Радиолокационный трекер - Radar tracker

РЛС слежения является компонентом радиолокационной системы или соответствующей команды и системы управления (С2), которая связывает последовательные радиолокационные наблюдения одной и той же цели в треках . Это особенно полезно, когда радиолокационная система сообщает данные от нескольких разных целей или когда необходимо объединить данные от нескольких разных радаров или других датчиков.

Роль радиолокационного трекера

Классическая вращающаяся радиолокационная станция наблюдения за воздушным движением обнаруживает эхосигналы от цели на фоне шума. Он сообщает об этих обнаружениях (известных как «графики») в полярных координатах, представляющих дальность и пеленг цели. Кроме того, шум в приемнике радара будет иногда превышать порог обнаружения детектора постоянной ложной тревоги радара и ошибочно сообщаться как цели (так называемые ложные тревоги ). Роль радиолокационного трекера заключается в отслеживании последовательных обновлений от радарной системы (которые обычно происходят каждые несколько секунд при вращении антенны) и в определении тех последовательностей участков, принадлежащих одной и той же цели, при одновременном отклонении любых участков, которые считаются ложными. будильники. Кроме того, радиолокационный трекер может использовать последовательность графиков для оценки текущей скорости и направления цели. Когда присутствует несколько целей, радиолокационный трекер стремится обеспечить по одному треку для каждой цели, при этом история треков часто используется, чтобы указать, откуда пришла цель.

Когда несколько радарных систем подключены к одному репортерному посту, мультирадарный трекер часто используется для отслеживания обновлений со всех радаров и формирования треков на основе комбинации обнаружений. В этой конфигурации треки часто более точны, чем треки, сформированные с помощью одиночных радаров, поскольку для оценки треков можно использовать большее количество обнаружений. В дополнение к связыванию графиков, отклонению ложных тревог и оценке курса и скорости, радиолокационный трекер также действует как фильтр, в котором сглаживаются ошибки в отдельных радиолокационных измерениях. По сути, радиолокационный трекер подгоняет плавную кривую к отчетным графикам и, если все сделано правильно, может повысить общую точность радиолокационной системы. Мультисенсорный трекер расширяет концепцию multiradar отслеживания , чтобы позволить сочетание отчетов из различных типов датчиков - обычно радаров , вторичных радиолокаторов (SSR), идентификация друг или враг (МФЛ) системы и электронные меры поддержки данных (ЭСМ).

Радиолокационный трек обычно содержит следующую информацию:

  • Положение (в двух или трех измерениях)
  • Заголовок
  • Скорость
  • Уникальный номер трека

Кроме того, в зависимости от сложности приложения или трекера, трек также будет включать:

  • Информация о гражданских SSR, режимах A, C, S
  • Информация о режимах 1, 2, 3, 4 и 5 военного МКФ
  • Информация о позывных
  • Отслеживайте информацию о надежности или неопределенности

Основной подход

Существует много различных математических алгоритмов, используемых для реализации радиолокационного слежения, разного уровня сложности. Однако каждый раз при обновлении радара все они выполняют шаги, аналогичные приведенным ниже:

Пожалуй, самый важный шаг - обновление треков новыми сюжетами. Все трекеры будут явно или неявно учитывать ряд факторов на этом этапе, в том числе:

  • модель того, как измерения радара связаны с координатами цели
  • погрешности радиолокационных измерений
  • модель движения цели
  • ошибки в модели движения цели

Используя эту информацию, радар-трекер пытается обновить трек, формируя средневзвешенное значение текущего местоположения, о котором сообщает радар (который имеет неизвестные ошибки), и последнего прогнозируемого местоположения цели из трекера (который также имеет неизвестные ошибки). Проблема слежения особенно усложняется для целей с непредсказуемыми движениями (т. Е. С неизвестными моделями движения цели), негауссовскими ошибками измерения или модели, нелинейными отношениями между измеренными величинами и желаемыми координатами цели, обнаружением при наличии неравномерно распределенный беспорядок, пропущенные обнаружения или ложные срабатывания. В реальном мире радиолокационный трекер обычно сталкивается с комбинацией всех этих эффектов; это привело к разработке все более сложных алгоритмов для решения проблемы. Из-за необходимости формировать радиолокационные треки в реальном времени, обычно для нескольких сотен целей одновременно, развертывание алгоритмов радиолокационного слежения обычно ограничивалось доступной вычислительной мощностью.

Участок для отслеживания ассоциации

На этом этапе обработки радар-трекер пытается определить, какие графики следует использовать для обновления каких треков. Во многих подходах данный график можно использовать только для обновления одного трека. Однако в других подходах график можно использовать для обновления нескольких треков, признавая неопределенность в знании того, к какому треку принадлежит график. В любом случае, первым шагом в процессе является обновление всех существующих треков до текущего времени путем прогнозирования их нового положения на основе самой последней оценки состояния (например, положения, курса, скорости, ускорения и т. Д.) И предполагаемой цели. модель движения (например, постоянная скорость, постоянное ускорение и т. д.). Обновив оценки, можно попробовать привязать участки к трекам.

