Sporing av manøvreringsmål. Funksjoner ved veiledning om manøvreringsmål
Som et resultat av den primære behandlingen av radarinformasjon, kommer to strømmer av målmerker til inngangen til autosporingsalgoritmen:
"sanne mål", gruppert nær den faktiske posisjonen til målene;
"falske mål"", hvorav det ene er knyttet til områder med interferens og refleksjoner fra lokale objekter, og det andre er jevnt fordelt over hele stasjonens synsfelt.
Hvis det bestemmes at et bestemt sett med merker som mottas av hver i radarundersøkelsen refererer til den samme banen, er neste oppgave å evaluere parametrene til denne banen, som består i å beregne parametrene vurdert i avsnitt 2.2 X 0 ,På 0 ,H 0 ,V x ,V y ,V H ,en x ,en y og en H. Hvis det er to merker rundt målet som startkoordinater X 0 ,På 0 og H 0 koordinatene til det siste merket mottas, komponentene til hastigheten V x , V y og V H beregnes på samme måte som ved auto-fangst av banen.
Hvis et større antall merker skilles ut, er det mulig å bytte til en mer kompleks modell for målbevegelse og jevne ut baneparameterne. Utjevning utføres for å redusere virkningen av radarmålkoordinatmålingsfeil på sporingsnøyaktigheten. De vanligste i ACS er en lineær modell av målbevegelse og suksessiv utjevning av baneparametere.
Essensen av den suksessive utjevningsmetoden er at de utjevnede verdiene til baneparameterne i neste k-th området bestemmes av de utjevnede verdiene oppnådd i ( k-1)-th gjennomgang, og resultatene av den siste k observasjon. Uavhengig av antall observasjoner som er gjort, er det kun det forrige estimatet og resultatet av en ny observasjon som brukes i neste beregningssyklus. Samtidig reduseres kravene til kapasiteten til lagringsenheter og hastigheten på utstyret betydelig.
De endelige uttrykkene for utjevning av posisjon og hastighet i den kth radarundersøkelsen er som følger:
Det kan sees fra disse formlene at den utjevnede verdien av koordinaten er lik summen ekstrapolert til øyeblikket k-observasjoner av den glattede koordinaten U* KE og tatt med en koeffisient k avvik av den ekstrapolerte koordinaten fra måleresultatet.
Utjevnet hastighetsverdi i k anmeldelse V * U K er summen av den utjevnede hastigheten V * U K-1 i ( k-1)-th gjennomgang og tatt med en koeffisient k hastighetsøkning som er proporsjonal med avbøyningen.
U=U K- U KE.
H
Ris. 2.5. Utjevning av målbaneparametere.
Den stiplede linjen i fig. 2.5 betyr den utjevnede målbanen beregnet i ACS-datamaskinen i k anmeldelse. På grunn av det faktum at koeffisientene til de utjevnede koordinatene k og k ligger innenfor 0...1, er den utjevnede startkoordinaten i intervallet U*KE... U K, og den utjevnede hastigheten er V * U K-1... V * U K.
Det er bevist at for en rettlinjet jevn bevegelse av målet, vil sporingsfeilene være minimale hvis koeffisientene k og k beregnes i henhold til formlene:
(2.9)
Figur 2.6 viser avhengigheten k og k fra anmeldelsesnummer k. Det kan sees fra grafene i figuren at koeffisientene asymptotisk nærmer seg null. I grensen kl k Dette oppnår fullstendig eliminering av målsporingsfeil. I praksis er det alltid avvik i målbanen fra en rett linje.
Derfor er verdiene til koeffisientene k og k reduseres bare til visse grenser.
Kvalitativt kan effekten av utjevning på nøyaktigheten av målsporingen estimeres ved å bruke fig. 2.7. I området med rettlinjet bevegelse er feilen til de utjevnede målkoordinatene mindre enn de ikke-utjevnede: segmenter av stiplede linjer er nærmere den sanne banen til målet enn segmenter av heltrukne linjer. I manøverseksjonen, på grunn av uoverensstemmelsen mellom den sanne naturen til målets bevegelse og den hypotetiske, oppstår dynamiske sporingsfeil. Nå bestemmer segmenter av heltrukne linjer mer nøyaktig den faktiske posisjonen til målet sammenlignet med segmenter med stiplede linjer.
I luftvernets automatiserte kontrollsystem, ved sporing av ikke-manøvrerende mål, valg av koeffisienter k og k produseres på ulike måter: de kan enten beregnes på nytt fra innledende til noen endelige verdier, eller forbli uendret i hele vedlikeholdsperioden. I sistnevnte tilfelle blir den optimale suksessive utjevningen til den såkalte eksponentielle utjevningen. Målmanøverdeteksjon kan utføres visuelt av operatøren eller automatisk. I begge tilfeller anses målet som manøvrerende hvis den målte målkoordinaten avviker fra den ekstrapolerte med en mengde som overstiger tillatte koordinatmålefeil.
W
Ris. 2.6. Avhengighet av utjevningskoeffisienter på K.
Ris. 2.7. Effekt av utjevning av baneparametere på målsporingsnøyaktighet
Vanligvis er beregningen av gjeldende (ekstrapolert på et gitt tidspunkt) koordinater til målet tidsbestemt til øyeblikkene for å gi informasjon til indikatorer, kommunikasjonskanaler, minnesoner til andre algoritmer, etc. Beregningen av de predikerte verdiene av målkoordinatene utføres i henhold til formlene:
(2.10)
hvor t y- ledetid, regnet fra gjeldende øyeblikk t.
Vanligvis t y ved vurdering av luftsituasjonen settes den av befal, og ved løsning av andre databehandlingsoppgaver leses den fra det permanente minnet til ACS-datamaskinen.
Den siste fasen av målsporing er løsningen på problemet med å korrelere nye merker med eksisterende baner. Dette problemet løses ved matematisk gating av luftromsområder. Dens essens ligger i den maskinelle verifiseringen av oppfyllelsen av likheter, ved hjelp av hvilken det fastslås at merket tilhører området som studeres. I dette tilfellet brukes oftest rektangulære eller sirkulære porter. Deres parametere er vist i figur 2.8.
La X eh, På E - ekstrapolerte målkoordinater på et tidspunkt t. For å finne ut hvilke av karakterene mottatt i neste undersøkelse som tilhører denne banen, er det nødvendig å sjekke forholdene:
P
Ris. 2.8. Strobeparametere
|X 1 -X E | X pp; | Y 1 -Y E | Y pp; (2.11)
når du bruker en sirkulær strobe -
(X Jeg – X E) 2 + ( Y Jeg – Y E) 2 R str, (2,12)
hvor X side, Y str - dimensjoner av en rektangulær port;
R str - størrelsen på den sirkulære porten.
Som et resultat av oppregningen av alle mulige par av "trajectory-mark" i hver undersøkelse, fastslås det hvilke merker som fortsetter de eksisterende, og hvilke som starter nye spor.
Fra beskrivelsen av målbanesporingsalgoritmer kan det ses at behandlingen av informasjon om luftsituasjonen er en svært arbeidskrevende prosess som krever store mengder RAM og datamaskinhastighet til det automatiserte kontrollsystemet.
Målets manøver i horisontalplanet reduseres til en endring i kurs og flyhastighet. Påvirkningen av manøveren til et luftmål på det første og andre stadiet av å lede en jagerfly ved "Manøver" -metoden manifesterer seg på forskjellige måter.
La oss anta at veiledning utføres på det første trinnet, da luftmålet og jagerflyet var ved punktene PÅ og MEN (Fig. 7.9.), Og møtet deres var mulig på det tidspunktet C o .
Ris. 7.9. Påvirkning av målmanøver i horisontalplanet
til flyveien til et jagerfly
Hvis luftmålet er på punktet PÅ gjorde en manøver i kurs og i tid t snudd til et hjørne w c t , så for at jagerflyet skal følge en tangent til svingbuen til det andre ledetrinnet, må kursen endres med vinkelen w og t . Etter at luftmålet har fullført manøveren, vil et møte med det bli mulig på punktet FRA , og banelengden til luftmålet til punktet vil endres til DSc.
Hvis vi forestiller oss at startpunktet for svingen beveger seg sammen med CC, plassert i forhold til det med samme intervall og avstand som jageren ved starten av svingen, blir jageren guidet til dette punktet av "Parallell approach"-metoden . Hvis CC er på lang avstand Før fra en jagerfly, sammenlignet med hvilken intervallet Jeg og spådd svingavstand dupr kan neglisjeres, så er generelt egenskapene til "Manøver"-metoden nær de til "Parallell tilnærmingsmetoden".
Til et senere møte med en jagerfly med et mål (DSc > 0) fører jakkeslaget hennes fra jagerflyet (DΘ og > 0) , og å snu seg mot jagerflyet fører til et tidligere møte. Derfor kan mottiltaket mot manøveren av måloverskriften, som i tilfellet med veiledning ved "Parallell tilnærming"-metoden, være samtidig veiledning av grupper av jagerfly på den fra forskjellige sider.
Ettersom avstanden til CC minker, manifesterer forskjellen mellom egenskapene til "Maneuver"-metoden og egenskapene til "Parallel rendezvous"-metoden seg mer og mer. I løpet av omløpstiden til VC må jagerflyet snu i stadig større vinkler, det vil si at vinkelhastigheten w øker.
