошибки
2.1.6. Критерий максимального правдоподобия
2.1.7. Критерий максимальной апостериорной вероятности (байесовский критерий)
2.2. Подробное рассмотрение оценивания по критерию минимума средней квадратической ошибки в параметрических задачах
2.2.1. Общее решение задачи оценивания по критерию минимума средней квадратической ошибки
2.2.2. Линейный оцениватель по критерию минимума средней квадратической ошибки
2.3. Оценивание по критерию минимума средней квадратической ошибки в динамических задачах
2.3.1. Модели систем
2.3.2. Фильтрация, экстраполяция и сглаживание
2.3.3. Линейная экстраполяция и фильтрация при оценивании по критерию минимума средней квадратической ошибки
2.4. Калмановская фильтрация
2.4.1. Дискретный калмановский фильтр и экстраполятор
2.4.2. Численный пример
2.4.3. Стационарный режим работы калмановского фильтра
2.5. Адаптивная фильтрация
2.5.1. Введение
2.5.2. Чувствительность и расходимость калмановского фильтра
2.5.3. Байесовские методы адаптивной фильтрации
2.5.4. Субоптимальные небайесовские адаптивные фильтры
2.6. Нелинейная фильтрация
2.6.1. Введение
2.6.2. Расширенный калмановский фильтр
2.6.3. Другие субоптимальные методы фильтрации
2.7. Заключение
Глава 3. Система сопровождения целей в режиме обзора
3.1. Введение
3.2. Принципы построения систем СЦРО
3.2.1. Структура файлов данных
3.2.2. Формирование и обновление карты отражений от местных предметов
3.3. Математические модели датчика и траектории цели
3.3.1. Система координат
3.3.2. Радиолокационные измерения
3.3.3. Модель цели
3.4. Фильтры сопровождения
3.4.1. Применение калмановского алгоритма
3.4.2. а-B-алгоритм
3.4.3. Двумерная задача
3.4.4. Адаптивный метод сопровождения маневрирующей цели
3.5. Привязка отметок к траекториям
3.5.1. Алгоритмы сопоставления и привязки отметок к траекториям
3.5.2. Форма и размеры корреляционных стробов
3.6. Методы завязки траектории
3.6.1. Характеристики алгоритмов завязки траектории
3.6.2. Метод скользящего окна
3.6.3. Пример применения алгоритма
3.6.4. Форма и размеры стробов завязки траектории
3.7. Заключение
Глава 4. Алгоритмы сопровождения
4.1. Введение
4.2. Основные особенности базового фильтра сопровождения
4.2.1. Подход Сингера
4.2.2. Полумарковский подход
4.2.3. Нелинейная фильтрация данных радиолокационных измерений
4.3. Адаптивная фильтрация при сопровождении маневрирующей цели
4.3.1. Алгоритм обнаружения маневра
4.3.2. Способы реализации адаптивности
4.4. Фильтрация в условиях отражений от местных предметов
4.4.1. Оптимальный байесовский подход
4.4.2. Субоптимальные алгоритмы
4.4.3. Совместная оптимизация обработки сигналов и радиолокационных данных
4.5. Фильтрация при наличии нескольких целей
4.5.1. Случай двух пересекающихся траекторий
4.5.2. Оптимальный и субоптимальный фильтры сопровождения
4.5.3. Сопровождение групповой цели (боевого порядка)
4.6. Сопровождение с использованием результатов измерений радиальной скорости
4.6.1. Сопровождение одиночной цели при отсутствии помех
4.6.2. Сопровождение одиночной цели на фоне отражений от местных предметов
4.6.3. Случай двух пересекающихся траекторий
4.6.4. Линейная обработка измерений радиальной скорости
4.7. Активное сопровождение с использованием фазированной антенной решетки
4.7.1. Адаптивное управление темпом обновления траектории
4.7.2. Сопровождение нескольких целей с использованием перекрывающихся последовательностей импульсов
4.8. Бистатические системы сопровождения
4.8.1. Структура фильтра сопровождения
4.8.2. Сравнительный анализ моностатической и бистатической РЛС
4.9. Заключение
Список литературы
Список работ, переведенных на русский язык
Дополнение. Новые методы обработки информации в пространстве состояний на основе теории оценивания (Юрьев А. Н., Бочкарев Л. М.)
Д.1. Общие вопросы фильтраций и оценивания
Д.2. Обнаружение и различение траекторий целей
Д.З. Сопровождение маневрирующей цели
Д.4. Сопровождение нескольких целей
Д.5. Сопровождение целей с использованием нескольких датчиков
Список литературы к дополнению

Введение

Основной задачей радиолокации является сбор и обработка информации относительно зондируемых объектов. В многопозиционных наземных РЛС, как известно, вся обработка радиолокационной информации подразделяется на три этапа.

