Allround-detektionsradarn (SAR) är designad för att lösa problemen med att söka, upptäcka och spåra luftmål och bestämma deras nationalitet. Radarsystemet implementerar olika granskningsprocedurer som avsevärt ökar bullerimmuniteten, sannolikheten för att upptäcka lågprofil- och höghastighetsmål och kvaliteten på att spåra manövreringsmål. Utvecklare av radarn är Research Institute of Instrument Engineering.
Stridskontrollpunkten (CCP) för ett luftförsvarssystem som en del av en gruppering utför, med hjälp av SAR-koordinatinformation, initiering och spårning av rutter för upptäckta mål, upptäckten av fiendens luftanfallsplaner, fördelningen av mål mellan luftförsvaret system i gruppen, utfärdande av målbeteckningar för luftvärnssystem, samspelet mellan luftvärnssystem som bedriver stridsverksamhet samt samverkan med andra luftvärnsförband och medel. En hög grad av processautomatisering gör att stridsbesättningar kan fokusera på att lösa operativa och operativt-taktiska uppgifter och utnyttja fördelarna med människa-maskin-system fullt ut. PBU säkerställer stridsoperationer från högre ledningsposter och, i samarbete med PBU, kontrollanläggningar för angränsande grupper.
Huvudkomponenterna i luftförsvarssystemen S-ZOPMU, S-ZOPMU1:
Multifunktionell målbelysning och missilstyrningsradar(RPN) tar emot och bearbetar målbeteckningar från 83M6E-kontroller och bifogade autonoma informationskällor, detektering, inkl. i autonomt läge, fångst och automatisk spårning av mål, fastställande av deras nationalitet, fångst, spårning och styrning av missiler, belysning av mål som avfyras för att säkerställa driften av semiaktiva målsökande huvuden på styrda missiler.
Belastningskopplaren utför också funktionerna för ett luftvärnsmissilsystems ledningspost: - enligt information från PBU 83M6E styr den luftförsvarssystem; - väljer mål för prioriterad skjutning; - löser uppskjutningsproblemet och bestämmer resultatet av skjutningen; - ger informationsinteraktion med styrenheten för 83M6E-kontrollerna.
sikten runtom ökar luftvärnssystemens sökförmåga under oberoende stridsoperationer och säkerställer även detektering och spårning av mål i sektorer som av någon anledning är otillgängliga för radar och lindningsväxlare. 36D6-radarn och 5N66M låghöjdsdetektorn kan användas som ett autonomt anslutet medel.
Bifogade autonoma medel för detektion och målbeteckning
Launchers Launchers (upp till 12) är designade för lagring, transport, förberedelse före lansering och lansering av missiler. Bärraketerna placeras på ett självgående chassi eller vägtåg. Varje bärraket bär upp till 4 missiler i transport- och uppskjutningscontainrar. Långtidsförvaring (upp till 10 år) av missiler tillhandahålls utan några underhållsåtgärder och öppning av behållarna. Utvecklarna av PU är Special Engineering Design Bureau, Design Bureau av Nizhny Novgorod Health Ministry.
Launchers
Raketer- enstegs, fast bränsle, med vertikal uppskjutning, utrustad med en halvaktiv radioriktningsmätare ombord. Den ledande utvecklaren av raketen är Fakels designbyrå.
83M6E-kontroller tillhandahåller: - detektering av flygplan, kryssningsmissiler inom hela räckvidden av deras praktiska tillämpning och ballistiska missiler med en uppskjutningsräckvidd på upp till 1000 km; - ruttspårning av upp till 100 mål; - kontroll av upp till 6 luftförsvarssystem; - maximal detekteringsräckvidd - 300 km.
Luftförsvarssystemet S-ZOPMU1 är en djupgående modernisering av S-ZOPMU och i själva verket en övergångslänk till tredje generationens system.
S-ZOPMU1 tillhandahåller: - att träffa mål på intervall från 5 till 150 km, i höjdområdet från 0,01 till 27 km, målhastighet på upp till 2800 m/sek; - nederlag av icke-strategiska ballistiska missiler med en uppskjutningsräckvidd på upp till 1000 km vid avstånd på upp till 40 km vid mottagande av målbeteckning från 83M6E-kontroller; - Samtidig avfyring av upp till 6 mål med styrning av upp till 2 missiler vid varje mål; i den grundläggande typen av missiler - 48N6E; - eldhastighet 3-5 sek.
Vid behov kan S-ZOPMU1-luftförsvarssystemet modifieras för att använda 5V55-missiler från S-ZOPMU-systemet.
Grundaren av S-ZOOP-familjen, S-ZOPMU luftförsvarssystem, tillhandahåller:-> träffa mål på intervall från 5 till 90 km, i höjdområdet från 0,025 till 27 km, målhastighet upp till 1150 m/sek; - Förstörelse av ballistiska mål med en uppskjutningsräckvidd på upp till 300 km vid avstånd på upp till 35 km med målbeteckning från kontrollutrustning; - Samtidig avfyring av upp till 6 mål med styrning av upp till 2 missiler vid varje mål; - grundläggande typ av missiler 5V55; - eldhastighet 3-5 sek.
ALTEK-300
Utbildnings- och träningskomplex
|
|
|
En manöver av ett spårat mål, som överskrider tidsperioden för uppdatering av information vid bildskärmens ingång, visar sig i uppkomsten av en systematisk komponent i dynamiska filtreringsfel.
Låt oss som ett exempel betrakta processen att konstruera en målbana som når en punkt B(Fig. 12.15) rörde sig jämnt och rätlinjigt, och började sedan en manöver med stor (1), medium (2) eller liten (3) överbelastning (streckade streckade linjer). Baserat på bedömningen av parametrarna för den raka sektionen av banan baserat på resultaten av filtrering av n mätningar (markerade med en cirkel i figuren), de aktuella koordinaterna för målet (streckad linje) och extrapolerade koordinater till ( n+1):e recensionen (triangel).
| A |
| B |
Som framgår av figuren, efter starten av manövern, kommer de aktuella koordinaterna för målet, utfärdat till konsumenterna, att innehålla ett dynamiskt fel, vars storlek är större, ju större överbelastningen av målet under manövern och perioden då du tittar på utrymmet.
För att automatiskt spåra ett mål under dessa förhållanden är det nödvändigt att för det första detektera (identifiera) en manöver och för det andra, genom att överge hypotesen om rätlinjig och enhetlig målrörelse, bestämma parametrarna för manövern och, på grundval av detta, använda en ny hypotes om målrörelse.
Det finns ett antal kända metoder för att detektera en manöver baserat på resultaten av diskreta mätningar av målkoordinater:
1. Anledningen till att avbryta filtreringen enligt hypotesen om rätlinjig enhetlig rörelse kan vara överskottet av restmodulen för ett visst konstant värde. I det här fallet, det nödvändiga villkoret för att fortsätta filtreringen efter mottagandet n märket kan presenteras i följande form:
; 
(1)
där: Δ P, Δ D- konstanter som bestämmer det tillåtna värdet av avvikelsen och beror på radaröversynsperioden och det accepterade värdet av målöverbelastning under manövern;
P n, D n- bäring och avståndsvärden uppmätt i den n:e undersökningen;
, - bäring och avståndsvärden extrapolerade vid tidpunkten för den n:e mätningen.
2. Med högre krav på kvaliteten på manöverdetektering i horisontalplanet under förhållanden för spårning av banor i ett rektangulärt koordinatsystem, bestäms det tillåtna värdet av avvikelsen vid varje granskning och problemet löses enligt följande:
a) baserat på resultaten av varje koordinatmätning, beräknas restmodulerna för de extrapolerade och uppmätta koordinatvärdena
; 
;
b) variansen för diskreta mätfel beräknas
där σ D, σ P- rotmedelkvadratfel för diskret mätning av avstånd och bäring;
c) variansen av extrapolationsfel beräknas
,
d) variansen för det totala felet för koordinatmätning och extrapolering beräknas
| (5) |
e) värden jämförs d Och 
, där är koefficienten vald för att säkerställa en acceptabel sannolikhet för falsk detektering av en manöver.
Om det vid jämförelse visar sig det d> 
, då fattas beslutet "väntar på manöver". Om ojämlikheten uppfylls en andra gång, så fattas "manöver"-beslutet och filtreringen av banparametrarna enligt den använda hypotesen stoppas.
3. Ett annat tillvägagångssätt för att välja ett manöverdetekteringskriterium används också. I varje undersökning beräknas autokorrelationsfunktionen för de polära koordinatresterna i föregående och aktuella undersökningar
,
Om det inte finns någon manöver, då Δ D n och A P n oberoende från granskning till granskning och autokorrelationsfunktionerna för residualerna är små eller till och med noll. Närvaron av manövern ökar avsevärt den matematiska förväntan på produkten av restprodukter. Beslutet att starta en manöver tas när autokorrelationsfunktionerna överskrider en viss tröskelnivå.