Verdiendring w og når du flyr et jagerfly på kollisjonskurs med et luftmål (UR = 180°) karakteriserer avhengighetsgrafen for forholdet mellom vinkelhastigheter w og / w c fra rekkevidden, uttrykt i brøkdeler av avstanden til ledesving D/Dupr.
Som man kan se av grafen, på lange avstander (D / Dupr = 5÷ 10) holdning w og / w c skiller seg litt fra enhet, det vil si at jagerflyets vinkelhastighet er litt forskjellig fra vinkelhastigheten til manøvreringsmålet. Med en reduksjon i rekkevidde, opptil omtrent tre supr , verdien av wi vokser raskt, og når jagerflyet nærmer seg startpunktet for svingen (D / Dupr = 1)w og øker til det uendelige.
Når man peker med "Manøver"-metoden på en manøvrerende AT, er det således praktisk talt umulig å bringe jageren til startpunktet for svingen med den beregnede radiusen.
Ris. 7.10. Avhengighet av forholdet mellom vinkelhastigheter w og / w c under målmanøver
ved første veiledningsstadium ift D / Dupr
Under veiledningsprosessen på første trinn kan luftmålet manøvrere gjentatte ganger. Så for eksempel et luftmål på et punkt I 1 kan slå på en fighter, noe som resulterer i et poeng A1 den må dreies bort fra sin forrige kurs og retningen til den tidligere forutsatte svingen må endres. Som et resultat går jagerbanens bane i den første fasen av veiledningen fra en rett linje til en kompleks linje som består av svingende buer med variabel radius og rette linjesegmenter mellom dem. Alt dette kompliserer flyturen til luftkamp.
Påvirkningen av manøveren til et luftmål i det andre stadiet av å lede et jagerfly ved "Manøver"-metoden vil bli vurdert ved å bruke figur 7.11.:
Ris. 7.11. Påvirkning av luftmålmanøver i horisontalplanet
på det andre trinnet av veiledning ved "Manøver"-metoden på flyveien til et jagerfly
La oss anta at jagerflyet og luftmålet på et eller annet tidspunkt i den andre fasen av veiledning er på punktene MEN og PÅ og å nå målet på punktet Så fighteren utfører en sving med en radius Ro og vinkelhastighet w og = Vi/R® .
Hvis for en periode Dt luftmål vil endre flyretningen med en vinkel w c × Dt , så vil møte med det bli mulig på det tidspunktet FRA . For å komme til dette punktet fra punktet MEN kampflyet må utføre en sving med en annen radius R . Men på forhånd for tiden Dt han måtte i tillegg stramme hjørnet w og D × Dt .
Dermed fører manøveren til et luftmål i det andre trinnet av veiledning til utseendet til en ekstra vinkelhastighet til jagerflyets sving w og D . Jo mindre gjenværende dreievinkel UR fighter, jo større verdi w og D , og når jagerflyen nærmer seg endepunktet for svingen w og D øker til det uendelige.
Dermed er det nesten umulig å bringe et jagerfly til en gitt posisjon i forhold til et manøvrerende luftmål på det andre trinnet av veiledning ved å bruke "Manøver"-metoden.
I denne forbindelse, i tilfelle manøvrering av et luftmål, bytter de som regel på andre trinn til å lede en jagerfly ved å bruke Chase-metoden.
Introduksjon.
Kapittel 1. Analyse av filtre for sporing av banene til luftmål.
§1.1. Kalman filter.
§1.2. Anvendelse av Kalman-filteret for å spore banene til CC i henhold til overvåkingsradardataene.
§ 1.3. "Alpha - Beta" og "Alpha - Beta - Gamma" filtre.
§ 1.4. Statistisk modellering.
§1.5. Konklusjoner.
Kapittel 2. Analyse av adaptive metoder for sporing av banene til manøvrerende luftmål basert på manøverdetektorer.
§ 2.1. Introduksjon.
§ 2.2. Fellesdeteksjon og estimering av målmanøver basert på oppdateringsprosessen.
§ 2.3. Adaptive algoritmer for sporing av manøvrering
CC ved hjelp av manøverdetektorer.
§ 2.4. Konklusjoner.
Kapittel 3. Forskning av kjente multi-modellalgoritmer.
§3.1. Introduksjon.
§3.2. Bayesiansk adaptiv tilnærming.
§3.3. Studie av den velkjente MMA-sporingen av banen til CC for en overvåkingsradar.
§3.4. Konklusjoner.
Kapittel 4. Utvikling av en multi-modell algoritme for sporing * baner for manøvrerende luftmål.
§4.1. Introduksjon.
§4.2. Estimering av bevegelsestilstandsvektoren til CC.
§4.2.1. Formulering av problemet.
54.2.2. Generell tilnærming til problemløsning.
04.2.3. Lineær algoritme.
§4.3. Sammenligning av MMA med andre algoritmer.
§4.4. Konklusjoner.
Anbefalt liste over avhandlinger
Sekundær prosessering av informasjon i et to-posisjons radarsystem i et kartesisk koordinatsystem 2004, kandidat for tekniske vitenskaper Sidorov, Viktor Gennadievich
Filtrering av estimater av sfæriske koordinater til objekter i et to-posisjons radarsystem 2004, kandidat for tekniske vitenskaper Grebenyuk, Alexander Sergeevich
Algoritmisk informasjonsstøtte for å estimere en dynamisk situasjon i multisensorsystemer med automatisk sporing av overflateobjekter 2001, doktor i tekniske vitenskaper Beskid, Pavel Pavlovich
Utvikling av metoder for å overvåke plasseringen av luftfartøyer for statlig luftfart i styringen av lufttrafikk i sektoren utenfor ruten i luftrommet 2009, kandidat for tekniske vitenskaper Shanin, Alexey Vyacheslavovich
Utvikling og studie av en metode for å peke på et manøvrerende objekt basert på en stokastisk prediksjon av dets bevegelse 2004 PhD Truong Dang Khoa
Introduksjon til oppgaven (del av abstraktet) om emnet "Forskning av algoritmer for sporing av banene til luftmål"
Relevansen til avhandlingens tema
En av de viktigste oppgavene til sivil luftfart er å forbedre flysikkerheten, spesielt under start og landing. For å nå dette målet må automatiserte flygekontrollsystemer (ATC) ha nødvendige kvalitetsindikatorer, som til en viss grad er avhengig av kvaliteten på innkommende radarinformasjon. I ATC-systemet brukes radarinformasjon fra underveis- og flyplassradarer for å kontrollere bevegelsen av luftmål (AT), kollisjonsunngåelse og landingstilgangskontroll. Når du kontrollerer bevegelsen til AT, er det nødvendig å beregne gjeldende koordinater for hver AT for å utelukke farlige tilnærminger til AT. Ellers får pilotene kommandoer for å korrigere banene. I kollisjonsunngåelsesmodus dannes et estimat av ekstrapolerte koordinater, på grunnlag av hvilke farlige nærhetssoner bestemmes. Dessuten har tettheten av flytrafikk økt de siste årene. Økningen i lufttrafikktettheten fører til en økning i antall farlige møter. Forebygging av farlige innflyginger av AE er en del av sivil luftfarts viktigste oppgave - å sikre flysikkerhet. Når du kontrollerer bevegelsen til AT ved landingsinnflygingsstadiet, kontrollerer radaren riktigheten av bevegelsen til AT langs de gitte banene.
Derfor tiltrekker spørsmålene om å forbedre kvaliteten på radarinformasjon stadig stor oppmerksomhet. Det er kjent at etter den primære behandlingen av radarinformasjon, utføres prosessen med sekundær prosessering av radarinformasjon (SOP) vanligvis av programmerte digitale prosesseringsalgoritmer på en datamaskin, og kvaliteten på radarinformasjonsflyten avhenger sterkt av påliteligheten og nøyaktigheten til behandlingsalgoritmene. Denne oppgaven er desto mer relevant dersom AT-manøvrene på start- og landingsstadiene knyttet til nivåendringer, kursendringer og implementering av standard innflygingsprosedyrer etc. tas i betraktning.
Vurder plasseringen av elementene i luftrommet til ATC-området og et typisk tilnærmingsmønster. I sivil luftfart er luftrommet delt inn i en luftvei - et etablert luftrom over jordoverflaten i form av en korridor med en bredde på (10 - 20) km, langs hvilken det gjennomføres regulære flyginger, et flyplassområde - et luftrom over flyplassen og området ved siden av den og et begrenset område - luftrom der det er forbudt å fly fra alle avdelinger.
Luftkorridorer, start- og landingsområder og venteområder er organisert i området til flyplassen. En luftkorridor er en del av luftrommet der AT-ene synker og vinner høyde. Start- og landingsområde - luftrom fra flyplassens nivå til høyden på det andre sikre flynivået. Dimensjonene til denne sonen bestemmes av flyytelsesegenskapene til AT-ene som opereres på en gitt flyplass, egenskapene til ATC ogdler, innflygingsprosedyrer og de spesifikke egenskapene til flyplassområdet. Som regel er grensene for start- og landingssonen 25,30 km unna flyplassen. Hvis piloten av en eller annen grunn ikke landet VC-en fra den første innflygingen, går VC-en til den andre sirkelen, dvs. beveger seg langs en spesiell rute i sirkelsonen (se fig. B.1). Dersom OC ikke har lov til å bevege seg langs innflygingsruten på grunn av midlertidig belegg eller utilgjengelighet av rullebanen (rullebanen), så ledes OC til oppbevaringsområdet beregnet for å vente på landingsklarering i flyplassområdet. Disse sonene er plassert over flyplassen eller 50 - 100 km fra denne (Fig. B.1). Således, i området til flyplassen, er frekvensen av manøvrering av TC høy. Dette forklares med at det i dette området er høy tetthet av AT-er, og for å opprettholde gitte ruter og avstander manøvrerer de alltid fra en sone til en annen.