Первичная обработка заключается в обнаружении сигнала цели и измерении ее координат с соответствующими качеством или погрешностями.

Вторичная обработка предусматривает определение параметров траектории каждой цели по сигналам одной или ряда позиций МПРЛС, включая операции отождествления отметок целей.

При третичной обработке объединяются параметры траекторий целей, полученных различными приемными устройствами МПРЛС с отождествлением траекторий.

Поэтому рассмотрение сущности всех видов обработки радиолокационной информации является весьма актуальным.

Для достижения поставленных целей рассмотрим следующие вопросы:

1. Первичная обработка радиолокационной информации.

2. Вторичная обработка радиолокационной информации.

3. Третичная обработка радиолокационной информации.

Данный учебный материал можно найти в следующих источниках:

1. Бакулев П.А. Радиолокационные системы: Учебник для вузов. – М.:

Радиотехника, 2004.

2. Белоцерковский Г.Б. Основы радиолокации и радиолокационные

устройства. – М.: Советское радио, 1975.

1. Первичная обработка радиолокационной информации

Для автоматизации процессов управления авиацией необходимо иметь

исчерпывающую и непрерывно обновляющуюся информацию о координатах и характеристиках воздушных целей. Эту информацию в автоматизированных системах управления (АСУ) получают с помощью средств, входящих в подсистему сбора и обработки радиолокационной информации (РЛИ), а именно: постов и центров обработки РЛИ, авиационных комплексов радиолокационного дозора и наведения. Основными средствами получения сведений о воздушных целях являются РЛС. Процесс получения сведений об объектах, находящихся в зоне видимости РЛС, называется обработкой РЛИ.

Такая обработка позволяет получать данные о координатах цели, параметрах ее траектории, времени локации и др. Совокупность сведений о цели условно называют отметкой . В состав отметок, кроме указанных выше данных, могут входить сведения о номере цели, ее государственной принадлежности, количестве, типе, важности и др.

Сигналы, которые несут необходимую для оператора информацию, называют полезными, но на них, как правило, обязательно накладываются помехи, искажающие информацию. В связи с этим в процессе обработки возникают задачи выделения полезных сигналов и получения необходимых сведений в условиях помех.

Обработка информации основывается на существовании различий между полезным сигналом и помехой. Весь процесс обработки РЛИ можно разделить на три основных этапа: первичную, вторичную и третичную обработку.

На этапе первичной обработки РЛИ цель обнаруживают и определяют ее координаты. Первичная обработка осуществляется по одной, но чаще по нескольким смежным разверткам дальности. Этого хватает для обнаружения цели и определения ее координат. Таким образом, первичной обработкой РЛИ называется обработка информации за один период обзора РЛС. В состав первичной обработки РЛИ включают:

Обнаружение полезного сигнала в шумах;

Определение координат цели;

Кодирование координат цели;

Присвоение номеров целям.

До недавнего времени эту задачу решал оператор РЛС. Но в настоящее время в реальных условиях слежения по индикаторам за многими целями, движущимися с большими скоростями, человек – оператор не в состоянии оценивать многообразие воздушной обстановки, пользуясь только визуальным способом. В связи с этим возникла проблема передачи части или всех функций человека – оператора при обработке РЛИ вычислительным средствам, которые были созданы на объектах АСУ авиацией.

Первичная обработка РЛИ начинается с обнаружения полезного сигнала вшумах. Этот процесс складывается из нескольких этапов:

Обнаружение одиночного сигнала;

Обнаружение пакета сигналов;

Формирование полного пакета сигналов;

Определение дальности до цели и ее азимута.

Все эти этапы реализуются с использованием оптимальных алгоритмов, основанных на критериях минимума ошибок принятия решения и результатов измерения.

Таким образом, операции, производимые при первичной обработке, может производить РЛС самостоятельно.