ANDRA STUDIEFRÅGA: Målspårning under manöver.
I det enklaste fallet, när starten av en manöver detekteras efter den (n+1):e bestrålningen av målet vid två punkter - de uppskattade koordinaterna i den n:te mätningen (öppen cirkel) och de uppmätta koordinaterna i ( n Den +1:e mätningen (heldragen cirkel) beräknar målets hastighetsvektor, som kan användas för att beräkna aktuella koordinater och extrapolerade koordinater på ( n+2):e recensionen. Därefter används målkoordinaterna uppmätta i nuvarande och tidigare mätningar för att konstruera målbanan och beräkna extrapolerade koordinater. Ett filter som använder denna algoritm kallas en tvåpunktsextrapolator.
När en sådan extrapolator används, avviker de extrapolerade koordinaterna från målets sanna position ( L 1, L 2, L 3) med en lång visningsperiod och stora målöverbelastningar under en manöver kan vara ganska betydande; i detta fall kommer de nuvarande koordinaterna för målet att ges till konsumenter med stora fel. Stora extrapoleringsfel kan leda till att nästa målmärke ligger utanför gränserna för den automatiska spårningsstroben. Eftersom det vanligtvis finns falska märken i stroben, kommer ett av dem att väljas och användas för att fortsätta banan i fel riktning, och automatisk spårning av det sanna målet kommer att störas.
Under en långvarig manöver med konstant överbelastning kan målföljningens noggrannhet ökas genom att bestämma de rektangulära komponenterna i målets acceleration med hjälp av de tre första markeringarna som erhålls på en krökt sektion av banan, och ytterligare filtrera accelerationen. Detta problem löses med hjälp av "α-β-γ"- filter, vars återkommande algoritm för att uppskatta koordinater och hastigheten för deras förändring förblir densamma som i "α-β"- filter och uppskattning av målacceleration, till exempel genom koordinat X vid mottagandet av märket i n-th granskning beräknas med formeln
Introduktion.
Kapitel 1. Analys av spårningsfilter för luftmålbanor.
§1.1. Kalman filter.
§1.2. Tillämpning av Kalman-filtret för att spåra TC-banor med hjälp av övervakningsradardata.
§ 1.3. Filtren "Alfa - beta" och "Alfa - beta - gamma".
§ 1.4. Statistisk modellering.
§1.5. Slutsatser.
Kapitel 2. Analys av adaptiva metoder för att spåra banorna för manövrerande luftmål baserat på manöverdetektorer.
§ 2.1. Introduktion.
§ 2.2. Samarbetande målmanöverdetektering och uppskattning baserad på uppdateringsprocess.
§ 2.3. Adaptiva algoritmer för att spåra manövrerande fordon
CC använder manöverdetektorer.
§ 2.4. Slutsatser.
Kapitel 3. Studie av välkända multimodellalgoritmer.
§3.1. Introduktion.
§3.2. Adaptiv Bayes strategi.
§3.3. Studie av den välkända MMA-banaspårningen av CC för övervakningsradar.
§3.4. Slutsatser.
Kapitel 4. Utveckling av en multimodellalgoritm för att spåra * banor för manövrerande luftmål.
§4.1. Introduktion.
§4.2. Uppskattning av datorns rörelsetillståndsvektor.
§4.2.1. Formulering av problemet.
54.2.2. Allmänt tillvägagångssätt för att lösa problemet.
04.2.3. Linjär algoritm.
§4.3. Jämförelse av MMA med andra algoritmer.
§4.4. Slutsatser.
Rekommenderad lista över avhandlingar
Sekundär informationsbehandling i ett tvåpositionsradarsystem i ett kartesiskt koordinatsystem 2004, kandidat för tekniska vetenskaper Sidorov, Viktor Gennadievich
Filtrera uppskattningar av sfäriska koordinater för objekt i ett tvåpositionsradarsystem 2004, kandidat för tekniska vetenskaper Grebenyuk, Alexander Sergeevich
Algoritmisk tillhandahållande av informationsstöd för att bedöma den dynamiska situationen i multisensorsystem under automatisk spårning av ytobjekt 2001, doktor i tekniska vetenskaper Beskyd, Pavel Pavlovich
Utveckling av metoder för att övervaka lokaliseringen av statliga flygplan under flygledning i offpistsektorn av luftrummet 2009, kandidat för tekniska vetenskaper Shanin, Alexey Vyacheslavovich
Utveckling och forskning av en metod för att rikta in ett manövrerande objekt baserat på en stokastisk prognos för dess rörelse 2004, kandidat för tekniska vetenskaper Truong Dang Khoa
Introduktion av avhandlingen (del av abstraktet) på ämnet "Forskning av algoritmer för att spåra banor för luftmål"
Avhandlingsämnets relevans
En av den civila luftfartens viktigaste uppgifter är att förbättra flygsäkerheten, särskilt under start och landning. För att uppnå detta mål måste automatiserade flygledningssystem (ATC) ha nödvändiga kvalitetsindikatorer, som i viss mån beror på kvaliteten på inkommande radarinformation. I ATC-systemet används radarinformation från undervägs- och flygfältsradar för att styra rörelsen av luftmål (AT), undvika kollision och inflygning. När du kontrollerar en dators rörelse är det nödvändigt att beräkna de aktuella koordinaterna för varje dator för att undvika farliga närmande till datorn. Annars får piloterna kommandon att korrigera banor. I kollisionsundvikande läge genereras en uppskattning av extrapolerade koordinater, på basis av vilka farliga närhetszoner bestäms. Dessutom har flygtrafiktätheten ökat de senaste åren. En ökning av flygtrafikens täthet leder till att antalet farliga möten ökar. Att förhindra farliga inflygningar mellan flygplanscentra är en del av den civila luftfartens viktigaste uppgift - att säkerställa flygsäkerheten. Vid styrning av flygplanets rörelse under landningsinflygningen kontrollerar radarn flygplanets korrekta rörelse längs de angivna banorna.
Därför väcker frågor om att förbättra kvaliteten på radarinformation ständigt stor uppmärksamhet. Det är känt att efter den primära behandlingen av radarinformation utförs processen för sekundär bearbetning av radarinformation (SRIP) vanligtvis av programmerade digitala bearbetningsalgoritmer på en digital dator, och kvaliteten på radarinformationsflödet beror starkt på tillförlitligheten och noggrannheten hos bearbetningsalgoritmerna. Denna uppgift är desto mer relevant om man tar hänsyn till flygplanets manövrering under start- och landningsskeden, i samband med att flygnivåer ändras, kursändringar och standardinflygningsprocedurer, etc.
Låt oss överväga platsen för luftrumselementen i ATC-området och en typisk landningsinriktning. Inom civil luftfart är luftrummet uppdelat i en luftväg - ett etablerat luftrum ovanför jordens yta i form av en korridor med en bredd på (10 - 20) km, längs vilken reguljära flygningar utförs, ett flygfältsområde - luftrummet ovanför flygfältet och det omgivande området och ett begränsat område - luftrum där alla avdelningars flygningar är förbjudna.
I området för flygfältet är flygkorridorer, start- och landningszoner och väntområden organiserade. En luftkorridor är en del av luftrummet där flygplan går ner och tar höjd. Start- och landningszon är luftrummet från flygfältsnivån till höjden för den andra säkra flygnivån. Dimensionerna för denna zon bestäms av flygprestandaegenskaperna för de datorer som drivs på en given flygplats, kapaciteten hos radiotekniska hjälpmedel för flygledningsnavigering och landning, inflygningsscheman och specifika egenskaper hos flygplatsområdet. Som regel är gränserna för start- och landningszonen 25,30 km från flygfältet. Om piloten av någon anledning inte landar flygplanet vid den första inflygningen, går flygplanet in i den andra cirkeln, det vill säga det rör sig längs en speciell rutt i cirkelområdet (se fig. B.1). Om CC inte tillåts röra sig längs inflygningsvägen på grund av tillfällig beläggning eller otillgänglighet av banan (landningsbanan), så skickas CC till ett uppehållsområde som är avsett att invänta tillstånd för inflygning till flygfältet. Dessa zoner är belägna ovanför flygfältet eller 50 - 100 km från det (Fig. B.1). Således, i området för flygfältet, är frekvensen av manövrering av datorn hög. Detta förklaras av det faktum att det finns en hög täthet av datorer i detta område, och för att bibehålla givna rutter och avstånd manövrerar de alltid från en zon till en annan.
1 - rutter; 2 - korridorer på flygfältsområdet; 3 - cirkelområde; 4-start- och landningszon;
5 - väntplatser.
Dessutom, för att förbättra säkerheten för flygplanet och passagerarna under landning, används "box"-inflygningssystemet för närvarande i stor utsträckning, där flygplanet måste planera (1-2) cirklar över flygfältet innan landning (Fig. B.2). . Detta mönster består av några raka sektioner och fyra 90 graders varv.
