Радар-трекер

Радиолокационный трекер — это компонент радиолокационной системы или связанной с ней системы управления и контроля (C2), который объединяет последовательные радиолокационные наблюдения одной и той же цели в треки . Это особенно полезно, когда радиолокационная система передает данные от нескольких разных целей или когда необходимо объединить данные от нескольких разных радаров или других датчиков.

Роль радара-трекера

Классическая вращающаяся радиолокационная система воздушного наблюдения обнаруживает эхо-сигналы цели на фоне шума. Он сообщает об этих обнаружениях (известных как «графики») в полярных координатах, представляющих дальность и направление цели. радара Кроме того, шум в приемнике радара иногда превышает порог обнаружения детектора постоянной частоты ложных тревог и ошибочно сообщается о целях (так называемые ложные тревоги ). Роль радиолокационного слежения заключается в отслеживании последовательных обновлений радиолокационной системы (которые обычно происходят каждые несколько секунд при вращении антенны) и определении последовательностей графиков, принадлежащих одной и той же цели, при этом отклоняя любые графики, которые считаются ложными. тревоги. Кроме того, радар-трекер способен использовать последовательность графиков для оценки текущей скорости и курса цели. Когда присутствует несколько целей, радиолокационный трекер стремится обеспечить одно сопровождение для каждой цели, при этом история отслеживания часто используется для указания того, откуда пришла цель.

Когда к одному сообщающему посту подключено несколько радиолокационных систем, часто используется мультирадарный трекер для отслеживания обновлений со всех радаров и формирования треков на основе комбинации обнаружений. В этой конфигурации треки часто более точны, чем те, которые формируются с помощью одиночных радаров, поскольку для оценки треков можно использовать большее количество обнаружений.Помимо связывания графиков, отклонения ложных тревог и оценки курса и скорости, радарный трекер также действует как фильтр, в котором сглаживаются ошибки в отдельных измерениях радара. По сути, радарный трекер подгоняет плавную кривую к сообщаемым графикам и, если все сделано правильно, может повысить общую точность радиолокационной системы.Мультисенсорный трекер расширяет концепцию мультирадарного трекера, позволяя комбинировать отчеты от датчиков разных типов — обычно от радаров , радаров вторичного наблюдения (SSR), систем идентификации «свой-чужой» (IFF) и данных о мерах электронной поддержки (ESM).

Радиолокационный трек обычно содержит следующую информацию:

Позиция (в двух или трех измерениях)
Заголовок
Скорость
Уникальный трек-номер

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

Информация о гражданских режимах ВОРЛ A, C, S
Информация о военных режимах IFF 1, 2, 3, 4 и 5
Информация о позывном
Отслеживание информации о надежности или неопределенности

Общий подход

Существует множество различных математических алгоритмов, используемых для реализации радара разного уровня сложности. Однако все они выполняют действия, аналогичные следующим, каждый раз при обновлении радара:

Свяжите радиолокационный график с существующим треком ( ассоциация графика с треком )
Обновите трек с помощью этого последнего графика ( сглаживание трека )
Создавать новые треки с любыми графиками, которые не связаны с существующими треками ( инициирование трека ).
Удалите все треки, которые не были обновлены, или спрогнозируйте их новое местоположение на основе предыдущего курса и скорости ( обслуживание трека ).

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

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

Используя эту информацию, радиолокационный трекер пытается обновить трек, формируя средневзвешенное значение текущего положения, сообщаемого радаром (который имеет неизвестные ошибки) и последнего предсказанного положения цели от трекера (который также имеет неизвестные ошибки). Проблема слежения особенно усложняется для целей с непредсказуемыми движениями (т.е. с неизвестными моделями движения целей), негауссовскими ошибками измерения или модели, нелинейными связями между измеряемыми величинами и искомыми координатами цели, обнаружением при наличии неравномерных распределенный беспорядок, пропущенные обнаружения или ложные тревоги. В реальном мире радар-трекер обычно сталкивается с комбинацией всех этих эффектов; это привело к разработке все более сложного набора алгоритмов для решения этой проблемы. Из-за необходимости формирования радиолокационного сопровождения в реальном времени, обычно для нескольких сотен целей одновременно, развертывание алгоритмов радиолокационного сопровождения обычно ограничивается доступной вычислительной мощностью.

График для отслеживания ассоциации

На этом этапе обработки радарный 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, учитывая 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 попытаться связать участки с треками.