Это можно сделать несколькими способами:

После того, как дорожка была связана с графиком, она переходит на этап сглаживания дорожки , где прогноз дорожки и связанный график объединяются для получения новой, сглаженной оценки целевого местоположения.

После завершения этого процесса некоторые графики останутся несвязанными с существующими дорожками, а некоторые дорожки останутся без обновлений. Это приводит к этапам запуска и обслуживания пути .

Начало трека

Инициирование трека - это процесс создания нового радиолокационного трека из несвязанного радиолокационного графика. Когда трекер впервые включается, все начальные радиолокационные графики используются для создания новых треков, но после запуска трекера только те графики, которые нельзя использовать для обновления существующего трека, используются для создания новых треков. Обычно новому маршруту присваивается статус предварительного, пока графики из последующих обновлений радара не будут успешно связаны с новым треком. Предварительные треки не показываются оператору, и поэтому они позволяют предотвратить появление ложных треков на экране за счет некоторой задержки в первом сообщении о треке. После получения нескольких обновлений трек подтверждается и отображается оператору. Наиболее распространенным критерием для перехода от предварительного трека к подтвержденному - это «правило M-of-N», которое гласит, что во время последних N обновлений радара, по крайней мере, M участков должны быть связаны с предварительным треком - с M = 3 и N = 5 являются типичными значениями. Более сложные подходы могут использовать статистический подход, в котором трек становится подтвержденным, когда, например, его ковариационная матрица падает до заданного размера.

Следите за техобслуживанием

Техническое обслуживание пути - это процесс, в ходе которого принимается решение о прекращении срока службы пути. Если трек не был связан с графиком во время этапа отслеживания привязки, то есть вероятность, что цель больше не существует (например, самолет мог приземлиться или вылететь из-под прикрытия радара). В качестве альтернативы, однако, есть вероятность, что радар, возможно, просто не смог увидеть цель при этом обновлении, но обнаружит ее снова при следующем обновлении. Общие подходы к решению о прекращении трека включают:

  • Если цель не была замечена в течение последних M последовательных возможностей обновления (обычно M = 3 или около того)
  • Если цель не была замечена в течение последних M из N последних возможностей обновления
  • Если погрешность отслеживания цели (ковариационная матрица) превысила определенный порог

Сглаживание трека

На этом важном этапе последнее предсказание трека объединяется со связанным графиком, чтобы обеспечить новую улучшенную оценку целевого состояния, а также пересмотренную оценку ошибок в этом предсказании. Существует множество алгоритмов разной сложности и вычислительной нагрузки, которые можно использовать для этого процесса.

Альфа-бета трекер

Подход к раннему отслеживанию с использованием альфа-бета-фильтра , который предполагал фиксированные ошибки ковариации и модель цели с постоянной скоростью, не маневрирующую, для обновления треков.

Фильтр Калмана

Роль фильтра Калмана состоит в том, чтобы взять текущее известное состояние (т.е. положение, направление, скорость и, возможно, ускорение) цели и спрогнозировать новое состояние цели во время последнего измерения радара. Делая этот прогноз, он также обновляет свою оценку собственной неопределенности (т. Е. Ошибок) в этом прогнозе. Затем он формирует средневзвешенное значение этого прогноза состояния и последнего измерения состояния с учетом известных ошибок измерения радара и собственной неопределенности в моделях движения цели. Наконец, он обновляет свою оценку неопределенности оценки состояния. Ключевым допущением в математике фильтра Калмана является то, что уравнения измерения (то есть взаимосвязь между измерениями радара и целевым состоянием) и уравнения состояния (то есть уравнения для прогнозирования будущего состояния на основе текущего состояния) являются линейными .

Фильтр Калмана предполагает, что ошибки измерения радара и ошибки в его модели движения цели, а также ошибки в его оценке состояния являются нулевыми средними с известной ковариацией. Это означает, что все эти источники ошибок могут быть представлены ковариационной матрицей . Таким образом, математика фильтра Калмана связана с распространением этих ковариационных матриц и их использованием для формирования взвешенной суммы прогноза и измерения.

В ситуациях, когда движение цели хорошо согласуется с базовой моделью, фильтр Калмана имеет тенденцию становиться «самоуверенным» в своих собственных прогнозах и начинать игнорировать измерения радара. Если цель затем маневрирует, фильтр не сможет следовать за маневром. Поэтому обычной практикой при реализации фильтра является произвольное незначительное увеличение величины ковариационной матрицы оценки состояния при каждом обновлении, чтобы предотвратить это.