Ris. AT 2. "Box" tillvägagångssätt.
Å andra sidan gör datateknikens tillstånd och utveckling det möjligt att tillämpa mer komplexa och effektiva algoritmer för bearbetning av radarinformation för att öka noggrannheten för att uppskatta datorns koordinater och hastighet.
Därför är studiet av algoritmer för att spåra TC-banor som förbättrar kvaliteten på radarinformation ett akut problem.
Vid bearbetning av radarinformation är en särskilt angelägen uppgift att studera bearbetningsalgoritmer i områden av CC-manövern, vilket leder till en diskrepans mellan CC:s verkliga rörelse och rörelsemodellen som används i algoritmen. Som ett resultat försämras noggrannheten hos uppskattningsresultaten och den erhållna radarinformationen blir opålitlig. Kända tillvägagångssätt för att öka noggrannheten för att spåra en dators bana i manöversektioner är huvudsakligen baserade på att lösa problemet med att detektera början och slutet av en manöver och på motsvarande sätt ändra parametrarna för spårningsfiltret. Dessa tillvägagångssätt leder till ett schema med "alfa - beta" och "alfa - beta - gamma" filter, eller ett Kalman-filter (KF) i kombination med en manöverdetektor.
Det är känt att inom detektions- och uppskattningsteori kan en adaptiv Bayesiansk metod också användas för att lösa a priori osäkerhet. Vid filtrering i tillståndsutrymmet består detta tillvägagångssätt i att ta hänsyn till alla möjliga varianter av tillståndsmodeller, och med varje variant beräknas dess bakre sannolikhet. Dess tillämpning för att lösa problemet med att spåra banorna för manövrerande datorer har utvecklats under de senaste åren. I detta fall beskrivs TC:ns bana samtidigt av flera modeller och det antas att övergångsprocessen mellan modeller beskrivs av en enkelt ansluten Markov-kedja. I litteraturen har ett alternativ föreslagits för att skapa en sådan algoritm baserad på den Gaussiska approximationen för tillståndsvektorns a priori sannolikhetstäthet. Dess essens är att kombinera möjliga modellhypoteser, och den resulterande algoritmen kallas en "multi-model algorithm" (MMA).
Avhandlingen analyserar ovan nämnda tillvägagångssätt, visar deras för- och nackdelar och utvecklar en ny MMA. I motsats till den välkända MMA skapas den föreslagna algoritmen på basis av en Gaussisk approximation för den bakre sannolikhetsdensiteten för VC-tillståndsvektorn; enligt detta har den resulterande algoritmen fördelar jämfört med kända adaptiva algoritmer. Resultatet av statistisk modellering visade att algoritmen som studeras gör det möjligt att öka noggrannheten för att uppskatta platsen för datorn jämfört med den adaptiva FC och den kända MMA när man spårar banan för en manövrerande dator. Resultaten av studien visade att kostnaden för att beräkna den första förenklade FC minskar jämfört med den andra förenklade och utökade FC, samtidigt som dess noggrannhet för att uppskatta både koordinater och datorns hastighet ökar med (30-50) % jämfört med "alfa - beta" och " alfa - beta - gammafilter. Därför är användningen av den första förenklade FC för att följa banan för icke-manövrerande CC:er mer att föredra.
Syfte och mål med arbetet
Syftet med avhandlingsarbetet är att studera och analysera algoritmer för att spåra TC-banor, utveckla en ny MMA och jämföra den resulterande MMA med kända adaptiva algoritmer. I enlighet med det angivna målet löstes följande uppgifter i avhandlingsarbetet:
Studie av den allmänna teorin om uppskattning i tillståndsrum, och dess tillämpning för att filtrera banorna för en dators rörelse.
Analys av "alpha - beta" och "alpha - beta - gamma" filter och en metod för att välja deras förstärkningsfaktorer i manöver- och icke-manöversektionerna.
Studie av adaptiva FC:er för att spåra banorna för manövrerande datorer med en detektor för ögonblicket för start av manövern.
Optimal uppskattning i tillståndsrymden med en utökad tillståndsvektor, som förutom vektorn av tillståndsparametrar inkluderar en okänd parameter som bestämmer alla möjliga varianter av tillståndsmodellen.
Studie av känd MMA och utveckling av en ny MMA för spårning av manövrerande datorer baserat på beskrivningen av datorns bana samtidigt av flera modeller, som är tillstånd av en enkelt sammankopplad Markov-kedja.
Forskningsmetoder
Teoretisk forskning och skapande av algoritmer för att spåra VC-banor utfördes på basis av teorin om filtrering av villkorliga Markov-processer i diskret tid. De resulterande algoritmerna analyseras baserat på statistisk modellering. Den vetenskapliga nyheten i arbetet ligger i följande: MMA har utvecklats för att beskriva VC:s bana samtidigt med hjälp av flera modeller för en enkelt sammankopplad Markov-kedja.
Tillförlitligheten hos de erhållna arbetsresultaten bekräftas av resultaten av statistisk modellering.
Arbetsresultatens praktiska betydelse
En algoritm för att spåra en manövreringsdators bana har utvecklats och studerats, vilket förbättrar spårningens noggrannhet i manöversektionerna.
Godkännande av arbetsresultat och publikationer
De huvudsakliga vetenskapliga resultaten av arbetet publicerades i artiklar i tidskrifterna "Radio Engineering", "Electronic Journal Proceedings of the MAI" och "Aerospace Instrumentation", och presenterades vid den 5:e internationella konferensen "Digital Processing and Its Application" (Moskva) , 2003), vid en internationell konferens och utställning "Aviation and Cosmonautics 2003" (MAI 2003). Arbetets omfattning och struktur
Avhandlingen består av en inledning, fyra kapitel, en avslutning och en referenslista. Verket innehåller 106 sidor text. Bibliografin omfattar 93 titlar. I det första kapitlet granskas och analyseras några befintliga metoder för att spåra banorna för icke-manövrerande och svagt manövrerande datorer i flygledningsproblemet. Det andra kapitlet analyserar välkända adaptiva algoritmer för att spåra manövreringsmål, som är baserade på användning av manöverdetektorer och korrigering av antingen parametrar eller filterstruktur. Det tredje kapitlet analyserar tillståndet för MMA i flygledningssystem. I det fjärde kapitlet föreslås ett generellt tillvägagångssätt för konstruktionen av flermodellalgoritmer för flygtrafikledningsproblemet när man beskriver möjliga modeller av en flygtrafikcentrals rörelse med en enkelt sammankopplad Markov-kedja.
Liknande avhandlingar i specialiteten "Radioteknik, inklusive tv-system och -apparater", 05.12.04 kod VAK
Metoder och algoritmer för informationsbearbetning i autonoma radiovisionssystem under flygningar på låg höjd med flygplan 2006, doktor i tekniska vetenskaper Klochko, Vladimir Konstantinovich
Metoder för att öka noggrannheten av vinkelmätningar i radiosystem med kombinerad antennstrålestyrning 2011, kandidat för tekniska vetenskaper Razin, Anatoly Anatolyevich
Syntes av ett flygplanskontrollsystem för övervakning och användning av brandsläckningsmedel 2012, kandidat för tekniska vetenskaper Antipova, Anna Andreevna
Algoritmer för att uppskatta koordinater och navigeringsparametrar för ett luftmål i en flerpositionsradar baserad på ett Kalman-filter 2015, kandidat för tekniska vetenskaper Masharov, Konstantin Viktorovich
Invarianta metoder för syntes av radiotekniska system i finita dimensionella baser och deras tillämpning vid utveckling av radarspårningssystem 1999, doktor i tekniska vetenskaper Volchkov, Valery Pavlovich
Avslutning av avhandlingen på ämnet "Radioteknik, inklusive tv-system och -apparater", Nguyen Chong Luu
§4.4. Slutsatser
I det här kapitlet föreslogs ett allmänt tillvägagångssätt för att konstruera multimodellalgoritmer för att beskriva möjliga modeller av rörelsen hos en datorcentral genom tillstånd i en enkelt ansluten Markov-kedja och följande resultat erhölls.
Baserat på den allmänna teorin om filtrering av villkorliga Markov-processer skapades en algoritm där den filtrerade vektorn av parametrar inkluderar inte bara parametrarna för målets rörelse, utan också en okänd parameter som bestämmer de möjliga modellerna av målets rörelse. Som ett resultat är den resulterande algoritmen suboptimal, vilket bestäms av den Gaussiska approximationen för den bakre sannolikhetstätheten.
I förhållande till att spåra banan för manövrerande datorer, simulerades den resulterande algoritmen för fallet M=2. Resultaten visade att i delar av manöverbanan ökar den tvådimensionella algoritmen som studeras noggrannheten för lokaliseringsuppskattningen med (30 - 60) % jämfört med kända algoritmer. Men att öka kvaliteten på filtreringen uppnås genom att öka beräkningskostnaderna.