1 - spor; 2 - korridorer til flyplassområdet; 3 - sirkelsone; 4-soners start og landing;
5 - venteområder.
I tillegg, for å forbedre sikkerheten til TC og passasjerer under landing, er «box approach»-tilnærmingen for tiden mye brukt, der TC må planlegge (1-2) sirkler over flyplassen før landing (fig. B.2). . Dette mønsteret består av noen deler med rettlinjetrafikk og fire 90-graders svinger.
Ris. I 2. Plan for landing tilnærming på "boksen".
På den annen side gjør tilstanden og utviklingen av datateknologi det mulig å bruke mer komplekse og effektive algoritmer for behandling av radarinformasjon for å forbedre nøyaktigheten av å estimere koordinatene og hastigheten til CC.
Derfor er studiet av algoritmer for sporing av banene til CC, som gir en økning i kvaliteten på radarinformasjon, et presserende problem.
Ved behandling av radarinformasjon er det en særlig presserende oppgave å studere prosesseringsalgoritmer i områdene av manøveren til AT, som fører til et avvik mellom den virkelige bevegelsen til AT og bevegelsesmodellen som brukes i algoritmen. Som et resultat blir nøyaktigheten av estimeringsresultatene dårligere, og den mottatte radarinformasjonen blir upålitelig. Kjente tilnærminger for å forbedre nøyaktigheten av å spore banen til TC i seksjonene av manøveren er hovedsakelig basert på å løse problemet med å oppdage begynnelsen og slutten av manøveren og den tilsvarende endringen i parametrene til sporingsfilteret. Disse tilnærmingene fører til ordningen med "alfa - beta" og "alfa - beta - gamma" filtre, eller et Kalman-filter (KK) i kombinasjon med en manøverdetektor.
Det er kjent at i teorien om deteksjon og estimering kan den adaptive Bayesianske tilnærmingen også brukes til å løse a priori usikkerhet. Ved filtrering i tilstandsrommet ligger denne tilnærmingen i det faktum at alle mulige varianter av tilstandsmodeller tas i betraktning, med hver variant beregnes dens posteriore sannsynlighet. Dens anvendelse for å løse problemet med å spore banene til manøvrerende AT-er har blitt utviklet de siste årene. I dette tilfellet er banen til CC beskrevet samtidig av flere modeller, og det antas at overgangsprosessen mellom modeller er beskrevet av en enkelt koblet Markov-kjede. I litteraturen er det foreslått ett alternativ for å lage en slik algoritme basert på Gauss-tilnærmingen for a priori sannsynlighetstettheten til tilstandsvektoren. Essensen er å kombinere de mulige hypotesene til modellene, og den resulterende algoritmen kalles "multi-model algorithm" (MMA).
Avhandlingen analyserer de ovennevnte tilnærmingene, viser deres fordeler og ulemper, og utvikler en ny MMA. I motsetning til den velkjente MMA, er den foreslåtte algoritmen basert på den Gaussiske tilnærmingen for a posteriori sannsynlighetstettheten til CC-tilstandsvektoren, ifølge hvilken den resulterende algoritmen har fordeler i forhold til de kjente adaptive algoritmene. Resultatet av statistisk modellering viste at algoritmen som studeres gjør det mulig å forbedre nøyaktigheten av å estimere plasseringen av CC sammenlignet med den adaptive FC og den kjente MMA når man sporer banen til den manøvrerende CC. Resultatene av studien viste at kostnadene ved å beregne den første forenklede FC er redusert sammenlignet med den andre forenklede og utvidede FC, mens nøyaktigheten i å estimere både koordinatene og hastigheten til CC øker med (30-50) % sammenlignet med "alfa - beta" og "alfa - beta - gamma"-filtre. Derfor er bruken av den første forenklede FK for sporing av banen til ikke-manøvrerende AT-er mer å foretrekke.
Hensikt og oppgaver med arbeidet
Målet med avhandlingsarbeidet er å studere og analysere algoritmer for sporing av baner til CC, utvikle en ny MMA og sammenligne den oppnådde MMA med kjente adaptive algoritmer. I samsvar med målsettingen i avhandlingsarbeidet ble følgende oppgaver løst:
Studiet av den generelle teorien om estimering i statsrommet, og dens anvendelse på filtrering av banene til CC.
Analyse av "alpha - beta" og "alpha - beta - gamma" filtre og en metode for å velge deres gevinster innen områdene manøver og mangel på manøver.
Undersøkelse av adaptiv FC for sporing av banene til manøvrerende AT-er med en detektor for øyeblikket for starten av manøveren.
Optimal estimering i tilstandsrommet med en utvidet tilstandsvektor som inkluderer, i tillegg til vektoren av tilstandsparametere, en ennå ukjent parameter som bestemmer alle mulige varianter av tilstandsmodellen.
Forskning av kjente MMA-er og utvikling av en ny MMA for sporing av manøvrerende CC-er basert på beskrivelsen av banen til CC-er av flere modeller samtidig, som er tilstander til en enkelt koblet Markov-kjede.
Forskningsmetoder
Den teoretiske studien og opprettelsen av algoritmer for å spore banene til CC utføres på grunnlag av teorien om filtrering av betingede Markov-prosesser i diskret tid. De oppnådde algoritmene analyseres på grunnlag av statistisk modellering. Den vitenskapelige nyheten til arbeidet ligger i følgende: MMA ble utviklet når man beskrev banen til CC samtidig av flere modeller for en enkelt koblet Markov-kjede.
Påliteligheten til de oppnådde resultatene av arbeidet bekreftes av resultatene av statistisk modellering.
Praktisk betydning av resultatene av arbeidet
En algoritme for sporing av banen til en manøvrerende AT er utviklet og studert, som forbedrer nøyaktigheten av sporing i manøvreringsseksjoner.
Godkjenning av resultater av arbeid og publisering
De viktigste vitenskapelige resultatene av arbeidet ble publisert i artiklene til tidsskriftene "Radio Engineering", "Electronic Journal Proceedings of the MAI" og "Aerospace Instrumentation", og ble rapportert på den femte internasjonale konferansen "Digital processing and its application" ( Moskva, 2003), på den internasjonale konferansen og utstillingen "Aviation and Cosmonautics 2003" (MAI 2003). Arbeidsomfang og struktur
Avhandlingsarbeidet består av en introduksjon, fire kapitler, en konklusjon og en referanseliste. Verket inneholder 106 sider med tekst. Listen over referanser inkluderer 93 titler. I det første kapittelet vurderes og analyseres noen eksisterende metoder for å spore banene til ikke-manøvrerende og svakt manøvrerende AT-er i ATC-oppgaven. Det andre kapittelet analyserer kjente adaptive algoritmer for sporing av manøvreringsmål, som er basert på bruk av manøverdetektorer og korrigering av enten parametere eller filterstruktur. Det tredje kapittelet analyserer tilstanden til MMA i ATC AS. I det fjerde kapittelet foreslås en generell tilnærming til konstruksjonen av multi-modellalgoritmer for ATC-problemet for å beskrive mulige modeller av bevegelsen til en EC av en enkelt koblet Markov-kjede.
Lignende teser i spesialiteten "Radioteknikk, inkludert fjernsynssystemer og -apparater", 05.12.04 VAK-kode
Metoder og algoritmer for informasjonsbehandling i autonome radiosynssystemer under flyreiser i lav høyde 2006, doktor i tekniske vitenskaper Klochko, Vladimir Konstantinovich
Metoder for å forbedre nøyaktigheten av vinkelmålinger i radiotekniske systemer med kombinert antennestrålestyring 2011, kandidat for tekniske vitenskaper Razin, Anatoly Anatolyevich
Syntese av et flykontrollsystem for overvåking og bruk av brannslukkingsmidler 2012, kandidat for tekniske vitenskaper Antipova, Anna Andreevna
Algoritmer for å estimere koordinater og navigasjonsparametre for et luftmål i en multiposisjonsradar basert på Kalman-filteret 2015, kandidat for tekniske vitenskaper Masharov, Konstantin Viktorovich
Invariante metoder for syntese av radiotekniske systemer i endelig-dimensjonale baser og deres anvendelse i utviklingen av radarsporingssystemer 1999, doktor i tekniske vitenskaper Volchkov, Valery Pavlovich
Avhandlingens konklusjon om emnet "Radioteknikk, inkludert TV-systemer og -enheter", Nguyen Chong Luu
§4.4. konklusjoner
I dette kapittelet ble det foreslått en generell tilnærming for å konstruere multi-modellalgoritmer for å beskrive mulige modeller av VC-bevegelse etter tilstander til en enkelt koblet Markov-kjede, og følgende resultater ble oppnådd.
Basert på den generelle teorien om filtrering av betingede Markov-prosesser, ble det laget en algoritme der den filtrerte parametervektoren inkluderer ikke bare parametrene for målets bevegelse, men også en ukjent parameter som bestemmer mulige modeller av målets bevegelse. Som et resultat er den resulterende algoritmen suboptimal på grunn av den Gaussiske tilnærmingen for den bakre sannsynlighetstettheten.