Трекер множественных гипотез (MHT)

MHT позволяет обновлять дорожку более чем одним графиком при каждом обновлении, порождая несколько возможных дорожек. По мере получения каждого обновления радара каждый возможный трек может обновляться с каждым новым обновлением. Со временем путь разветвляется во многих возможных направлениях. MHT вычисляет вероятность каждого потенциального трека и обычно сообщает только наиболее вероятный из всех треков. Из-за ограниченной памяти компьютера и вычислительной мощности MHT обычно включает в себя некоторый подход для удаления наиболее маловероятных потенциальных обновлений треков. MHT разработан для ситуаций, в которых модель движения цели очень непредсказуема, поскольку учитываются все возможные обновления трека. По этой причине он популярен для задач сопровождения наземных целей в системах воздушного наблюдения за землей (AGS).

Взаимодействие нескольких моделей (IMM)

IMM - это средство оценки, которое может использоваться MHT или JPDAF. IMM использует два или более фильтра Калмана, которые работают параллельно, каждый из которых использует разные модели движения или ошибок цели. IMM формирует оптимальную взвешенную сумму выходных данных всех фильтров и может быстро адаптироваться к целевым маневрам. В то время как MHT или JPDAF обрабатывает ассоциацию и сопровождение трека, IMM помогает MHT или JPDAF в получении отфильтрованной оценки целевой позиции.

Нелинейные алгоритмы слежения

Алгоритмы нелинейного отслеживания используют нелинейный фильтр, чтобы справиться с ситуацией, когда измерения имеют нелинейную связь с конечными координатами трека, где ошибки не гауссовы, или когда модель обновления движения является нелинейной. Наиболее распространенные нелинейные фильтры:

  • Расширенный фильтр Калмана
  • фильтр Калмана без запаха
  • Сажевый фильтр

Расширенный фильтр Калмана (EKF)

EKF является продолжением фильтра Калмана , чтобы справиться со случаями , когда связь между радиолокационными измерениями и координатами трека или координатами дорожки и моделью движения, является нелинейной. В этом случае связь между измерениями и состоянием имеет вид h = f (x) (где h - вектор измерений, x - целевое состояние, а f (.) - функция, связывающая эти два). Точно так же связь между будущим состоянием и текущим состоянием имеет вид x (t + 1) = g (x (t)) (где x (t) - состояние в момент времени t, а g (.) - функция который предсказывает будущее состояние). Чтобы справиться с этими нелинейностями, EKF линеаризует два нелинейных уравнения, используя первый член ряда Тейлора, а затем рассматривает проблему как стандартную задачу линейного фильтра Калмана. Хотя концептуально простой, фильтр может легко расходиться (т.е. постепенно работать все хуже и хуже), если оценка состояния, относительно которого линеаризованы уравнения, плохая.

Фильтр Калмана без запаха и фильтры частиц - это попытки решить проблему линеаризации уравнений.

Фильтр Калмана без запаха (UKF)

В UKF попытки улучшить на EKF за счет устранения необходимости линеаризации измерений и уравнения состояния. Он избегает линеаризации, представляя информацию о среднем значении и ковариации в виде набора точек, называемых сигма-точками. Эти точки, которые представляют собой распределение с указанным средним значением и ковариацией, затем передаются напрямую через нелинейные уравнения, а полученные пять обновленных выборок затем используются для вычисления нового среднего и дисперсии. Таким образом, этот подход не страдает от проблем расходимости из-за плохой линеаризации и все же сохраняет общую вычислительную простоту EKF.

Фильтр твердых частиц

Фильтр частиц можно рассматривать как обобщение UKF. Он не делает никаких предположений о распределении ошибок в фильтре и не требует, чтобы уравнения были линейными. Вместо этого он генерирует большое количество случайных потенциальных состояний («частиц»), а затем распространяет это «облако частиц» с помощью уравнений, что приводит к другому распределению частиц на выходе. Полученное распределение частиц затем можно использовать для расчета среднего значения или дисперсии или любых других необходимых статистических показателей. Полученная статистика используется для генерации случайной выборки частиц для следующей итерации. Фильтр частиц примечателен своей способностью обрабатывать мультимодальные распределения (то есть распределения, в которых PDF имеет более одного пика). Однако он требует больших вычислительных ресурсов и в настоящее время не подходит для большинства реальных приложений реального времени.

Смотрите также

  • Пассивный радар - вид радара, работа которого во многом зависит от радиолокационного слежения.
  • Radar - основная статья о радиолокационных системах
  • Отслеживание перед обнаружением - подход, объединяющий процесс обнаружения и отслеживания для обнаружения целей с очень низкой силой.

Ссылки

внешние ссылки