SLUTSATS
I avhandlingsarbetet studerades algoritmer för att spåra TC-banor baserade på övervakningsradardata. De erhållna resultaten gör att vi kan utvärdera fördelarna och nackdelarna med varje underhållsalgoritm. I avhandlingen studerades och utvecklades algoritmer för att undvika farliga tillvägagångssätt och öka noggrannheten i att uppskatta både koordinater och hastighet hos datorn. Det är känt att sekundär bearbetning av radarinformation (SRIP) vanligtvis utförs med hjälp av en digital dator eller digital utrustning. Under de senaste åren har det skett en snabb utveckling av datorteknik, mikroprocessorer, den elementära basen för digital teknik, särskilt VLSI, FPGA, samt hårdvaru- och systembeskrivningsspråk, såsom URUL, ASHEL, etc. Det har funnits en tendens att införa VLSI för att skapa öppna system baserade på internationella standarder, inklusive VORI-system. Detta gör det möjligt att studera mer komplexa algoritmer för att spåra datorers banor i realtid. I det presenterade arbetet studeras olika algoritmer för att spåra icke-manövrerande och manövrerande datorer baserade på statistisk modellering. Följande resultat erhölls i avhandlingen:
1. "Alfa - beta" och "alfa - beta - gamma"-filter har studerats, och en variant av att välja deras förstärkningsfaktorer när de åtföljer CC-banan har föreslagits. "Alfa - beta" och "alfa - beta - gamma"-filter gör det möjligt att minska beräkningskostnaderna och förenkla proceduren för att spåra TC-banor, men de försämrar samtidigt spårningskvaliteten med (30 - 40) % beroende på intervallet , hastighet och antal observationer jämfört med konventionella filter.
2. Problemet med olinjär filtrering har studerats, när övervakningsradarn mäter CC:s polära koordinater, och den filtrerade vektorn inkluderar rörelseparametrar i det kartesiska koordinatsystemet. Ett förenklat Kalman-filter, som omvandlar mätkoordinater från ett polärt system till ett kartesiskt system, och ett utökat Kalman-filter, som linjärt approximerar mätekvationen genom att avbryta termer av hög ordning i Taylor-serien, föreslås. Analysen visade att de andra förenklade och utökade Kalman-filtren ger samma resultat vad gäller uppskattningsnoggrannhet för både position och hastighet, men när det gäller beräkningskostnader är det andra förenklade Kalman-filtret mer ekonomiskt.
3. Adaptiva algoritmer föreslås baserade på gemensam detektering och utvärdering av CC-manövern. Manöverdetekteringsproblemet tillhör klassen av problem för att detektera användbara signaler mot en bakgrund av vitt Gaussiskt brus. I det här fallet är den detekterade användbara signalen den matematiska förväntan av uppdateringsprocessen, som skiljer sig från noll i närvaro av en manöver. När vi löste problemet med att upptäcka en manöver använde vi sannolikhetsförhållandemetoden, och för att uppskatta dess intensitet kommer vi att betrakta acceleration som en icke-slumpmässig process; som ett resultat, för att syntetisera en estimator, är det nödvändigt att använda den maximala sannolikhetskriteriet. För att åtfölja en manövreringsdator, efter att ha upptäckt en manöver, ändras antingen parametrarna eller filterstrukturerna.
4. En adaptiv multimodellalgoritm har undersökts och utvecklats, som tar hänsyn till alla möjliga modeller som motsvarar VC-rörelsens bana. Sålunda, förutom att uppskatta vektorn för rörelseparametrar, är det nödvändigt att uppskatta de bakre sannolikheterna för alla modeller. Den aktuella uppskattningen av koordinaterna för VC bildas som en viktad summa av uppskattningar i förhållande till alla modeller baserade på posteriora sannolikheter. Detta gör att spårningsalgoritmen kan reagera på manövern omedelbart efter att den börjar. För att skapa adaptiva multimodellalgoritmer beskrivs den okända parametern som bestämmer en av de M möjliga modellerna av datorns rörelse vid varje tidpunkt av en enkelt ansluten Markov-kedja. Som ett resultat skapas den resulterande algoritmen från en uppsättning M2 parallella Kalman-filter. Simuleringsresultaten för fallet M = 2 visade att i sektioner av manöverbanan ökar den tvådimensionella algoritmen som studeras noggrannheten för att uppskatta platsen för TC med (30 - 60) % jämfört med kända algoritmer. Men att öka kvaliteten på filtreringen uppnås genom att öka beräkningskostnaderna.
5. De utvecklade experimentella programmen på en digital dator gör det möjligt att utvärdera fördelarna och nackdelarna med algoritmer, på grundval av vilka möjligheten att implementera dem under specifika förhållanden bestäms.
Lista över referenser för avhandlingsforskning Kandidat för tekniska vetenskaper Nguyen Chong Luu, 2004
1. Farina A., Studer F. Digital bearbetning av radarinformation. Per. från engelska -M.: Radio och kommunikation, 1993, 319 sid.
2. Sage E., Mele J. Utvärderingsteori och dess tillämpning i kommunikation och ledning. Per. från engelska -M.: Kommunikation, 1976, 496 sid.
3. Bakulev P. A., Stepin V. M. Metoder och anordningar för val av rörliga mål. M.: Radio och kommunikation, 1986, 288 sid.
4. Kuzmin S. 3. Digital radar. Förlag KV1Ts, Kiev 2000, 426 sid.
5. Sosulin Yu.G. Teoretiska grunder för radar och radionavigering. -M.: Radio och kommunikation, 1992, 303 sid.
6. Bakut P. A., Zhulina Yu. V., Ivanchuk N. A. Detektion av rörliga föremål. M.: Sovjetisk radio, 1980, 287 sid.
7. Kuzmin S. 3. Digital behandling av radarinformation. M.: Sov. radio, 1967,399 sid.
8. Kuzmin S. 3. Grunderna i teorin om digital bearbetning av radarinformation. M.: Sov. radio, 1974, 431 sid.
9. Kuzmin S. 3. Grunderna för att designa system för digital behandling av radarinformation. M.: Radio och kommunikation, 1986, 352 sid.
10. Yu.Sosulin Yu.G. Teori för detektion och utvärdering av stokastiska signaler. M.: Sov. Radio, 1978, 320 sid.
11. P. Shirman Ya. D., Manzhos V. N. Teori och teknik för behandling av radarinformation mot en bakgrund av störningar. M.: Radio och kommunikation, 1981, 416 sid.
12. Tikhonov V.I. Statistisk radioteknik. M.: Radio och kommunikation, 1982, 624 sid.
13. Z. Tikhonov V. I., Kharisov V. N. Statistisk analys och syntes av radiotekniska enheter och system. M.: Radio och kommunikation, 1991, 608 sid.
14. M. Bochkarev A. M., Yuryev A. N., Dolgov M. N., Shcherbinin A. V. Digital bearbetning av radarinformation // Utländsk radioelektronik. nr 3, 1991, sid. 3 22.
15. Puzyrev V.A., Gostyukhina M.A. Algoritmer för att uppskatta flygplans rörelseparametrar // Foreign radio electronics, nr 4, 1981, sid. 3-25.
16. Gritsenko N. S., Kirichenko A. A., Kolomeitseva T. A., Loginov V. P., Tikhomirova I. G. Uppskattning av rörelseparametrar för manövrerande objekt // Utländsk radioelektronik, nr 4, 1983, sid. 3 30.
17. Detkov A. N. Optimering av algoritmer för digital filtrering av baninformation vid spårning av ett manövermål // Radio engineering, 1997, nr 12, sid. 29-33.
18. Zhukov M. N., Lavrov A. A. Öka noggrannheten för att mäta målparametrar med hjälp av information om radarbärarens manöver // Radioteknik, 1995, nr 11, sid. 67 - 71.
19. Bulychev Yu. G., Burlai I. V. Kvasioptimal uppskattning av parametrar för banor för kontrollerade objekt // Radioteknik och elektronik, 1996, volym 41, nr 3, sid. 298-302.
20. Bibika V.I., Utemov S.V. Filter för att spåra manövrerande smygmål // Radio engineering, 1994, nr 3, sid. 11-13.
21. Merkulov V.I., Drogapin V.V., Vikulov O.V. Syntes av en radarlutningsmätare för att spåra intensivt manövrerande mål // Radioteknik, 1995, nr 11, sid. 85 91.
22. Merkulov V. I., Dobykin V. D. Syntes av en algoritm för optimal identifiering av mätningar under automatisk spårning av luftobjekt i granskningsläge // Radioteknik och elektronik, 1996, T. 41, nr 8, sid. 954-958.
23. Merkulov V.I., Khalimov N.R. Detektion av målmanövrar med korrigering av algoritmer för funktionen av autospårningssystem // Radioteknik, 1997, nr 11, sid. 15-20.