Med hensyn til sporing av banen til manøvrerende AT-er, er den resulterende algoritmen modellert for tilfellet M=2. Resultatene viste at på deler av banen til manøveren, forbedrer den studerte todimensjonale algoritmen nøyaktigheten av å estimere stedet med (30 - 60) % sammenlignet med de kjente algoritmene. En økning i kvaliteten på filtreringen oppnås imidlertid ved å øke kostnadene ved databehandling.
KONKLUSJON
I avhandlingsarbeidet ble algoritmene for sporing av banene til CC i henhold til overvåkingsradardataene studert. Resultatene som er oppnådd lar oss vurdere fordelene og ulempene ved hver sporingsalgoritme. I avhandlingen er det forsket på og utviklet algoritmer for å unngå farlige møter og forbedre nøyaktigheten av å estimere både koordinatene og hastigheten til CC. Det er kjent at den sekundære behandlingen av radarinformasjon (VORI) vanligvis utføres ved hjelp av en digital datamaskin eller digitalt utstyr. De siste årene har det vært en rivende utvikling av datateknologi, mikroprosessorer, elementbasen til digital teknologi, spesielt VLSI, FPGA, og språk for å beskrive utstyr og systemer, som USYL, ASHEL osv. Det har vært en tendens til å introdusere VLSI for å lage åpne systemer basert på internasjonale standarder, inkludert VORI-systemer. Dette lar en utforske mer komplekse algoritmer for å spore baner til CC i sanntid. I det presenterte arbeidet studeres ulike algoritmer for sporing av ikke-manøvrerende og manøvrerende AT-er basert på statistisk modellering. Følgende resultater ble oppnådd i avhandlingen:
1. "Alfa - beta" og "alfa - beta - gamma" filtre har blitt studert, en variant av å velge forsterkningskoeffisientene mens de sporer CC-banen har blitt foreslått. "Alpha - beta" og "alpha - beta - gamma"-filtre kan redusere kostnadene ved beregninger og forenkle prosedyren for å spore banene til CC, men de forverrer samtidig sporingskvaliteten med (30 - 40) % avhengig av rekkevidden, hastigheten og antall observasjoner sammenlignet med konvensjonelle filtre.
2. Problemet med ikke-lineær filtrering studeres når overvåkingsradaren måler de polare koordinatene til CC, og den filtrerte vektoren inkluderer bevegelsesparametere i det kartesiske koordinatsystemet. Et forenklet Kalman-filter er foreslått, som konverterer målekoordinatene fra det polare systemet til det kartesiske, og et utvidet Kalman-filter, som lineært tilnærmer måleligningen ved å redusere høyordensleddene til Taylor-serien. Analysen viste at de andre forenklede og utvidede Kalman-filtrene gir samme resultat når det gjelder estimeringsnøyaktighet, både posisjon og hastighet, men det andre forenklede Kalman-filteret er mer økonomisk når det gjelder beregningskostnader.
3. Adaptive algoritmer basert på felles deteksjon og estimering av CC-manøveren er foreslått. Oppgaven med å oppdage en manøver tilhører klassen av oppgaver for å oppdage nyttige signaler mot bakgrunnen av hvit gaussisk støy. I dette tilfellet er det nyttige signalet som skal oppdages forventningen til oppdateringsprosessen, som skiller seg fra null i nærvær av en manøver. Når man løste manøverdeteksjonsproblemet, ble sannsynlighetsforholdsmetoden brukt, og for å estimere dens intensitet, vil vi vurdere akselerasjon som en ikke-tilfeldig prosess, som et resultat, for å syntetisere estimatoren, er det nødvendig å bruke det maksimale sannsynlighetskriteriet. For å følge med manøvreringen AT, etter at manøveren er oppdaget, endres enten parameterne eller filterstrukturene.
4. En adaptiv multi-modell algoritme har blitt forsket på og utviklet, som tar hensyn til alle mulige modeller som tilsvarer banen til CC. I tillegg til å estimere vektoren for bevegelsesparametere, er det derfor nødvendig å estimere de bakre sannsynlighetene til alle modellene. Det nåværende estimatet av CC-koordinatene er dannet som en vektet sum av estimater i forhold til alle modeller av a posteriori sannsynligheter. Dette gjør at sporingsalgoritmen kan reagere på manøveren så snart den starter. For å lage adaptive multi-modellalgoritmer, beskrives en ukjent parameter som bestemmer en av de M mulige modellene for CC-bevegelse i hvert øyeblikk av en enkelt tilkoblet Markov-kjede. Som et resultat ble den resulterende algoritmen opprettet fra et sett med M2 parallelle Kalman-filtre. Simuleringsresultatene for tilfellet M = 2 viste at i seksjonene av manøverbanen forbedrer den studerte todimensjonale algoritmen nøyaktigheten av å estimere plasseringen av CC med (30 - 60) % sammenlignet med de kjente algoritmene. En økning i kvaliteten på filtreringen oppnås imidlertid ved å øke kostnadene ved databehandling.
5. De utviklede programmene for eksperimentet på en digital datamaskin gjør det mulig å evaluere fordelene og ulempene ved algoritmer, på grunnlag av hvilke muligheten for deres implementering under spesifikke forhold bestemmes.
Liste over referanser for avhandlingsforskning Ph.D. Nguyen Chong Luu, 2004
1. Farina A., Studer F. Digital behandling av radarinformasjon. Per. fra engelsk. -M.: Radio og kommunikasjon, 1993, 319 s.
2. Sage E., Mele J. Teori om evaluering og dens anvendelse i kommunikasjon og ledelse. Per. fra engelsk. -M.: Kommunikasjon, 1976,496 s.
3. Bakulev P. A., Stepin V. M. Metoder og enheter for valg av bevegelige mål. Moskva: Radio og kommunikasjon, 1986, 288 s.
4. Kuzmin S. 3. Digital radar. Forlag KV1Ts, Kiev 2000, 426 s.
5. Sosulin Yu.G. Teoretisk grunnlag for radar og radionavigasjon. -M.: Radio og kommunikasjon, 1992.303 s.
6. Bakut P. A., Zhulina Yu. V., Ivanchuk N. A. Deteksjon av bevegelige objekter. M.: Sovjetisk radio, 1980, 287 s.
7. Kuzmin S. 3. Digital behandling av radarinformasjon. M.: Sov. radio, 1967,399 s.
8. Kuzmin S. 3. Grunnleggende om teorien om digital behandling av radarinformasjon. M.: Sov. radio, 1974, 431 s.
9. Kuzmin S. 3. Grunnleggende om design av systemer for digital behandling av radarinformasjon. Moskva: Radio og kommunikasjon, 1986, 352 s.
10. Yu.Sosulin Yu.G. Teori om deteksjon og estimering av stokastiske signaler. M.: Sov. Radio, 1978, 320 s.
11. P. Shirman Ya. D., Manzhos V. N. Teori og teknikk for behandling av radarinformasjon mot bakgrunn av interferens. Moskva: Radio og kommunikasjon, 1981, 416 s.
12. Tikhonov V. I. Statistisk radioteknikk. Moskva: Radio og kommunikasjon, 1982, 624 s.
13. Z. Tikhonov V. I., Kharisov V. N. Statistisk analyse og syntese av radiotekniske enheter og systemer. Moskva: Radio og kommunikasjon, 1991, 608 s.
14. M. Bochkarev A. M., Yuryev A. N., Dolgov M. N., Shcherbinin A. V. Digital behandling av radarinformasjon // Utenlandsk radioelektronikk. nr. 3, 1991, s. 3 22.
15. Puzyrev V.A., Gostyukhina M.A. Algoritmer for å estimere parametrene for bevegelse av fly / / Utenlandsk radioelektronikk, nr. 4, 1981, s. 3-25.
16. Gritsenko N.S., Kirichenko A.A., Kolomeytseva T.A., Loginov V.P., Tikhomirova I.G. 3 30.
17. Detkov A. N. Optimalisering av algoritmer for digital filtrering av baneinformasjon ved sporing av et manøvreringsmål // Radio engineering, 1997, nr. 12, s. 29-33.
18. Zhukov M. N., Lavrov A. A. Forbedring av nøyaktigheten ved å måle målparametere ved å bruke informasjon om manøveren til radarbæreren // Radio engineering, 1995, nr. 11, s. 67 - 71.
19. Bulychev Yu. G., Burlai I. V. Kvasi-optimal estimering av parametrene til banene til kontrollerte objekter // Radioteknikk og elektronikk, 1996, V. 41, nr. 3, s. 298-302.
20. Bibika V. I., Utemov S. V. Sporingsfilter for manøvrering av stealth-mål // Radio engineering, 1994, nr. 3, s. 11-13.
21. Merkulov V. I., Drogapin V. V., Vikulov O. V. Syntese av en radarvinkelmåler for sporing av intensivt manøvrerende mål // Radio engineering, 1995, nr. 11, s. 85 91.
22. Merkulov V. I., Dobykin V. D. Syntese av en algoritme for optimal identifikasjon av målinger med automatisk sporing av luftobjekter i gjennomgangsmodus / / Radioteknikk og elektronikk, 1996, T. 41, nr. 8, s. 954-958.
23. Merkulov V. I., Khalimov N. R. Deteksjon av målmanøvrer med korreksjon av algoritmer for funksjon av autosporingssystemer // Radio engineering, 1997, nr. 11, s. 15-20.
24. Bar-Shalom Ya., Berver G., Johnson S. Filtrering og stokastisk kontroll i dynamiske systemer. Ed. Leondes K. T .: Per. fra engelsk. M.: Mir. 1980, 407 s.
