К.К. Васильев – д.т.н., профессор, 

Ульяновский государственный технический университет

Е-mail: vkk@ulstu.ru

О.В. Саверкин – аспирант,  кафедра «Телекоммуникации», Ульяновский государственный технический университет E-mail: saverkin-oleg@mail.ru

Постановка проблемы. Основным недостатком известной линейной стохастической модели движения цели является привязка ускорений объекта наблюдения к базовой прямоугольной системе координат OXYZ. Однако направление движения и возможные маневры цели, как правило, никак не соотносятся с искусственно введенными координатами. Напротив, основные параметры модели в связанной системе координат определяются типом цели и не связаны с направлениями осей координат, используемых при сопровождении.

Цель. Создать модель движения цели и алгоритм фильтрации, не привязанные к прямоугольной системе координат.

Результаты. Рассмотрена модель движения в связанной с траекторией цели системе координат. Представлены аналитические выражения для двух возможных подходов полного определения моделей движения целей в связанных координатах при решении задач имитации траекторий, прогнозирования и фильтрации. По сравнению с известным линейным фильтром Калмана для алгоритмов, основанных на модели в связанных координатах, изменилось лишь выражение для расчета ковариационной матрицы ошибок прогнозирования. При оценивании траекторных параметров с использованием предложенных алгоритмов указанная ковариационная матрица будет содержать оценки параметров ускорения, полученные на основе значений путевой скорости, курса и угла наклона траектории, оцененных на предыдущем шаге фильтрации. За счет введения этих оценок обеспечивается подстройка фильтров к изменению характера движения сопровождаемого объекта. Другой особенностью является возможность выполнения раздельного по координатам оценивания траекторных параметров. Для исследования эффективности предложенных алгоритмов траекторной фильтрации была разработана математическая модель в среде MATLAB.

Практическая значимость. Проведенный сравнительный анализ показал, что алгоритм, основанный на модели в связанной системе координат, обеспечивает лучшую точность оценивания траекторных параметров по сравнению с известным фильтром Калмана при любых начальных условиях.

1. Казаринов Ю.М. и др. Радиотехнические системы: Учебник для студентов вузов // Под ред. Ю.М. Казаринова. М.: Издательский центр «Академия». 2008. 592 с.
2. Фарина А., Студер Ф. Цифровая обработка радиолокационной информации. Сопровождение целей. М.; Радио и связь. 1993. 320 с.
3. Кузьмин С.З. Основы теории цифровой обработки радиолокационной информации. М.: Сов. радио. 1974. 432 с.
4. Коновалов А.А. Основы траекторной обработки радиолокационной информации. В 2-х частях. СПб.: Изд-во СПбГЭТУ. 2014. Ч. 1. 164 с.
5. Коновалов А.А. Основы траекторной обработки радиолокационной информации. В 2-х частях. СПб.: Изд-во СПбГЭТУ. 2014. Ч. 2. 180 с.
6. Васильев К.К. Оптимальная обработка сигналов в дискретном времени: Учеб. пособие. М.: Радиотехника. 2016. 288 с.
7. Васильев К.К., Лучков Н.В., Саверкин О.В. Сравнительный анализ алгоритмов траекторной фильтрации // Радиотехника. 2017. № 6. С. 27−31.
8. Васильев К.К., Маттис А.В. Связанные стохастические модели движения радиолокационных целей // Автоматизация процессов управления. 2017. № 4(50). С. 14−18.
9. Saverkin O.V. Comparative analysis of digital radar data processing algorithms // CEUR Workshop Proceedings of the 2st International Workshop on Radio Electronics and Information Technologies (REIT 2017). 2017. P. 120−126.
10. Саверкин О.В. Об эффективности траекторной фильтрации в связанных координатах // Автоматизация процессов управления. 2018. № 3(53). С. 90−94.
11. Маттис А.В., Саверкин О.В. Эффективность траекторной фильтрации в связанных координатах // Информационноизмерительные и управляющие системы. 2018. № 11. С. 19−23. DOI 10.18127/j20700814-201811-04.
12. Васильев К.К., Саверкин О.В. Сравнительная оценка алгоритмов траекторной фильтрации // Цифровая обработка сигналов и ее применение (DSPA-2019). М.: РНТОРЭС им. А.С. Попова. 2019. С. 343−347.