24. Bar-Shalom Y., Berver G., Johnson S. Filtrering och stokastisk kontroll i dynamiska system. Ed. Leondes K.T.: Övers. från engelska M.: Mir. 1980, 407 sid.
25. Rao S.R. Linjära statistiska metoder och deras tillämpningar: Transl. från engelska -M.: Nauka, 1968.
26. Maksimov M.V., Merkulov V.I. Radio-elektroniska spårningssystem. Syntes med metoder för optimal kontrollteori. -M.: Radio och kommunikation, 1990, 255 sid.
27. Kameda N., Matsuzaki T., Kosuge Y. Målspårning för manövrering av mål med flera modellfilter // IEEE Trans. Fundamentals, vol. E85-A, nr 3, 2002, sid. 573-581.
28. Bar-Shalom Y., Birmiwal K. Filter med variabel dimension för manövrering av målspårning // IEEE Trans, på AES 18, nr 5, 1982, sid. 621 - 629.
29. Schooler S. C. Optimal a p Filters For Systems with Modeling Inexaktor // IEEE Trans, on AES - 11, No. 6, 1975, sid. 1300-1306.
30. Kerim Demirbas. Manövrering av målspårning med hypotestestning // IEEE Trans, på AES 23, nr 6, 1987, sid. 757 - 765.
31. Michael Greene, John Stensby. Radarmålpekningsfelminskning med utökad Kalmanfiltrering // IEEE Trans, på AES 23, nr 2, 1987, sid. 273-278.
32. McAulay R. J., Denlinger E. A. Decision-Directed Adaptive Tracker // IEEE Trans, på AES 9, nr 2, 1973, sid. 229 - 236.
33. Bar-Shalom Y., Fortmann T. E. Spårningsdataförening. Boston: Academic Press, 1988, 353 sid.
34. Kalata P. R. Spårningsindex: en generaliserad parameter för en P- och -p-y-målspårare // IEEE Trans, på AES - 20, nr 2, 1984, sid. 174 - 182.
35. Bhagavan V. K., Polge R. J. Performance of g-h Filter For Tracking Maneuvering Targets/ IEEE Trans, på AES-10, nr 6, 1974, sid. 864 866.
36. Ackerson Guy A., Fu K. S. On State Estimation in Switching Environments // IEEE Trans, på AC-15, nr 1, februari 1970, sid. 10 17.
37. Bar-shalom Y., Chang K.C., Blom H.A. Tracking a Maneuvering Target Using Input Estimation Versus the Interacting Multiple Model Algorithm // IEEE Trans, på AES-25, nr 2, mars 1989, sid. 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, sid. 875-885.
39. Jiin-an Guu, Che-ho Wei. Manövrering av målspårning med IMM-metoden vid hög mätfrekvens // IEEE Trans, på AES-27, nr 3, maj 1991, sid. 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, sid. 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, sid. 103-123.
42. Benedict T. R., Bordner G. R. Syntes av en optimal uppsättning radar track-while-scan utjämningsekvationer // IRE Trans, på AC-7, juli 1962, sid. 27 32.
43. Chan Y. T., Hu A. G. C., Plant J. B. A Kalman Filter Based Tracking Scheme with Input Estimation // IEEE Trans, on AES 15, No. 2, July 1979, sid. 237 - 244.
44. Chan Y. T., Plant J. B., Bottomley J. R. T. A Kalman Tracker With a Scheme with Input Estimator // IEEE Trans, on AES 18, No. 2, 1982, sid. 235 - 240.
45. Bogler P. L. Spåra ett manövreringsmål med hjälp av indatauppskattning // IEEE Trans, på AES 23, nr 3, 1987, sid. 298 - 310.
46. Steven R. Rogers. Alpha Beta-filter med korrelerat mätbrus // IEEE Trans, på AES - 23, nr 4, 1987, sid. 592 - 594.
47. Baheti R. S. Efficient Approximation of Kalman Filter for Target Tracking // IEEE Trans, on AES 22, No. 1, 1986, sid. 8 - 14.
48. Miller K. S., Leskiw D. M. Icke-linjär uppskattning med radarobservationer // IEEE Trans, på AES 18, nr 2, 1982, sid. 192 - 200.
49. Murat E. F., Atherton A. P. Manövrering av målspårning med adaptiva svänghastighetsmodeller i IMM-algoritmen // Proceedings of the 35th Conference on Decision & Control. 1996, sid. 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, No. 8, 1993, sid. 1279-1282.
51. Julier S., Uhlmann J., Durrant-Whyte H. F. En ny metod för icke-linjär transformation av medel och kovarianser i filter och estimatorer // IEEE Trans, på AC 45, nr 3, 2000, sid. 477 - 482.
52. Farina A., Ristic B., Benvenuti D. Spåra ett ballistiskt mål: Jämförelse av flera icke-linjära filter // IEEE Trans, på AES 38, nr 3, 2002, sid. 854 - 867.
53. Xuezhi wang, Subhash Challa, Rob Evans. Gating-tekniker för manövrering av målspårning i röran // IEEE Trans, på AES 38, nr 3, 2002, sid. 1087 -1097.
54. Doucet A., Ristic B. Rekursiv tillståndsuppskattning för flera omkopplingsmodeller med okända övergångssannolikheter // IEEE Trans, på AES 38, nr 3, 2002, sid. 1098-1104.
55. Willett B., Ruan Y., Streit R. PMHT: Problems and Some Solutions // IEEE Trans, på AES 38, nr 3, 2002, sid. 738 - 754.
56. Watson G. A., Blair W. D. Interacting Acceleration Compensation Algorithm for Tracking Maneuvering Targets // IEEE Trans, på AES -31, No. 3, 1995, sid. 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. december 1992, sid. 3790 3795.
58. Kameda H., Tsujimichi S., Kosuge Y. A Comparison of Multiple Model Filters for Maneuvering Target Tracking // SICE 2000, sid. 55 60.
59. Kameda H., Tsujimichi S., Kosuge Y. Målspårning under täta miljöer med hjälp av mätningar av avståndshastighet // SICE 1998, sid. 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, sid. 755 - 771.
61. Ito M., Tsujimichi S., Kosuge Y. Spåra ett tredimensionellt rörligt mål med tvådimensionella vinkelmätningar från flera passiva sensorer // SICE 1999, sid. 1117-1122.
62. De Feo M., Graziano A., Miglioli R., Farina A. IMMJPDA kontra MHT och Kalman Filter med NN-korrelation: prestandajämförelse// IEE Proc. Radar, Sonar Navigation, Vol. 144, nr 2, april 1997, sid. 49 56.
63. Lerro D., Bar-Shalom Y. Interagerande multipelmodellspårning med målamplitudfunktion // IEEE Trans, på AES 29, nr 2, 1993, sid. 494 - 509.
64. Jilkov V. P., Angelova D. S., Semerdjiev TZ. A. Design och jämförelse av Mode-Set Adaptive IMM Algorithm for Maneuvering Target Tracking // IEEE Trans, på AES 35, No. 1, 1999, sid. 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, maj 2002, sid. 1538-1542.
66. Buckley K., Vaddiraju A., Perry R. En ny beskärnings-/sammanslagningsalgoritm för MHT-multimålsspårning // IEEE International Radar Conference 2000, sid. 71-75.
67. Bar-Shalom Y. Uppdatering med mätningar utanför sekvensen för att spåra exakt lösning // IEEE Trans, på AES 38, nr 3, 2002, sid. 769 - 778.
68. Munir A., Atherton A. P. Manövrerande målspårning med hjälp av olika svänghastighetsmodeller i IMM-algoritmen // Proceedings of the 34th Conference on Decision & Control, 1995, sid. 2747 2751.
69. Bar-Shalom (Ed.) Y. Multitarget-multisensor Tracking: Avancerade applikationer. Vol. I. Norwood, MA: Artech House, 1990.
70. Bar-Shalom (Ed.) Y. Multitarget-multisensor Tracking: Avancerade applikationer. Vol. II. Norwood, MA: Artech House, 1992.
71. Blackman S. S. Spårning av flera mål med radarapplikationer. 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, sid. 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, sid. 96 - 108.
74. Merkulov V.I., Lepin V.N. Flygradiokontrollsystem. 1996, sid. 391.
75. Perov A.I. Adaptiva algoritmer för att spåra manövermål // Radioteknik, nr 7, 2002, sid. 73 81.
76. Kanashchenkov A. I., Merkulov V. I. Skydd av radarsystem från störningar. - M.: "Radio Engineering", 2003.
77. Qiang Gan, Chris J. Harris. Jämförelse av två mätningsfusionsmetoder för Kalman-filterbaserad multisensordatafusion // IEEE Trans, på AES 37, nr 1, 2001, sid. 273-280.