Это можно сделать несколькими способами:

Определив «ворота приема» вокруг текущего местоположения трека и затем выбрав:
- ближайший участок в воротах к прогнозируемой позиции, или
- самый сильный заговор в воротах
С помощью статистического подхода, такого как фильтр ассоциаций вероятностных данных (PDAF) или совместный фильтр ассоциаций вероятностных данных (JPDAF), которые выбирают наиболее вероятное местоположение графика посредством статистической комбинации всех вероятных графиков. Было показано, что этот подход эффективен в ситуациях с сильными радиолокационными помехами .

После того как трек связан с графиком, он переходит к этапу сглаживания трека , где прогноз трека и связанный график объединяются для получения новой, сглаженной оценки целевого местоположения.

После завершения этого процесса ряд сюжетов останется не связанным с существующими треками, а ряд треков останется без обновлений. Это приводит к этапам запуска и поддержания пути .

Отслеживание инициирования

Инициирование трека — это процесс создания нового радиолокационного трека на основе несвязанного радиолокационного графика. При первом включении трекера все первоначальные радиолокационные графики используются для создания новых треков, но после запуска трекера для создания новых треков используются только те графики, которые невозможно использовать для обновления существующего трека. Обычно новому маршруту присваивается статус предварительного до тех пор, пока графики последующих обновлений радара не будут успешно связаны с новым маршрутом. Предварительные треки не отображаются оператору и поэтому позволяют предотвратить появление ложных треков на экране - за счет некоторой задержки при первом сообщении о треке. После получения нескольких обновлений трек подтверждается и отображается оператору. Наиболее распространенным критерием перевода предварительного пути в подтвержденный путь является «правило M-of-N», которое гласит, что во время последних N обновлений радара как минимум M участков должно быть связано с предварительным путем - с M = 3 и N=5 являются типичными значениями. Более сложные подходы могут использовать статистический подход, при котором трек подтверждается, когда, например, его ковариационная матрица падает до заданного размера.

Обслуживание путей

Техническое обслуживание пути — это процесс, в ходе которого принимается решение о прекращении эксплуатации пути. Если трек не был связан с участком на этапе построения графика для отслеживания, существует вероятность того, что цель больше не существует (например, самолет мог приземлиться или вылететь из-под радара). Однако существует вероятность того, что радар просто не смог обнаружить цель при этом обновлении, но обнаружит ее снова при следующем обновлении. Общие подходы к принятию решения о прекращении отслеживания включают в себя:

Если цель не была обнаружена 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 неопределенность отслеживания цели (ковариационная матрица) превысила определенный порог

Сглаживание треков

На этом важном этапе последний прогноз трека объединяется с соответствующим графиком, чтобы предоставить новую, улучшенную оценку целевого состояния, а также пересмотренную оценку ошибок в этом прогнозе. Для этого процесса можно использовать множество алгоритмов различной сложности и вычислительной нагрузки.

Альфа-бета-трекер

Ранний подход к отслеживанию с использованием альфа-бета-фильтра , который предполагал фиксированные ковариационные ошибки и неманеврирующую целевую модель с постоянной скоростью для обновления треков.

Фильтр Калмана

Роль фильтра Калмана состоит в том, чтобы определить текущее известное состояние (т. е. положение, курс, скорость и, возможно, ускорение) цели и спрогнозировать новое состояние цели на момент последнего радиолокационного измерения. Делая этот прогноз, он также обновляет оценку своей собственной неопределенности (т.е. ошибок) в этом прогнозе. Затем он формирует средневзвешенное значение этого прогноза состояния и последнего измерения состояния, принимая во внимание известные ошибки измерения радара и собственную неопределенность в моделях движения цели. Наконец, он обновляет свою оценку неопределенности оценки состояния. Ключевым допущением в математике фильтра Калмана является то, что уравнения измерения (т.е. взаимосвязь между измерениями радара и целевым состоянием) и уравнения состояния (т.е. уравнения для прогнозирования будущего состояния на основе текущего состояния) являются линейными .

Фильтр Калмана предполагает, что ошибки измерения радара, ошибки в его модели движения цели, а также ошибки в оценке состояния имеют нулевое среднее 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 использованием их для формирования взвешенной суммы прогноза и измерения.

В ситуациях, когда движение цели хорошо соответствует базовой модели, фильтр Калмана имеет тенденцию становиться «чрезмерно уверенным» в своих собственных предсказаниях и начинать игнорировать радиолокационные измерения. Если цель затем маневрирует, фильтр не сможет следовать за маневром. Поэтому обычной практикой при реализации фильтра является произвольное увеличение величины ковариационной матрицы оценки состояния при каждом обновлении, чтобы предотвратить это.