25. Rao S.R. Lineære statistiske metoder og deres anvendelser: Pr. fra engelsk. -M.: Nauka, 1968.
26. Maksimov M.V., Merkulov V.I. Radioelektroniske sporingssystemer. Syntese ved metoder for teorien om optimal kontroll. -M.: Radio og kommunikasjon, 1990.255 s.
27. Kameda N., Matsuzaki T., Kosuge Y. Målsporing for manøvrering av mål ved bruk av flermodellfilter// IEEE Trans. Fundamentals, vol. E85-A, nr. 3, 2002, s. 573-581.
28. Bar-Shalom Y., Birmiwal K. Variable Dimension Filter for Maneuvering Target Tracking// IEEE Trans, på AES 18, nr. 5, 1982, s. 621 - 629.
29. Schooler C. C. Optimal a p Filters For Systems with Modeling Unaccuracies / / IEEE Trans, på AES - 11, No. 6, 1975, s. 1300-1306.
30. Kerim Demirbas. Manøvrering av målsporing med hypotesetesting// IEEE Trans, på AES 23, nr. 6, 1987, s. 757 - 765.
31. Michael Greene, John Stensby. Radarmålpekefeilreduksjon ved bruk av utvidet Kalman-filtrering// IEEE Trans, på AES 23, nr. 2, 1987, s. 273-278.
32. McAulay R. J., Denlinger E. A. Decision-Directed Adaptive Tracker// IEEE Trans, på AES 9, nr. 2, 1973, s. 229 - 236.
33. Bar-Shalom Y., Fortmann T. E. Sporingsdataforening. Boston: Academic Press, 1988, 353 s.
34. Kalata P. R. Sporingsindeksen: en generalisert parameter for en P og a - p -y målsporing / / IEEE Trans, på AES - 20, nr. 2,1984, s. 174 - 182.
35. Bhagavan B. K., Polge R. J. Ytelse av g-h Filter For Tracking Maneuvering Targets/IEEE Trans, på AES-10, nr. 6, 1974, s. 864 866.
36. Ackerson Guy A., Fu K. S. On State Estimation in Switching Environments// IEEE Trans, på AC-15, nr. 1, februar 1970, s. 10 17.
37. Bar-shalom Y., Chang K.C., Blom H. A. Sporing av et manøvreringsmål ved bruk av inputestimering versus den interagerende multippelmodellalgoritmen// IEEE Trans, på AES-25, nr. 2, mars 1989, s. 296 300.
38. Wen-Rong Wu, Peen-Pau Cheng, A Nolinear IMM Algorithm for Maneuvering Target Tracking// IEEE Trans, på AES-30, nr. 3, juli 1994, s. 875-885.
39. Jiin-an Guu, Che-ho Wei. Manøvrering av målsporing ved bruk av IMM-metode med høy målefrekvens// IEEE Trans, på AES-27, nr. 3, mai 1991, s. 514-519.
40. Blom H. A., Bar-shalom Y. The Interacting Multiple Model Algorithm for Systems with Markovian Switching Coefficients// IEEE Trans, on AC-33, No. 8, August 1988, s. 780-783.
41. Mazor E., Averbuch A., Bar-shalom Y., Dayan J. The Interacting Multiple Model Methods in Target Tracking: A Survey// IEEE Trans, on AES-34, no. 1, 1998, s. 103-123.
42. Benedict T. R., Bordner G. R. Syntese av et optimalt sett med radarspor-mens-skanning-utjevningsligninger// IRE Trans, på AC-7, juli 1962, s. 27 32.
43. Chan Y. T., Hu A. G. C., Plant J. B. A Kalman Filter Based Tracking Scheme with Input Estimation// IEEE Trans, på AES 15, nr. 2, juli 1979, s. 237 - 244.
44. Chan Y. T., Plant J. B., Bottomley J. R. T. A Kalman Tracker With a Scheme with Input Estimator// IEEE Trans, på AES 18, nr. 2, 1982, s. 235 - 240.
45. Bogler P. L. Sporing av et manøvreringsmål ved bruk av inputestimasjon// IEEE Trans, på AES 23, nr. 3, 1987, s. 298 - 310.
46. Steven R. Rogers. Alpha Beta-filter med korrelert målestøy// IEEE Trans, på AES - 23, nr. 4, 1987, s. 592 - 594.
47. Baheti R. S. Effektiv tilnærming av Kalman-filter for målsporing// IEEE Trans, på AES 22, nr. 1, 1986, s. 8 - 14.
48. Miller K. S., Leskiw D. M. Ikke-lineær estimering med radarobservasjoner// IEEE Trans, på AES 18, nr. 2, 1982, s. 192 - 200.
49. Murat E. F., Atherton A. P. Manøvrering av målsporing ved bruk av adaptive svinghastighetsmodeller i IMM-algoritmen// Proceedings of the 35th Conference on Decision & Control. 1996, s. 3151 -3156.
50. Alouani A. T., Xia P., Rice T. R., Blair W. D. On the Optimality of Two-Stage State Estimation In the Presence of Random Bias// IEEE Trans, på AC 38, nr. 8, 1993, s. 1279-1282.
51. Julier S., Uhlmann J., Durrant-Whyte H. F. En ny metode for ikke-lineær transformasjon av midler og kovarianser i filtre og estimatorer// IEEE Trans, på AC 45, nr. 3, 2000, s. 477 - 482.
52. Farina A., Ristic B., Benvenuti D. Sporing av et ballistisk mål: Sammenligning av flere ikke-lineære filtre// IEEE Trans, på AES 38, nr. 3, 2002, s. 854 - 867.
53. Xuezhi wang, Subhash Challa, Rob Evans. Gateteknikker for manøvrering av målsporing i rot// IEEE Trans, på AES 38, nr. 3, 2002, s. 1087 -1097.
54. Doucet A., Ristic B. Rekursiv tilstandsestimat for flere byttemodeller med ukjente overgangssannsynligheter// IEEE Trans, på AES 38, nr. 3, 2002, s. 1098-1104.
55. Willett B., Ruan Y., Streit R. PMHT: Problemer og noen løsninger// IEEE Trans, på AES 38, nr. 3, 2002, s. 738 - 754.
56. Watson G. A., Blair W. D. Interacting Acceleration Compensation Algorithm For Tracking Maneuvering Targets// IEEE Trans, på AES -31, nr. 3, 1995, s. 1152-1159.
57. Watson G. A., Blair W. D. Interacting Multiple Bias Model Algorithm with Application To Tracking Maneuvering Targets// Proceedings of the 31st Conference on Decision and Control. desember 1992, s. 3790 3795.
58. Kameda H., Tsujimichi S., Kosuge Y. En sammenligning av flere modellfiltre for manøvrering av målsporing// SICE 2000, s. 55 60.
59. Kameda H., Tsujimichi S., Kosuge Y. Målsporing under tette miljøer ved bruk av rekkeviddemålinger// SICE 1998, s. 927 - 932.
60. Rong Li X., Bar-Shalom Y. Performance Prediction of the Interacting Multiple Model Algorithm// IEEE Trans, på AES 29, nr. 3, 1993, s. 755 - 771.
61. Ito M., Tsujimichi S., Kosuge Y. Sporing av et tredimensjonalt bevegelig mål med todimensjonale vinkelmålinger fra flere passive sensorer// SICE 1999, s. 1117-1122.
62. De Feo M., Graziano A., Miglioli R., Farina A. IMMJPDA versus MHT og Kalman Filter med NN-korrelasjon: ytelsessammenligning// IEE Proc. Radar, Sonar Navigation, Vol. 144, nr. 2, april 1997, s. 49 56.
63. Lerro D., Bar-Shalom Y. Interacting Multiple Model Tracking med Target Amplitude Feature// IEEE Trans, på AES 29, nr. 2, 1993, s. 494 - 509.
64. Jilkov V. P., Angelova D. S., Semerdjiev T.Z. A. Design og sammenligning av modusinnstilt adaptiv IMM-algoritme for manøvrering av målsporing// IEEE Trans, på AES 35, nr. 1, 1999, s. 343 - 350.
65. He Yan, Zhi-jiang G., Jing-ping J. Design of the Adaptive Interacting Multiple Model Algorithm// Proceedings of the American Control Conference, mai 2002, s. 1538-1542.
66. Buckley K., Vaddiraju A., Perry R. En ny beskjærings-/sammenslåingsalgoritme for MHT Multitarget Tracking// IEEE International Radar Conference 2000, s. 71-75.
67. Bar-Shalom Y. Oppdatering med målinger utenom sekvens ved sporing av eksakt løsning// IEEE Trans, på AES 38, nr. 3,2002, s. 769 - 778.
68. Munir A., Atherton A. P. Manøvrering av målsporing ved bruk av forskjellige svinghastighetsmodeller i IMM-algoritmen// Proceedings of the 34th Conference on Decision & Control, 1995, s. 2747 2751.
69. Bar-Shalom (Red.) Y. Multitarget-multisensor Tracking: Avanserte applikasjoner. Vol. I. Norwood, MA: Artech House, 1990.
70. Bar-Shalom (Red.) Y. Multitarget-multisensor Tracking: Avanserte applikasjoner. Vol. II. Norwood, MA: Artech House, 1992.