78. Blackman S., Popoli R. Design och analys av moderna spårningssystem. Artech House, 1999, 1230 sid.
79. Neal S. R. Diskussion om "Parametriska relationer för a-^-y filterprediktorn" // IEEE Trans, på AC-12, juni 1967, sid. 315 316.
80. Repin V. G., Tartakovsky G. P. Statistisk syntes under a priori osäkerhet och anpassning av informationssystem. M.: "Sovjetradio", 1977, 432 sid.
81. Stratonovich R. L. Principer för adaptiva tekniker. M.: Sov. radio, 1973, 143 sid.
82. Tikhonov V.I., Teplinsky I.S. Kvasioptimal spårning av manöverobjekt // Radioteknik och elektronik, 1989, T.34, nr 4, sid. 792-797.
83. Perov A.I. Statistisk teori för radiosystem. Handledning. -M.: Radioteknik, 2003.
84. Darymov Yu. P., Kryzhanovsky G. A., Solodukhin V. A., Kivko V. G., Kirov B. A. Automatisering av flygtrafikledningsprocesser. M.: Transport, 1981, 400 sid.
85. Anodina T. G., Kuznetsov A. A., Markovich E. D. Automatisering av flygtrafikledning. M.: Transport, 1992, 280 sid.
86. Bakulev P.A., Sychev M.I., Nguyen Chong Lyu. Spåra ett manövermål med hjälp av en interaktiv multimodellalgoritm // Elektronisk journal, nr 9, 2002 Proceedings of MAI.
87. Bakulev P.A., Sychev M.I., Nguyen Chong Lyu. Studie av en algoritm för att filtrera banorna för manövrering av radarmål // Digital signalbehandling och dess tillämpning, rapport från den 5:e internationella konferensen. M.: 2003, T. 1. - sid. 201 - 203.
88. Bakulev P.A., Sychev M.I., Nguyen Chong Lyu. Flermodellsalgoritm för att spåra banan för ett manövreringsmål baserat på övervakningsradardata // Radio engineering, nr 1, 2004.
89. Nguyen Chong Luu. Syntes av en multimodellalgoritm för att spåra banan för ett manövreringsmål // Aerospace instrumentation, nr 1, 2004.
90. Nguyen Chong Luu. Studie av multimodellalgoritmer för att filtrera banorna för manövrerande radarmål // Sammanfattning av rapporten, internationell konferens och utställning "Aviation and Cosmonautics 2003", MAI 2003.
Observera att de vetenskapliga texterna som presenteras ovan endast publiceras i informationssyfte och har erhållits genom originalavhandlingens textigenkänning (OCR). Därför kan de innehålla fel associerade med ofullkomliga igenkänningsalgoritmer. Det finns inga sådana fel i PDF-filerna för avhandlingar och sammanfattningar som vi levererar.
Användning: i automatiserade digitala system för detektering och bearbetning av radarinformation. Kärnan i uppfinningen: diskret radarmätning av koordinaterna för ett luftmål, utjämning av de aktuella parametrarna för målbanan med en förändring av filterförstärkningarna beroende på den ackumulerade sannolikheten för manövern. Vad som är nytt är installationen av filterförstärkningskoefficienter i det ögonblick som målet går in i den möjliga manöverzonen, beroende på den ackumulerade sannolikheten för manövern. Ökad spårningsnoggrannhet uppnås genom att kompensera för den dynamiska komponenten av spårningsfelet som orsakas av målmanövern. 3 sjuka.
Uppfinningen avser radar och kan användas i automatiserade digitala system för detektering och bearbetning av radarinformation. Det finns kända metoder och anordningar för att spåra ett manövrerande luftmål, baserade på diskreta radarmätningar av koordinater och strömbedömning (utjämning och extrapolering) av dess banaparametrar (koordinater och förändringshastigheter) Under antagandet att målet under observationsperioden kommer att gör bara en avsiktlig manöver med hög intensitet, med När en manöver detekteras minimeras minnet av det återkommande utjämningsfiltret. I detta fall, även om det dynamiska utjämningsfelet, orsakat av diskrepansen mellan hypotesen om graden av polynomet som beskriver den verkliga banan för manövreringsmålet och den linjära hypotesen för dess rörelse, kompenseras, får den slumpmässiga komponenten av utjämningsfelet ett maximivärde för en given noggrannhet för koordinatmätning, och det totala felet ökar. Av de kända metoderna för att spåra ett manövrerande luftmål är det närmast det föreslagna när det gäller teknisk essens och uppnådd effekt metoden där manövern identifieras baserat på en analys av storleken på avvikelsen för de aktuella värdena av parametrarna för den spårade banan från deras uppmätta värden och jämför denna avvikelse med ett tröskelvärde; när manövern identifieras, jämnas den ut banaparametrar med filterförstärkningskoefficienter lika med enhet på grund av det faktum att vid utjämning av banparametrar endast faktumet av närvaron av en manöver tas med i beräkningen, utjämningsfel med denna metod förblir ganska stora. Syftet med uppfinningen är att förbättra noggrannheten för att spåra ett lågt flygande manövrerande luftmål. Detta uppnås genom det faktum att i metoden att spåra ett lågt flygande manövrerande luftmål, baserat på diskret radarmätning av koordinater och utjämning av parametrarna för målets bana med hjälp av ett filter, i sektioner av rätlinjerörelse med filterförstärkningar bestämda av bruset från måltillståndet, som bestäms av bäringsrelationerna, i enlighet med ändringshastigheten för bäringen, och förändringen av filterförstärkningskoefficienterna i målmanöversektionerna, i det ögonblick då man går in i banasektionen där, enligt a priori information om banegenskaperna är manövern möjlig, målbäringssignalen utjämnas med filterförstärkningsfaktorer inställda i enlighet med den ackumulerade sannolikheten för målen som åtföljs av manövern: Р n = 1/(N-n+1) , där N är antalet mätningar i området för en möjlig manöver och n är numret på utjämningscykeln i området för en möjlig manöver, från förhållandena för bäring (p n) + -1 (1) för lagerändringshastigheten (P n) - , där a + 2 (2) r 
(3) var är variansen för lagermätningsfel; a är den maximala accelerationen för målet längs bäringen under manövern; P om sannolikhet för korrekt upptäckt av manövern; T är radaröversynsperioden, och i det ögonblick som målmanövern detekteras utjämnas bäringssignalen en gång med filterförstärkningskoefficienter och , från relationer (1) och (2) med värdet r från relation r (4) där R är sannolikheten för falsk detektering av en manöver, och på I efterföljande utjämningscykler utjämnas parametrarna för målbanan med filterförstärkningskoefficienter, som bestäms från relationerna
Var
(n) (n)
n= int 
m och m är filterförstärkningarna i det ögonblick som målmanövern detekteras. Kända metoder för att spåra ett lågt flygande manövrerande luftmål har inte egenskaper som liknar de egenskaper som skiljer den föreslagna metoden från prototypen. Närvaron av en nyligen införd sekvens av åtgärder gör det möjligt att öka noggrannheten i spårningen på grund av a priori information om banan för att spåra ett luftmål och därför att minimera spårningsfel som uppstår när målmanövern missas. Följaktligen uppfyller den påstådda metoden kriterierna "nyhet" och "uppfinnningssteg". Möjligheten att uppnå en positiv effekt från den föreslagna metoden med nyligen introducerade funktioner beror på kompensationen av påverkan av det dynamiska lagerextrapolationsfelet, bestämt av målmanövern som missas av manöverdetektorn, genom att ändra filterförstärkningarna i enlighet med ackumulerad sannolikhet för manövern. I fig. 1 visar ett diagram över målmanövrering; i fig. 2 grafer som illustrerar effektiviteten av den föreslagna metoden; i fig. Figur 3 visar ett elektriskt blockschema över anordningen för implementering av den föreslagna metoden. Eftersom alla lågflygande höghastighetsluftmål som plötsligt dyker upp och upptäcks, till exempel på ett radarfartyg, kommer att klassas som attackerande, är det rimligt att anta att detta mål med största sannolikhet kommer att vända sig mot fartyget och utföra en målsökningsmanöver. Med andra ord, för att träffa ett fartyg vid en viss tidpunkt måste ett lågflygande höghastighets luftmål utföra en manöver, vilket resulterar i att målets kursparameter i förhållande till fartyget måste bli lika med noll. I detta avseende är antagandet om obligatorisk målmanöver i grunden motiverat. I framtiden kommer vi att överväga en kryssningsmissil (ASCM) som utför en målsökningsmanöver som ett luftmål. Metoden är baserad på användningen av banegenskaper hos anti-skeppsmissilsystemet vid den sista delen av banan. Anti-skeppsmissilbanan (se fig. 1) på ett avstånd från förstörelsemålet mindre än 30 km inkluderar tre karakteristiska sektioner av banan: en rak sektion före starten av anti-skeppsmissilens målsökningsmanöver; område med möjlig målmanöver; rak del av banan efter avslutad målsökningsmanöver. Det är känt att referensmanövern för anti-fartygsmissiler, till exempel av typen "Harpun", utförs på avstånd från målfartyget på 5, 3, 20, 2 km. Det kan antas att på avstånd större än 20,2 km är sannolikheten för manöver nära noll, och behovet av att begränsa filterförstärkningarna beror endast på närvaron av måltillståndsbrus. I avsaknad av a priori data om metoden för att avfyra anti-fartygsmissiler som används av fienden i denna specifika taktiska situation, finns det anledning att anta att starten på en målsökningsmanöver är lika sannolikt när som helst när anti-fartygsmissilen ligger inom intervallet för avstånd från fartyget D min 5,3 km och D max 20,2 km . Missilen täcker det specificerade avståndsintervallet i
