А.В. Коренной1, Е.А. Богословский2, М.Х. Альмахмуд3

1–3 ВУНЦ ВВС «ВВА им. проф. Н.Е. Жуковского и Ю.А. Гагарина» (г. Воронеж, Россия)
1 korennoj@mail.ru, 2 qro76@yandex.ru, 3 malmahmud04@gmail.com

Постановка проблемы. Совершенствование современных систем обработки траекторной информации возможно за счет объединения нескольких измерителей в единую многосенсорную систему (МСС). Представлены технические характеристики современных средств контроля воздушного пространства, анализ которых выявляет сложность построения МСС, обусловленный их значительными различиями. Основной сложностью комплексирования нескольких датчиков является то, что все они обладают отличными друг от друга периодами обновления информации, причем не всегда кратными целому числу.

Цель. Разработать модифицированный алгоритм комплексирования измерителей с различным периодом обновления информации для МСС обработки траекторной информации.

Результаты. В работе использовался аппарат калмановской фильтрации, который является наиболее распространенным инструментом решения задач траекторной обработки сигналов. Разработка модифицированного алгоритма производилась от простого к сложному, для чего сначала предполагалось наличие одного датчика МСС, задавалось динамическое уравнение, описывающее интересующую воздушную цель (ВЦ) и уравнение, характеризующее измерение, получаемое этим датчиков в каждый период обновления информации. После этого принималось решение об увеличении периода обновления информации и, соответственно, ухудшении качества фильтрации координаты ВЦ. Этот результат подтверждается результатами компьютерного моделирования. Для повышения точности оценки при уменьшении количества измерений необходимо формировать ее не только в отсчетах увеличенного периода обновления информации, но и между ними, то есть осуществлять экстраполяцию оценки на интервале отсутствия измерений. Данный подход может быть применен к МСС, состоящей из нескольких датчиков. В работе получены соотношения, определяющие оценку фильтруемой координаты и апостериорной дисперсии. Показано, что при таком подходе в каждом датчике будут иметь место временные рассогласования. Они могут быть компенсированы за счет установки на входе каждого датчика линии задержки на величину, определяемую разницей их периодов обновления информации. Известно, что возможно параллельное и последовательное построения МСС. В работе рассмотрен параллельный случай. При разработке модифицированного алгоритма комплексирования измерителей с различным периодом обновления информации принималось следующее ранжирование измерителей: первый датчик имеет наименьший период обновления информации, остальные включаются по мере его увеличения. При этом первый датчик считается «лучшим» с точки зрения периода обновления и качества получаемой оценки фильтруемой координаты. Предложено оценку первого датчика использовать для восполнения пропущенных измерений каждого последующего датчика. С учетом данного подхода получен модифицированный алгоритм комплексирования измерителей с различными периодами обновления информации. Разработана структурная схема МСС, реализующей данный алгоритм. Исследована работоспособность алгоритма, заключающаяся в компьютерном моделировании получаемой оценки координаты и точности фильтрации.

Практическая значимость. Результаты моделирования иллюстрируют тот факт, что комплексирование измерителей, имеющих различные периоды обновления информации за счет применения разработанного модифицированного алгоритма позволяет получить существенный выигрыш в точности сопровождении ВЦ. Достоинством этого алгоритма является синхронизация датчиков, имеющих различные технические характеристики.

Коренной А.В., Богословский Е.А., Альмахмуд М.Х. Комплексирование измерителей с разным периодом поступления входных данных // Динамика сложных систем. 2023. Т. 17. № 4. С. 26−33. DOI: 10.18127/j19997493-202304-03

1. Сейдж Э., Мелс Дж. Теория оценивания и ее применение в связи и управлении: Пер. с англ. / Под ред. проф. Б.Р. Левина. М.: Связь. 1976. 496 с.
2. Зайцев Д.В. Многопозиционные радиолокационные системы. Методы и алгоритмы обработки информации в условиях помех. М.: Радиотехника. 2007. 96 с.
3. Аверьянов А.М., Бобров М.С., Чекушкин В.В. Имитация траекторий движения воздушных объектов для радиолокационных систем управления и контроля воздушного пространства // Мехатроника, автоматизация, управление // Новые технологии. 2009. № 9. С. 70–80.
4. Кузьмин C.З. Цифровая радиолокация. Введение в теорию. Киев: КВЩ. 2000.
5. Bar-Shalom, Y. Multitarget multisensor tracking. Principles and Techniques. New Orlean. 1995.
6. Каплин А.Ю., Степанов М.Г., Ярмолич А.Г. Свойства фильтра Калмана в переходном режиме // Изв. вузов. Сер.: Приборостроение. 2017. Т. 60. № 4. С. 311–317.
7. Ярлыков М.С. Статистическая теория радионавигации. М.: Радио и связь. 1985. 344 с.
8. Жданюк Б.Ф. Основы статистической обработки траекторных измерений. М.: Сов. радио. 1978. 384 с.
9. Тихонов В.И., Харисов В.Н. Статистический анализ и синтез радиотехнических устройств и систем: Учеб. пособие для вузов. М.: Радио и связь. 1991. 608 с.
10. Implementation of MLAT/ADS-B System. IKAO/FAA Workshop on ADS-B and Multilateration Implementation. Mexico-City. September. 6, 2011. ERA beyond radar.
11. Гришин Ю.П., Казаринов Ю.М. Динамические системы устойчивые к отказам. М.: Радио и связь. 1985. 176 с.
12. Jitendra R. Raol. Multi-Sensor Data Fusion with MATLAB 1st Edition. Taylor & Francis Group. Boca Raton London New York. 2010. 534 p.