Система отслеживания множественных гипотез (MHT)

MHT позволяет обновлять трек более чем на один график при каждом обновлении, создавая несколько возможных треков. По мере получения каждого обновления радара каждый возможный трек потенциально может быть обновлен с каждым новым обновлением. Со временем путь разветвляется на множество возможных направлений. MHT вычисляет вероятность каждого потенциального трека и обычно сообщает только о наиболее вероятном из всех треков. По причинам ограниченности компьютерной памяти и вычислительной мощности MHT обычно включает некоторый подход для удаления самых маловероятных потенциальных обновлений треков. MHT предназначен для ситуаций, в которых целевая модель движения очень непредсказуема, поскольку учитываются все потенциальные обновления трека. По этой причине он популярен для решения задач сопровождения наземных целей в системах воздушного наземного наблюдения (АГС).

Взаимодействующая множественная модель (IMM)

IMM — это оценщик, который может использоваться MHT или JPDAF. IMM использует два или более фильтров Калмана, которые работают параллельно, каждый из которых использует свою модель целевого движения или ошибок. IMM формирует оптимальную взвешенную сумму выходных сигналов всех фильтров и способен быстро подстраиваться под целевые маневры.В то время как MHT или JPDAF занимается ассоциацией и сопровождением отслеживания, IMM помогает MHT или JPDAF получить отфильтрованную оценку целевой позиции.

Нелинейные алгоритмы отслеживания

Алгоритмы нелинейного отслеживания используют нелинейный фильтр, чтобы справиться с ситуацией, когда измерения имеют нелинейную связь с окончательными координатами трека, когда ошибки не являются гауссовскими или когда модель обновления движения является нелинейной. Наиболее распространенными нелинейными фильтрами являются:

Расширенный фильтр Калмана
фильтр Калмана без запаха
фильтр частиц

Расширенный фильтр Калмана (EKF)

EKF — это расширение фильтра Калмана, предназначенное для случаев , когда взаимосвязь между радиолокационными измерениями и координатами пути или координатами пути 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 их). Аналогично, связь между будущим состоянием и текущим состоянием имеет форму x(t+1) = g(x(t)) (где x(t) — состояние в момент времени t, а g(.) — функция 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. Несмотря на концептуальную простоту, фильтр может легко расходиться (то есть постепенно работать все хуже и хуже), если оценка состояния, относительно которой линеаризуются уравнения, плохая.

Фильтр Калмана без запаха и фильтры частиц представляют собой попытку решить проблему линеаризации уравнений.

Фильтр Калмана без запаха (UKF)

UKF . пытается улучшить EKF, устраняя необходимость линеаризации уравнений измерения и состояния Он позволяет избежать линеаризации, представляя информацию о среднем и ковариации в виде набора точек, называемых сигма-точками. Эти точки, которые представляют распределение с указанным средним значением и ковариацией, затем распространяются непосредственно через нелинейные уравнения, а полученные обновленные выборки затем используются для расчета нового среднего значения и дисперсии. Тогда этот подход не страдает от проблем расхождения из-за плохой линеаризации и при этом сохраняет общую вычислительную простоту EKF.

Фильтр твердых частиц

Фильтр твердых 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» через уравнения, что приводит к различному распределению частиц на выходе. Полученное распределение частиц затем можно использовать для расчета среднего значения или дисперсии или любого другого статистического показателя. Полученная статистика используется для генерации случайной выборки частиц для следующей итерации. Фильтр частиц примечателен своей способностью обрабатывать мультимодальные распределения (т.е. распределения, в которых PDF имеет более одного пика). Однако он требует очень больших вычислительных ресурсов и в настоящее время непригоден для большинства реальных приложений реального времени. ^{[ нужна ссылка ]}

См. также

Пассивный радар - разновидность радара, работа которого в значительной степени зависит от радара-трекера.
Радар - основная статья о радиолокационных системах
Отслеживание перед обнаружением - подход, сочетающий процесс обнаружения и сопровождения для обнаружения целей с очень низкой силой.

Ссылки

Внешние ссылки

BlighterTrack от Plextek Ltd. Радиолокационная система сопровождения целей на базе программного обеспечения
Обзор методов объединения радиолокационных данных вместе со сравнением производительности фильтров Калмана и альфа-бета-фильтров слежения www.advsolned.com
SPx Target Extraction and Tracking Коммерческое программное обеспечение для радиолокационного слежения от Cambridge Pixel Ltd.
Библиотека компонентов трекера Бесплатная коллекция алгоритмов Matlab с открытым исходным кодом , связанных с отслеживанием целей, созданная Исследовательской лабораторией ВМС США .