71. Blackman S. S. Sporing av flere mål med radarapplikasjoner. Norwood, MA: Artech House, 1986.
72. Campo L., Mookerjee P., Bar-Shalom Y. State Estimation for Systems with Journ-Time-Dependent Markov Model Switching// IEEE Trans, on AC-36, no. 2, 1991, s. 238-243.
73. Sengupta D., litis R. A. Neural Solution to the Multitarget Tracking Data Association Problem// IEEE Trans, på AES 25, nr. 1, 1989, s. 96 - 108.
74. Merkulov V. I., Lepin V. N. Luftfartsradiokontrollsystemer. 1996, s. 391.
75. Perov A. I. Adaptive algoritmer for sporing av manøvreringsmål//Radioteknikk, nr. 7,2002, s. 73 81.
76. Kanashchenkov A. I., Merkulov V. I. Beskyttelse av radarsystemer mot forstyrrelser. - M .: "Radioteknikk", 2003.
77. Qiang Gan, Chris J. Harris. Sammenligning av to målefusjonsmetoder for Kalman-filterbasert multisensordatafusjon// IEEE Trans, på AES 37, nr. 1,2001, s. 273-280.
78. Blackman S., Popoli R. Design og analyse av moderne sporingssystemer. Artech House, 1999, 1230 s.
79. Neal S. R. Diskusjon om "Parametriske relasjoner for a-^-y filterprediktoren"// IEEE Trans, på AC-12, juni 1967, s. 315 316.
80. Repin V. G., Tartakovskii G. P. Statistisk syntese med a priori usikkerhet og tilpasning av informasjonssystemer. M.: "Sovjetisk radio", 1977, 432 s.
81. Stratonovich R. L. Prinsipper for adaptiv mottak. M.: Sov. radio, 1973, 143 s.
82. Tikhonov V.I., Teplinskiy I.S. Kvasi-optimal sporing av manøvreringsobjekter // Radioteknikk og elektronikk, 1989, V.34, nr. 4, s. 792-797.
83. Perov A.I. Statistisk teori for radiotekniske systemer. Opplæringen. -M.: Radioteknikk, 2003.
84. Darymov Yu. P., Kryzhanovsky G. A., Solodukhin V. A., Kivko V. G., Kirov B. A. Automatisering av flykontrollprosesser. Moskva: Transport, 1981,400 s.
85. Anodina T. G., Kuznetsov A. A., Markovich E. D. Automatisering av lufttrafikkkontroll. M.: Transport, 1992, 280 s.
86. Bakulev P.A., Sychev M.I., Nguyen Chong Luu. Spore et manøvreringsmål ved hjelp av en interaktiv multi-modellalgoritme // Electronic Journal, nr. 9, 2002 Proceedings of the Moscow Aviation Institute.
87. Bakulev P.A., Sychev M.I., Nguyen Chong Luu. Studie av algoritmen for filtrering av banene til manøvrering av radarmål// Digital signalbehandling og dens anvendelse, rapport fra den 5. internasjonale konferansen. M.: 2003, T. 1. - s. 201 - 203.
88. Bakulev P.A., Sychev M.I., Nguyen Chong Luu. Multi-modell algoritme for sporing av banen til et manøvreringsmål i henhold til overvåkingsradardata // Radio engineering, nr. 1, 2004.
89. Nguyen Chong Luu. Syntese av en multi-modell algoritme for sporing av banen til et manøvreringsmål // Aerospace Instrumentation, No. 1, 2004.
90. Nguyen Chong Luu. Studie av multi-modell algoritmer for filtrering av banene til manøvrering av radarmål// Rapportens hovedoppgave, internasjonal konferanse og utstilling "Aviation and Cosmonautics 2003", MAI 2003.
Vær oppmerksom på at de vitenskapelige tekstene presentert ovenfor er lagt ut for gjennomgang og oppnådd gjennom anerkjennelse av originaltekstene til avhandlinger (OCR). I denne forbindelse kan de inneholde feil relatert til ufullkommenhet i gjenkjenningsalgoritmer. Det er ingen slike feil i PDF-filene til avhandlinger og sammendrag som vi leverer.
All-round deteksjonsradar (SRS) er designet for å løse problemene med å søke, oppdage og spore luftmål, bestemme deres nasjonalitet. SRS implementerer ulike undersøkelsesprosedyrer som betydelig øker støyimmuniteten, sannsynligheten for å oppdage lav-observerbare og høyhastighetsmål, og kvaliteten på sporing av manøvreringsmål. Utvikleren av RLO er Forskningsinstituttet for instrumentteknikk.
Kampkontrollposten (PBU) til luftvernsystemet som en del av grupperingen utfører, i henhold til koordinatinformasjonen til SART, koblingen og sporingen av rutene til de oppdagede målene, åpningen av luftfiendens angrepsplan, fordeling av mål mellom luftvernsystemene i gruppen, utstedelse av målbetegnelser for luftvernsystemene, samspillet mellom luftvernsystemene som driver kampoperasjoner, samt samhandling med andre styrker og luftvernmidler. En høy grad av automatisering av prosesser gjør at kampmannskapet kan fokusere på å løse operasjonelle og operasjonelt-taktiske oppgaver, ved å bruke fordelene med menneske-maskin-systemer i størst mulig grad. PBU gir kamparbeid fra høyere kommandoposter og, i samarbeid med PBU, kontroller av nabogrupper.
Hovedkomponentene til S-ZOOPMU, S-ZOOPMU1 luftforsvarssystem:
Multifunksjonell radar for målbelysning og missilføring(RPN) mottar og utvikler målbetegnelser fra 83M6E kontroller og vedlagte autonome kilder til informasjon, deteksjon, inkl. i autonom modus, fange og autospore mål, bestemme deres nasjonalitet, fange, spore og lede missiler, fremheve avfyrte mål for å sikre driften av semi-aktive målsøkingshoder til styrte missiler.
Trinnveksleren utfører også funksjonene til en ADMS-kommandopost: - i henhold til informasjon fra PBU 83M6E, kontrollerer den ADMS-midlene; - velger mål for prioritert skyting; - løser oppskytingsproblemet og bestemmer resultatene av skyting; - gir informasjonsinteraksjon med PBU av 83M6E kontroller.
Helhetssynet øker søkeevnen til luftvernsystemer i uavhengig gjennomføring av fiendtligheter, og sikrer også oppdagelse og sporing av mål i sektorer som av en eller annen grunn er utilgjengelige for SART og RPN. 36D6-radaren og 5N66M lavhøydedetektoren kan brukes som et autonomt tilkoblet verktøy.
Vedlagte autonome deteksjonsmidler og målbetegnelse
Bæreraketter Utskytere (opptil 12) er designet for lagring, transport, forberedelse før utskyting og rakettoppskyting. Bæreraketter plasseres på et selvgående chassis eller vogntog. Hver utskyter har opptil 4 missiler i transport- og utskytningscontainere. Gir langtids (opptil 10 år) lagring av missiler uten noen vedlikeholdstiltak med åpning av containere. Utviklerne av lanseringen er designbyrået for spesialingeniør, designbyrået til Nizhny Novgorod helsedepartementet.
Bæreraketter
raketter- ett-trinns, solid drivmiddel, med vertikal start, utstyrt med en halvaktiv radioretningssøker ombord. Hovedutvikleren av raketten er MKB Fakel.
83M6E kontroller gir: - deteksjon av fly, kryssermissiler i hele rekkevidden av deres praktiske bruk og ballistiske missiler med en utskytningsrekkevidde på opptil 1000 km; - rutesporing opp til 100 mål; - styring av opptil 6 luftvernsystemer; - maksimal deteksjonsrekkevidde - 300 km.
S-ZOOPMU1 luftvernsystemet er en dyp modernisering av S-ZOOPMU og er faktisk en overgangskobling til tredjegenerasjonssystemer.
S-ZOOPMU1 gir: - å treffe mål i områder fra 5 til 150 km, i høyder fra 0,01 til 27 km, hastighet på treffmål opp til 2800 m/s; - nederlag av ikke-strategiske ballistiske missiler med en utskytningsrekkevidde på opptil 1000 km ved avstander på opptil 40 km når de mottar målbetegnelse fra 83M6E-kontroller; - samtidig avfyring av opptil 6 mål med føring av opptil 2 missiler for hvert mål; i den grunnleggende typen missiler - 48N6E; - brannhastighet 3-5 sek.
Om nødvendig kan luftvernsystemet S-ZOOPMU1 modifiseres for å bruke 5V55-missilene til S-ZOOPMU-systemet.
Stamfaren til S-ZOOP-familien - S-ZOOPMU luftvernsystemet gir:-> beseire mål i områder fra 5 til 90 km, i høydeområdet fra 0,025 til 27 km, hastigheten på treffmål opp til 1150 m / s; - nederlag av ballistiske mål med en utskytningsrekkevidde på opptil 300 km på avstander på opptil 35 km med målbetegnelse fra kontrollene; - samtidig avfyring av opptil 6 mål med føring av opptil 2 missiler for hvert mål; - grunnleggende type missiler 5V55; - brannhastighet 3-5 sek.
ALTEC-300
Utdannings- og opplæringskompleks
|
|
|
Bruk: i automatiserte digitale systemer for å oppdage og behandle radarinformasjon. Essensen av oppfinnelsen: i en diskret radarmåling av koordinatene til et luftmål, utjevning av gjeldende parametere for målbanen med en endring i filterforsterkningen avhengig av den akkumulerte manøversannsynligheten. Det som er nytt er innstillingen av filterforsterkningene i det øyeblikket målet går inn i sonen for mulig manøver, avhengig av den akkumulerte manøversannsynligheten. En økning i sporingsnøyaktighet oppnås ved å kompensere for den dynamiske komponenten av sporingsfeilen på grunn av målmanøveren. 3 syke.
