Стробирование радиолокационных отметок при траекторной фильтрации в связанных координатах

Введение. Современные воздушные цели, в особенности беспилотные, становятся менее заметными, а их маневренные возможности продолжают совершенствоваться. Для обеспечения эффективного сопровождения высокоманевренных целей актуализируются и алгоритмы траекторной обработки. Поскольку точность фильтрации траекторных параметров во многом определяется достоверностью радиолокационной информации, возрастает роль алгоритмов стробирования. В связи с этим возникает задача повышения эффективности стробирования радиолокационных отметок.

Цель работы. Разработка и исследование эффективности алгоритма траекторного стробирования, основанного на модели движения в скоростной связанной с направлением движения цели системе координат и предполагающего формирование строба в форме усеченного эллипсоидного сектора.

Методы и материалы. Рассмотрены модели движения целей в связанных координатах, которые положены в основу новых алгоритмов траекторного сопровождения, базирующихся на калмановской фильтрации. Рассмотрены существующие методы стробирования радиолокационных отметок от цели и предложен новый подход на основе фильтрации в связанных координатах. Новый алгоритм предполагает формирование строба в форме усеченного эллипсоидного сектора. Такая форма соответствует наиболее вероятному местоположению отметок от сопровождаемой цели. Эффективность предложенных решений подтверждается результатами математического моделирования, выполненного в среде MATLAB.

Результаты. Приведены аналитические выражения для модели движения, рекуррентной фильтрации и алгоритма стробирования в связанных координатах. Проведен сравнительный анализ эффективности сопровождения при одинаковых размерах эллиптического и предложенного стробов. Установлено, что для скоростных и высокоманевренных целей алгоритм с построением строба в форме усеченного эллипсоидного сектора обеспечивает до 30 % более длительное сопровождение до первой потери отметки от цели, чем алгоритм с эллиптическим стробированием. Кроме того, средняя продолжительность сопровождения для секторного строба практически не зависит от начальной скорости движения цели, а при значениях погрешностей измерения координат менее 50 м имеет большее значение, чем для эллиптического.

Заключение. Достигнутый результат обеспечивается способностью строба в связанных координатах подстраиваться под направление движения и маневрирование цели, что позволяет осуществлять качественное сопровождение объектов в большем диапазоне скоростей. Построение такого строба также позволит снизить вероятность пропуска радиолокационных отметок от сопровождаемой цели и обеспечит уменьшение числа ложных отметок и отметок, принадлежащих другим траекториям, внутри строба.

1. Li X. R., Jilkov V. P. Survey of Maneuvering Target Tracking: Dynamic Models // Signal and Data Processing of Small Targets 2000. Orlando, FL, United States, 13 July 2000. (Proc. SPIE. Vol. 4048). doi: 10.1117/12.391979

2. Bar-Shalom Y., Li X. R., Kirubarajan T. Estimation with Applications to Tracking and Navigation. Hoboken, NJ: Wiley & Sons, 2001. 256 р. doi: 10.1002/0471221279

3. Bar-Shalom Y., Willett P. K., Tian X. Tracking and Data Fusion: a Handbook of Algorithms. Storrs: YBS Publishing, 2011. 1236 p.

4. Chui C. K., Chen G. Kalman Filtering with RealTime Applications. Berlin: Springer-Verlag, 2017. 240 p.

5. Выбор вида и параметров стробов при отождествлении координатной информации от средств обнаружения воздушных целей в комплексе средств автоматизации батарейного командного пункта / Э. В. Зябиров, А. В. Аравин, С. В. Михайлов, И. П. Филюшкин // Изв. вузов. Поволжский регион. 2018. № 4 (48). С. 88–95. doi: 10.21685/2072-3059-2018-4-8

6. Афанасьев Б. В., Афанасьев В. В. Процедура комплексной обработки радиолокационных данных в стробе и выбора радиолокационной метки // Вестн. Гос. ун. морского и речного флота им. адмирала С. О. Макарова. 2018. Т. 10, № 3. С. 608–618. doi: 10.21821/2309-5180-2018-10-3-608-618

7. Беляев А. В., Карташов В. М., Лутуангу Ф. А. Стробирование отметок движущихся объектов в системе обработки изображений со стационарной видеокамерой // Scientific J. ScienceRise. 2017. № 3 (32). С. 66–71. doi: 10.15587/2313-8416.2017.96524

8. Коновалов А. А. Основы траекторной обработки радиолокационной информации: в 2 ч. Ч. 1. СПб.: Изд-во СПбГЭТУ "ЛЭТИ", 2013. 164 с.

9. Коновалов А. А. Основы траекторной обработки радиолокационной информации: в 2 ч. Ч. 2. СПб.: Изд-во СПбГЭТУ "ЛЭТИ", 2014. 180 с.

10. Рязанцев Л. Б. Многомодельное байесовское оценивание вектора состояния маневренной воздушной цели в дискретном времени // Вестн. ТГТУ. 2009. Т. 15, № 4. C. 729–739.

11. Антропов В. В., Мазаков Е. Б. Алгоритм вторичной обработки информации при траекторном распознавании // Материалы III Междунар. науч.- практ. конф. "Наука, образование, общество: тенденции и перспективы развития", Чебоксары, 11 дек. 2016. Чебоксары: ЦНС "Интерактив плюс", 2016. С. 13–21. doi: 10.21661/r-115874

12. Vaseghi S. V. Advanced Digital Signal Processing and Noise Reduction. 4 th ed. West Sussex: John Wiley & Sons Ltd, 2008. 514 p. doi: 10.1002/9780470740156

13. Васильев К. К., Маттис А. В. Связанные стохастические модели движения радиолокационных целей // Автоматизация процессов управления. 2017. №4 (50). С. 14−18.

14. Васильев К. К., Маттис А. В. Траекторная фильтрация в связанных координатах // Информационно-измерительные и управляющие системы. 2018. № 11. С. 11–18

15. Маттис А. В., Саверкин О. В. Эффективность траекторной фильтрации в связанных координатах // Информационно-измерительные и управляющие системы. 2018. № 11. С. 19–24. doi: 10.18127/j20700814-201811-04