t 1 = 50 s där V 290 m/s PCR flyghastighet. Följaktligen kan det antas att under den tid som anti-fartygsmissilen befinner sig på ett avstånd från fartyget, vilket gör det möjligt för den att påbörja målsökningsmanövern, kommer N N +1 + 1 mätningar av dess koordinater att göras. Eftersom en manöver kan börja med lika sannolikhet vid vilket intervjuintervall som helst, är sannolikheten för en händelse som består av början av en manöver vid det n:te (n 1, 2,) intervallet a priori lika med
P
Om början av manövern inte detekteras vid (n-1):e koordinatdimensionen, så bestäms den ackumulerade sannolikheten för manövern vid den n:e dimensionen av relationen
P=
Beroendet av anti-skeppsmissilens accelerationsspridning under en manöver av den ackumulerade sannolikheten kan uttryckas på följande sätt:
2a = (1+4P n)(1-P ohm) (5) där a är den maximala accelerationen för anti-skeppsmissilsystemet längs lagret under manövern (3,5g);
P om sannolikheten för korrekt upptäckt av manövern. Genom att känna till spridningen av accelerationen av PCR (a), och även anta att värdena för lagermätningsfelen är kända, är det möjligt att beräkna värdena för filterförstärkningskoefficienterna som är optimala för strömförhållandena av spridningen av koordinatmätfel, den acceleration som stör bäringen och radarvisningsperioden: genom bäring
(P n) (6) med hastigheten för förändring av lager (P n) där o2 är variansen av lageruppskattningsfel;
varians i lagermätningsfel;
R är korrelationskoefficienten mellan lageruppskattningsfel och hastigheten för dess förändring. Värdena på o och R o bestäms av följande relationer
2o = + -1
R o = (7)
Genom att ersätta relationer (2) och (3) i relation (7) får vi spridningen av lageruppskattningsfel och korrelationskoefficienten för lageruppskattningsfel och hastigheten för dess förändring, och genom att ersätta uttryck (6) får vi filterförstärkningar bestäms av relation (1). Det är uppenbart att när pcr närmar sig med varje granskning, ökar den ackumulerade sannolikheten för manövern, vilket orsakar en ökning av accelerationsspridningen p cr och följaktligen medför en ökning av filterförstärkningarna och . När en manöver detekteras tilldelas den ackumulerade sannolikheten för manövern värdet "ett", och accelerationsspridningen för PCR beräknas enligt följande:
= en 2 (1-P skrot) (8) där P skrot är sannolikheten för falsk upptäckt av en manöver. I detta fall beräknas r från relation (4), filterförstärkningarna får sitt maximala värde. Med tanke på den korta varaktigheten av PCR-manövern (1,3 s) räcker det med en utjämning med ökade förstärkningsfaktorer (detta bekräftas av resultaten av simuleringsmodellering). Proceduren för att bedöma sannolikheten för manöver utförs i intervallet från 20,2 till 5,3 km. Efter detektering av en manöver tilldelas bäringsfilterförstärkningarna värden som endast bestäms av måltillståndsbruset; avståndsförstärkningarna förblir konstanta under hela spårningstiden, och deras värden väljs i enlighet med måltillståndsbruset. I fig. Figur 3 visar en anordning för automatisk spårning av ett manövrerande luftmål som implementerar den föreslagna metoden. Den innehåller en uppmätt koordinatsensor 1, ett utjämningsblock 2, ett extrapolationsblock 3, ett första fördröjningsblock 4, ett minnesblock 5, ett manöverdetekteringsblock 6, ett jämförelseblock 7, ett andra fördröjningsblock 8, ett block 9 för beräkna filtervinster. Anordningen för automatisk spårning av ett manövrerande luftmål består av en seriekopplad sensor 1 uppmätta koordinater, vars ingång är ingången till enheten, utgången från sensorn 1 uppmätta koordinater är ansluten till den 1:a ingången på utjämningsblocket 2 och till den första ingången på manöverdetekteringsblocket 6, utgången från utjämningsblocket 2 ansluten till ingången på extrapolationsblocket 3, den första utgången på extrapolationsblocket 3 är ansluten till ingången på jämförelseblocket 7 och genom fördröjningsblock 4 till den 4:e ingången på utjämningsblocket 2 och till den 2:a ingången på manöverdetekteringsblocket 6, den 2:a utgången på block 3 extrapolering är enhetens utgång, utgången från manöverdetekteringsblocket 6 är ansluten till 2:a ingången på filterförstärkningsberäkningsblocket 9 och genom fördröjningsblocket 8 till den 2:a ingången på minnesblocket 5 och till den 3:e ingången på filterförstärkningsberäkningsblocket 9, är utgången från blockjämförelse 7 ansluten till den 1:a ingången på minnesblock 5 och den första ingången på block 9 för beräkning av filterförstärkningar, utgången från minnesblock 5 är ansluten till den andra ingången på utjämningsblock 2, utgången från block 9 för beräkning av filterförstärkningar är ansluten till det tredje ingångsblocket 2 glättning. Enheten fungerar enligt följande. Videosignalen för den aktuella n:te cykeln för att mäta koordinaterna för det spårade målet från utgången från den mottagande anordningen matas till ingången på spårningsanordningen och följaktligen till sensorn 1 för de uppmätta koordinaterna. Den uppmätta koordinatsensorn 1 omvandlar videosignalen från analog till digital form, väljer den användbara signalen och mäter koordinatvärdena: bäring (П n) och avstånd (D n). Den uppmätta koordinatsensorn 1 kan implementeras enligt ett av de kända schemana för en automatisk luftmåldetektor. Värdena för de uppmätta målkoordinaterna (P n och D n) i form av signalkoder matas till den första ingången på utjämningsblocket 2, som implementerar enligt följande: när n 1, den aktuella uppskattningen av målkoordinaterna är
= M n, där M n = П n, D för n 2, är den aktuella uppskattningen av målbanan parametrar lika med
= Mn, V= (Mn-1-Mn)/To där T är radaröversynsperioden; för n>2 är den aktuella uppskattningen av målbanan parametrar lika med
= +(M)
= +(M)/T där och är viktningskoefficienter (filtervinster);
och uppskattningar av koordinater och hastigheten för deras förändring extrapolerade till en undersökning. Från block 2 tillförs de utjämnade värdena för koordinaterna och hastigheten för deras förändring till ingången för extrapolationsblock 3. Extrapolationsblock 3 genererar uppskattningar av banparametrar extrapolerade till en given tidpunkt:
= +VTe; = där T e är det specificerade värdet för extrapoleringstidsintervall. I denna enhet T e To, T e T tsu. I detta fall matas de tidsextrapolerade koordinatvärdena från den 1:a utgången via fördröjningsblocket 4 till den 4:e ingången på utjämningsblocket 2, där de används för att beräkna banaparametrarna i nästa cykel, och till 2:a ingången på manöverdetekteringsblocket 6, där de subtraheras från de uppmätta bärvärdena som tillförs den 1:a ingången på manöverdetekteringsenheten 6 från den uppmätta koordinatsensorn 1, och den resulterande skillnaden jämförs med tröskeln enligt följande:
P n ->
Tröskelvärden väljs baserat på den erforderliga sannolikheten för falsk detektering av en manöver. Från samma utgång skickas de extrapolerade koordinaterna till ingången till jämförelseblock 7, där värdena för det extrapolerade intervallet jämförs med räckvidden för en möjlig manöver från 5,3 till 20,2 km. Koordinatvärdena extrapolerade till tiden T e levereras till den andra utgången av extrapolationsblocket 3 (enhetsutgång) och används för att generera och utfärda målbeteckningsdata till konsumenter. I jämförelseblocket 7 genereras en logisk etta-signal om värdet på det extrapolerade området ligger inom området för möjliga värden, som från jämförelseblockets 7 utgång tillförs den första ingången på minnesblocket 5, samtidigt som det förbjuds utfärdandet av filterförstärkningar till utjämningsblocket 2, samtidigt kommer samma signal till den första ingången på block 9 för beräkning av filterförstärkningar och initierar utmatningen av förstärkningar till block 2 för utjämning. Om värdena för det extrapolerade området inte ligger inom avståndsintervallet för en möjlig manöver, genereras en logisk nollsignal, vilket förbjuder utfärdande av förstärkningsfaktorer från block 9 för beräkning av filterförstärkningar och initierar utfärdandet av förstärkningsfaktorer från minnesblock 5. Minnesblock 5 lagrar filterförstärkningar, vars värden bestäms av bruset i måltillståndet. I block 9 för beräkning av filterförstärkningarna beräknas förstärkningarna i fallet med ankomsten av en logisk etta-signal och frånvaron av en manöverdetekteringssignal enligt relationerna (1), (2) och (3), och i fallet med ankomsten av en "manöver detekterad" signal enligt relationerna (1), (2) och (4). I block 6 genereras en "manöver detekterad"-signal och skickas till block 9 för att beräkna filterförstärkningar, samma signal skickas till fördröjningsblock 8 och, fördröjd med en granskningsperiod, skickas till minnesblock 5 och 9 och beräkningsfilter vinster. Effektiviteten av den föreslagna metoden utvärderades med hjälp av simuleringsmodellering med följande initiala data:
Uppskjutningsräckvidden för anti-skeppsmissilsystemet av harpuntyp är 100 km;
RCC överbelastning under manöver 4 g;
Manövertid 4 s;
Radaröversynsperiod 2s;
Manövern börjar mellan 13 och 14 recensioner. I fig. Figur 2 visar beroendet av det normaliserade koordinatextrapolationsfelet per undersökning på mätnumret där:
1 föreslagen metod;
2 känd metod. När den föreslagna metoden implementeras fördubblas noggrannheten i koordinatextrapoleringen.