Oppfinnelsen angår radar og kan brukes i automatiserte digitale systemer for detektering og behandling av radarinformasjon. Metoder og enheter for å spore et manøvrerende luftmål er kjent, basert på diskrete radarmålinger av koordinater og gjeldende vurdering (utjevning og ekstrapolering) av dets baneparametere (koordinater og deres endringshastigheter). Når en manøver oppdages, vil minnet til det tilbakevendende utjevningsfilteret er minimert. I dette tilfellet, selv om den dynamiske utjevningsfeilen på grunn av avviket mellom hypotesen om graden av polynomet som beskriver den sanne banen til manøvreringsmålet og den lineære hypotesen om dets bevegelse er kompensert, oppnår den tilfeldige komponenten av utjevningsfeilen maksimum verdi for den gitte koordinatmålenøyaktigheten, og den totale feilen øker. Av de kjente metodene for å spore et manøvrerende luftmål, er den nærmest foreslåtte når det gjelder teknisk essens og oppnådd effekt metoden der manøveren oppdages basert på analysen av størrelsen på avviket til gjeldende verdier av parametrene til den sporede banen fra deres målte verdier og sammenligning av dette avviket med terskelverdien, når manøveren oppdages, jevnes det ut baneparametere med filterforsterkning lik enhet på grunn av det faktum at når man jevner ut banen parametere, bare faktumet om tilstedeværelsen av en manøver tas i betraktning, utjevningsfeilene med denne metoden forblir ganske store. Målet med oppfinnelsen er å forbedre nøyaktigheten av å spore et lavtflygende manøvrerende luftmål. Dette oppnås ved at med metoden for å spore et lavtflygende manøvrerende luftmål, basert på diskret radarmåling av koordinater og utjevning av parametrene til målbanen ved hjelp av et - filter, i seksjoner av rettlinjet bevegelse med filterforsterkning pga. støyen til måltilstanden, som bestemmes ut fra peilingsforholdene, i henhold til endringshastigheten til peilingen, og endringen i filterforsterkningen i seksjonene av målmanøveren, i det øyeblikket man går inn i baneseksjonen, på som, i henhold til a priori informasjon om banetrekkene, en manøver er mulig, målbæringssignalet jevnes ut med filterforsterkningene satt i samsvar med den akkumulerte sannsynligheten for manøverfølgede mål: P n = 1/(N-n+1 ), der N er antall målinger i området for en mulig manøver og n er nummeret på utjevningssyklusen i området for en mulig manøver, fra forholdene for peiling (p n) + -1 (1) ) for hastigheten for endring av lager (P n) - , hvor a + 2 (2) r 
(3) hvor er variansen til lagermålefeil; a er den maksimale akselerasjonen til målet langs peilingen under manøveren; P ohm er sannsynligheten for korrekt deteksjon av manøveren; Til perioden for radarundersøkelsen, og i det øyeblikket målmanøveren detekteres, jevnes peilesignalet én gang med filterforsterkningene og fra relasjoner (1) og (2) med verdien r fra relasjonen r (4) ) påfølgende utjevningssykluser, jevnes målbaneparameterne med filterforsterkningene, som bestemmes fra relasjonene
hvor
(n) (n)
n= int 
m og m er filterforsterkningene på det tidspunktet målmanøveren oppdages. Kjente metoder for å spore et lavtflygende manøvrerende luftmål har ikke egenskaper som ligner på de som skiller den foreslåtte metoden fra prototypen. Tilstedeværelsen av en nylig introdusert sekvens av handlinger gjør det mulig å øke nøyaktigheten av sporingen på grunn av a priori informasjon om sporingsbanen til et luftmål og, i forbindelse med dette, å minimere sporingsfeilene som oppstår når en målmanøver er savnet. Derfor tilfredsstiller den påberopte fremgangsmåten kriteriene "nyhet" og "oppfinnsomhetstrinn". Muligheten for å oppnå en positiv effekt fra den foreslåtte metoden med nylig introduserte funksjoner skyldes kompensering av påvirkningen fra den dynamiske lagerekstrapolasjonsfeilen, bestemt av målmanøveren som manøverdetektoren savner, ved å endre filterforsterkningen i samsvar med akkumulert manøversannsynlighet. I fig. 1 viser et diagram over målmanøvrering; i fig. 2 grafer som illustrerer effektiviteten til den foreslåtte metoden; i fig. 3 viser det elektriske blokkskjemaet for anordningen for implementering av den foreslåtte fremgangsmåten. Siden ethvert lavtflygende høyhastighets luftmål plutselig dukket opp og oppdaget, for eksempel på et radarskip, vil bli klassifisert som en angriper, er det rimelig å anta at dette målet med stor sannsynlighet vil vende seg mot skipet, en målsøkingsmanøver. Med andre ord, for å ødelegge et skip, må et lavtflygende høyhastighets luftmål utføre en manøver på et bestemt tidspunkt, som et resultat av at kursparameteren til målet i forhold til skipet må bli lik. null. I denne forbindelse er antagelsen om en obligatorisk målmanøver grunnleggende begrunnet. I fremtiden vil vi vurdere en anti-skip cruisemissil (ASC) som utfører en målsøking som et luftmål. Metoden er basert på bruk av banetrekkene til PCR i den siste delen av banen. Banen til RCC (se fig. 1) i en avstand fra objektet for ødeleggelse på mindre enn 30 km inkluderer tre karakteristiske seksjoner av banen: en rett seksjon før starten av målsøkingsmanøveren til RCC; stedet for en mulig målsøkingsmanøver; rett del av banen etter fullføring av målsøkingsmanøveren. Det er kjent at homing-manøveren til RCC, for eksempel av typen "Harpoon", utføres i avstander fra målskipet på 5, 3.20,2 km. Det kan antas at ved avstander større enn 20,2 km er manøversannsynligheten nær null, og behovet for å begrense filterforsterkningen skyldes kun tilstedeværelsen av måltilstandsstøy. I mangel av a priori data om metoden for å avfyre antiskipsmissiler brukt av fienden i denne spesielle taktiske situasjonen, er det grunn til å anta at starten på en målsøkingsmanøver er like sannsynlig når som helst når antiskipsmissilet er innenfor rekkevidden av avstander fra skipet D min 5,3 km og D max 20,2 km . Missilet overvinner det angitte rekkeviddeintervallet i
t 1 \u003d 50 s hvor V 290 m/s flyhastighet pkr. Derfor kan det antas at i løpet av tiden RCC er i avstand fra skipet, slik at det kan starte en målsøking, vil N N +1 + 1 målinger av dets koordinater bli utført. Siden manøveren med lik sannsynlighet kan starte ved et hvilket som helst intersurvey intervall, er sannsynligheten for en hendelse som består i begynnelsen av manøveren ved n-te (n 1, 2,) intervall a priori lik
P
Hvis begynnelsen av manøveren ikke oppdages på den (n-1)-te dimensjonen til koordinatene, bestemmes den akkumulerte sannsynligheten for manøveren på den n-te dimensjonen av relasjonen
P=
Avhengigheten av variansen til akselerasjonen pcr på manøveren på den akkumulerte sannsynligheten kan uttrykkes som følger:
2 a = (1+4P n)(1-P ohm) (5) hvor a er den maksimale akselerasjonen til PKR langs lageret under manøveren (3,5g);
P ohm er sannsynligheten for korrekt deteksjon av manøveren. Å kjenne til akselerasjonsvariansen pcr ( a ), og også forutsatt at verdiene til lagermålefeilene er kjente, er det mulig å beregne de optimale verdiene for for gjeldende forhold mellom variansen av feil i måling av koordinatene, forstyrrelse av peilingsakselerasjonen og undersøkelsesperioden til radaren: ved peiling
(P n) (6) ved hastigheten for endring av peiling (P n) hvor o 2 varians av peilingsestimeringsfeil;
spredning av lagermålefeil;
R er korrelasjonskoeffisienten for peilingsestimeringsfeil og endringshastigheten. Verdiene til o og Rо er definert av følgende relasjoner
2o = + -1
R o = (7)
Ved å erstatte relasjoner (2) og (3) i relasjon (7), oppnår vi spredningen av peilingsestimeringsfeil og korrelasjonskoeffisienten for peilingsestimeringsfeil og hastigheten på endringen, og ved å erstatte det med uttrykk (6), får vi filterforsterkninger bestemt av relasjon (1). Når pcr nærmer seg med hver undersøkelse, øker åpenbart den akkumulerte manøversannsynligheten, noe som forårsaker en økning i akselerasjonsspredningen n cr og følgelig fører til en økning i filterforsterkningen og . Med deteksjonen av en manøver tildeles den kumulative manøversannsynligheten verdien "en", og akselerasjonsvariansen pcr beregnes som følger:
= en 2 (1-P brekkjern) (8) hvor P brekkjern er sannsynligheten for feildeteksjon av manøveren. I dette tilfellet beregnes r fra relasjon (4), filterforsterkningene får maksimalverdien. Tatt i betraktning den korte varigheten av PKR-manøveren (1,3 s), er én utjevning med økte forsterkningsfaktorer tilstrekkelig (dette bekreftes av simuleringsresultatene). Prosedyren for å estimere manøversannsynligheten utføres i rekkeviddeintervallet fra 20,2 til 5,3 km. Etter at manøveren er oppdaget, settes peilingfilterforsterkningene til verdier som kun bestemmes av måltilstandsstøyen, rekkeviddeforsterkningene forblir konstante gjennom sporingstiden, og verdiene deres velges i samsvar med måltilstandsstøyen. I fig. 3 viser en anordning for automatisk sporing av et manøvrerende luftmål som implementerer den foreslåtte fremgangsmåten. Den inneholder en målte koordinatsensor 1, en utjevningsenhet 2, en ekstrapolasjonsenhet 3, en første forsinkelsesenhet 4, en minneenhet 5, en manøverdeteksjonsenhet 6, en sammenligningsenhet 7, en andre forsinkelsesenhet 8, en enhet 9 for beregne filtergevinster. Enheten for automatisk sporing av et manøvrerende luftmål består av en seriekoblet sensor 1 av de målte koordinatene, hvis inngang er inngangen til enheten, utgangen til sensoren 1 av de målte koordinatene er koblet til den 1. inngangen av utjevningsblokken 2 og til den første inngangen til manøverdeteksjonsblokken 6, utgangen til utjevningsblokken 2 koblet til inngangen til ekstrapolasjonsblokken 3, den første utgangen til ekstrapolasjonsblokken 3 er koblet til inngangen til sammenligningen blokk 7 og gjennom forsinkelsesblokken 4 med den fjerde inngangen til utjevningsblokken 2 og med den andre inngangen til manøverdeteksjonsblokken 6, er den andre utgangen til blokk 3 ekstrapoleringen utgangen til enheten, utgangen fra manøverdeteksjonen blokk 6 er koblet til den andre inngangen til blokken 9 for å beregne filterforsterkningene og gjennom forsinkelsesblokken 8 med den andre inngangen til minneblokken 5 og med den tredje inngangen til blokken 9 for å beregne filterforsterkningene, utgangen av sammenligningen av blokk 7 er koblet til den 1. inngangen til minneblokken 5 og den 1. inngangen til blokken 9 for å beregne filterforsterkningene, utgangen til minneblokken 5 er koblet til den andre inngangen til blokken og 2-utjevning, er utgangen til blokk 9 for beregning av filterforsterkningen koblet til den tredje inngangen til blokk 2-utjevning. Enheten fungerer som følger. Videosignalet til den nåværende n-te syklusen for å måle koordinatene til det sporede målet fra utgangen til mottaksanordningen mates til inngangen til sporingsanordningen og følgelig til sensoren 1 for de målte koordinatene. Den målte koordinatsensoren 1 konverterer videosignalet fra analog til digital form, trekker ut det nyttige signalet og måler verdiene til koordinatene: peiling (P n) og rekkevidde (D n). Sensoren 1 for de målte koordinatene kan implementeres i henhold til et av de kjente skjemaene for en automatisk luftmåldetektor. Verdiene til de målte målkoordinatene (P n og D n) i form av signalkoder mates til den første inngangen til utjevningsblokken 2, som implementerer koordinatbehandlingsoperasjonen som følger: når n 1, gjeldende estimatet av målkoordinatene er
= M n , hvor M n = P n , D for n 2 er gjeldende estimat av parametrene til målbanen
= Mn, V= (Mn-1 -Mn)/T o hvor T om gjennomgangsperioden til radaren; for n>2 er gjeldende estimat av parametrene til målbanen
= +(M)
= +(M)/T hvor og er vektkoeffisienter (filtergevinster);
og estimater av koordinater og deres endringshastighet ekstrapolert til én undersøkelse. Fra blokk 2 mates de utjevnede verdiene til koordinatene og endringshastigheten til inngangen til ekstrapolasjonsblokk 3. Ekstrapolasjonsblokk 3 genererer estimater av baneparametere ekstrapolert for en gitt tid:
= +VTe; = hvor T e er den spesifiserte verdien av ekstrapoleringstidsintervaller. I denne enheten, T e To, T e T zu. I dette tilfellet blir koordinatverdiene ekstrapolert for tiden fra den første utgangen matet gjennom forsinkelsesblokken 4 til den fjerde inngangen til utjevningsblokken 2, hvor de brukes til å beregne baneparametrene i neste syklus, og for å den andre inngangen til manøverdeteksjonsblokken 6, hvor de er, trekkes fra de målte peileverdiene som leveres til den første inngangen til manøverdeteksjonsenheten 6 fra den målte koordinatsensoren 1, og den resulterende forskjellen sammenlignes med terskelen som følger:
П n ->
Terskelverdier velges basert på den nødvendige sannsynligheten for falsk deteksjon av manøveren. Fra samme utgang mates de ekstrapolerte koordinatene til inngangen til sammenligningsblokken 7, hvor verdiene til det ekstrapolerte området sammenlignes med intervallet for rekkevidden til en mulig manøver fra 5,3 til 20,2 km. Ekstrapolert for tid T e-koordinatverdiene mates til den andre utgangen til ekstrapolasjonsblokk 3 (enhetsutgang) og brukes til å generere og utstede målbetegnelsesdata for forbrukere. I sammenligningsenheten 7 genereres et logisk enhetssignal hvis verdiene til det ekstrapolerte området ligger i intervallet på den mulige måten, som fra utgangen fra sammenligningsenheten 7 mates til den første inngangen til minneenheten 5 mens det forbyr utstedelsen av filterforsterkningene til utjevningsenheten 2, blir samtidig det samme signalet matet til den første inngangen til blokken 9 for å beregne filterforsterkningene og initierer utgivelsen av forsterkningene til utjevningen av blokken 2. Hvis verdiene til det ekstrapolerte området ikke ligger innenfor intervallet til området for en mulig manøver, genereres et logisk nullsignal, som forbyr utgangen av forsterkningsfaktorer fra blokk 9 for beregning av filterforsterkningsfaktorer og starter utgangen av forsterkningsfaktorer fra minneblokk 5. Minneblokken 5 lagrer filterforsterkningene, hvis verdier skyldes måltilstandsstøyen. I blokk 9 for beregning ave, beregnes forsterkningskoeffisientene i tilfelle ankomst av et logisk enhetssignal og fravær av et signal om deteksjon av en manøver i henhold til relasjoner (1), (2) og ( 3), og i tilfelle av et signal "manøver detektert" i henhold til relasjonene (1), (2) og (4). I blokk 6 genereres et "manøver detektert"-signal og mates til blokk 9 for beregning av filterforsterkninger, det samme signalet sendes til forsinkelsesblokk 8 og forsinket med en gjennomgangsperiode mates til minneblokkene 5 og 9 og beregne filterforsterkninger. Effektiviteten til den foreslåtte metoden ble evaluert ved simulering med følgende innledende data:
Utskytningsrekkevidden til "harpun" anti-skip missilsystemet er 100 km;
PKR overbelastning på en 4 g manøver;
Varigheten av manøveren er 4 s;
Radarundersøkelse periode 2s;
Manøveren starter mellom 13. og 14. undersøkelse. I fig. Figur 2 viser avhengigheten av den normaliserte feilen ved ekstrapolering av koordinaten til én undersøkelse på målenummeret der:
1 foreslått metode;
2 kjent måte. Når den foreslåtte metoden implementeres, dobles nøyaktigheten av ekstrapoleringen av koordinaten.
Krav
METODE FOR Å SPORGE ET LUFTMÅLMANØVRERING basert på diskret radarmåling av koordinater, utjevning av målbaneparametere ved bruk av et - -filter i seksjoner av rettlinjet bevegelse med filterforsterkerkoeffisienter på grunn av måltilstandsstøy, som bestemmes ut fra forholdene: ved peiling 
hvor j er gjeldende utjevningssyklus;
ved å bære endringshastighet
og endring av forsterkningen til filteret i seksjonene av målmanøveren, karakterisert ved at i øyeblikket for å gå inn i seksjonen av banen, som, i henhold til a priori informasjon om banetrekkene til målet, en manøver er mulig, målpeilingssignalet jevnes ut med satt i samsvar med den akkumulerte sannsynligheten for manøveren til det sporede målet,
P n (N n + 1),
hvor N er antall målinger i området for mulig manøvrering;
n er nummeret på utjevningssyklusen i utjevningsseksjonen i området for mulig manøvrering fra peiling (1)
ved å endre kurs (2) 
hvor 2 er spredningen av lagermålefeil;
en maksimal akselerasjon av målet i peiling under manøveren;
P om. m er sannsynligheten for å oppdage manøveren riktig;
Til radarundersøkelsesperiode,
og i øyeblikket for detektering av målmanøveren, jevnes peilesignalet én gang med filterforsterkningen a og b fra relasjonene (1) og (2), med verdien r fra relasjonen 
hvor P l. Om. m er sannsynligheten for falsk deteksjon av manøveren, og ved påfølgende utjevningssykluser jevnes baneparametrene ut med filterforsterkning, hvis verdier tilsvarer påfølgende tall for gjeldende utjevningssyklus, som bestemmes ut fra relasjonen 
hvor i 0, 1, 2, nummeret på syklusen etter deteksjonen av manøveren;
sett filterminne på grunn av måltilstandsstøy;
m og m er filterforsterkningene på tidspunktet for målmanøveren.
Hvordan beregne vektorkoordinater
Der Tagesablauf - Daglig rutine på tysk Tema er min daglige rutine på tysk
Demonstrative pronomen - eksempler