Krav
METOD ATT SPÅRA ETT MANÖVRERANDE LUFTMÅL, baserat på diskret radarmätning av koordinater, utjämning av parametrarna för målbanan med hjälp av ett - - filter i sektioner av rätlinjig rörelse med filterförstärkarkoefficienter som bestäms av bruset i måltillståndet, som är bestäms från relationerna: genom bäring 
där j är den aktuella utjämningscykeln;
genom lagerbytehastighet
och ändring av filterförstärkningskoefficienten i målmanöversektionerna, kännetecknad av att i ögonblicket för inträde i bansektionen, i vilken en manöver är möjlig baserat på a priori information om målbanans egenskaper, utjämnas målbäringssignalen med filterförstärkning koefficienter inställda i enlighet med den ackumulerade sannolikheten för manöver för det spårade målet,
Pn(Nn+1),
där N är antalet mätningar inom området för möjlig manöver;
n nummer för utjämningscykeln i utjämningsdelen i avsnittet för möjlig manöver från lagerförhållandena (1)
genom lagerbytehastighet (2) 
där 2 är variansen för lagermätningsfel;
a den maximala accelerationen av målet enligt bäringen under manövern;
P o. m sannolikhet för korrekt upptäckt av manövern;
T om radargranskningsperiod,
och i ögonblicket för detektering av målmanövern utjämnas bäringssignalen en gång med filtrets förstärkningar a och b från relationerna (1) och (2), med värdet r från relationen 
där P l. O. m sannolikhet för falsk detektering av en manöver, och i efterföljande utjämningscykler utjämnas banaparametrarna med filterförstärkningskoefficienter, vars värden motsvarar efterföljande nummer för den aktuella utjämningscykeln, som bestäms från relationen 
där i 0, 1, 2, cykelnummer efter detektering av manövern;
installerat filterminne på grund av måltillståndsbrus;
m och m för filterförstärkningen i ögonblicket för målmanöver.
Att manövrera ett mål i horisontalplanet handlar om att ändra kurs och flyghastighet. Inverkan av en luftmålsmanöver i det första och andra steget av stridsflygledning med hjälp av "Manöver" -metoden manifesterar sig på olika sätt.
Låt oss anta att vägledning utförs i det första skedet, när luftmålet respektive jaktplanet var vid punkter I Och A (Fig. 7.9.), och deras möte var möjligt vid tillfället S o .
Ris. 7.9. Effekt av målmanöver i horisontalplanet
på flygbanan för en jaktplan
Om luftmålet är vid punkten I manövrerad kurs och tid t vände sig till hörnet w t , för att fightern ska följa tangenten till svängbågen för det andra styrsteget, måste dess kurs ändras med en vinkel samtidigt w och t . Efter att luftmålet slutfört manövern kommer ett möte med det att bli möjligt vid punkten MED , och längden på luftmålets väg till punkten kommer att ändras till DSc.
Om vi föreställer oss att startpunkten för svängen rör sig tillsammans med TC, placerad i förhållande till den med samma intervall och avstånd som fightern i det ögonblick då svängen startar, så guidas fightern mot denna punkt med hjälp av "Parallell Metoden. Om CC är på långt avstånd Innan från en fighter, jämfört med vilken intervallet jag och förebyggande svängavstånd Dupr kan försummas, då i allmänhet är egenskaperna för "Manöver"-metoden nära egenskaperna för "Parallell Approach"-metoden.
Till ett senare fightermöte med ett mål (DSc > 0) leder henne att vända sig bort från fightern (DΘ och > 0) , och att vända sig mot fightern leder till ett tidigare möte. Därför kan en åtgärd för att motverka målets kursmanöver, som med vägledning med metoden "Parallell Approach", vara att samtidigt rikta grupper av kämpar mot det från olika riktningar.
När avståndet till TC minskar blir skillnaden mellan egenskaperna för "Manöver"-metoden och egenskaperna för "Parallell Approach"-metoden mer och mer uppenbar. Under tiden för vridning av VT måste jagaren vända i allt större vinklar, det vill säga dess vinkelhastighet w ökar.
Värdeförändring w och när ett jaktplan flyger på kollisionskurs med ett luftmål (UR = 180°) kännetecknar grafen över förhållandet mellan vinkelhastigheter w och / w c från intervallet, uttryckt i bråkdelar av avståndet för ledningsvängen D/Dupr.
Som framgår av grafen, på långa avstånd (D/Dupr = 5÷ 10) attityd w och / w c skiljer sig något från enhet, det vill säga att jagarens vinkelhastighet skiljer sig något från manövermålets vinkelhastighet. Med en minskning i räckvidd, till cirka tre Super , värdet av wi växer intensivt, och när fightern närmar sig startpunkten för svängen (D/Dupr = 1)w och ökar till oändligheten.
Sålunda, när man siktar med "Manöver" -metoden mot en manövrerande CC, är det nästan omöjligt att föra fightern till den punkt där svängen börjar med den beräknade radien.
Ris. 7.10. Beroende av förhållandet mellan vinkelhastigheter w och / w c vid manövrering av målet
vid det första steget av vägledning i förhållande till D/Dupr
Under vägledningsprocessen i det första steget kan luftmålet manövrera upprepade gånger. Så till exempel ett luftmål vid en punkt I 1 kan slå på fightern, vilket resulterar i en poäng A1 den måste vändas bort från sin tidigare kurs och riktningen för den tidigare planerade svängen måste ändras. Som ett resultat förvandlas fighterns bana i det första steget av vägledning från en rak linje till en komplex linje som består av vridande bågar med en variabel radie och raka segment mellan dem. Allt detta komplicerar genomförandet av en flygning till en luftstrid.
Vi kommer att överväga påverkan av en luftmålsmanöver i det andra steget av stridsflygledning med hjälp av "Manöver" -metoden med hjälp av figur 7.11:
Ris. 7.11. Effekt av manöver av ett luftmål i horisontalplanet
i det andra steget av vägledning med hjälp av "Manöver"-metoden på jaktplanets flygbana
Låt oss anta att stridsflygplanet och luftmålet vid något ögonblick av det andra steget av vägledning befinner sig vid punkterna A Och I och att nå målet vid punkten Co fighter gör en sväng med en radie Ro och vinkelhastighet w och = Vi/Ro .
Om för en viss tid Dt luftmålet kommer att ändra sin flygriktning med en vinkel w c × Dt , då blir det möjligt att träffa henne vid den tidpunkten MED . Att nå denna punkt från en punkt A fightern skulle behöva göra en sväng med en annan radie R . Men i förväg i tid Dt han skulle dessutom behöva vända hörnet w och D × Dt .
Således leder manövern av ett luftmål i det andra steget av vägledning till uppkomsten av en ytterligare vinkelhastighet för stridsflygplanet w och D . Ju mindre återstående vridningsvinkel UR fighter, desto större värde w och D , och när fightern närmar sig slutpunkten för svängen w och D ökar till oändligheten.
Således är det nästan omöjligt att föra stridsflygplanet till en given position i förhållande till ett manövrerande luftmål i det andra steget av vägledning med hjälp av metoden "Manöver".
I detta avseende, vid manövrering av ett luftmål, byter de i det andra steget som regel till att guida fightern med "Pursuit" -metoden.
