книги / Проектирование устройств фильтрации радиосигналов
..pdfтКинематике- h*[X(t)J Радио- ское зВено канал
Рис. 2.8.
ленное изменение во времени. Эта функция, как правило, со держит тригонометрические зависимости. Функция hi {h2[X (/)],. t} описывает радиосигнал и быстро изменяется во времени. При импульсном излучении большую часть периода повторе ния эта функция равна нулю.
П р и м е р 2.4. Рассмотрим |
формирование сигнала на |
борту движущего |
ся объекта при использовании |
азнмутально-дальномерной |
радиотехнической |
системы ближней навигации [43, 44]. Координаты объекта измеряются в системе хОу (рис. 2.9). По сигналам радиомаяка (РМ) можно измерить азимут 0 и дальность р. Таким образом, на борту объекта принимается сигнал
|
V 2Рв и0 ^ |
|
|
cos [о> (* — т) + |
<р„ а — т)1 |
+ v,(t) |
|
|||||||
Y (0 |
= |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
У Щ |
“р |
|
|
cos И* - |
'О т |
ЪЛ* - т)+ <?(*)] + «2(0 |
|||||||
где Р0 |
и Рр |
— мощности |
азимутального и дально- |
|
|
|
||||||||
мерного |
сигналов; |
«о (/) |
|
и |
мр(£)— форма |
азиму |
|
|
|
|||||
тального |
и дальномерного |
сигналов; |
IHQ — масштаб |
|
|
|
||||||||
ный коэффициент; ф0 (t) |
и cptt(0 |
— закон фазовой |
|
|
|
|||||||||
модуляции (при ее отсутствии |
ф„(0 = |
0 |
н фи(0 = 0 )*> |
|
|
|
||||||||
ф(/г)— случайный |
фазовый |
сдвиг, |
обусловленный |
|
|
|
||||||||
некогерентностыо |
излучения; |
со — несущая |
частота |
|
|
|
||||||||
сигнала; |
v\(t) |
и v2(t) — белые шумы с известными |
|
|
|
|||||||||
спектральными плотностями. |
|
|
|
|
|
|
|
|
|
|||||
В этой системе азимутальный сигнал излучается |
|
|
|
|||||||||||
вращающейся |
антенной, |
поэтому |
задержка |
этого |
|
Рис. 2.9. |
||||||||
сигнала относительно опорного (северного) сигнала |
|
|||||||||||||
|
|
|
||||||||||||
пропорциональна углу 0 , а задержка дальномерного |
величиной |
дальности |
||||||||||||
сигнала |
относительно импульса запроса определяется |
|||||||||||||
Р [43]. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Принятый сигнал можно представить в визе |
|
|
|
|
||||||||||
|
|
|
|
|
Y ( « - h , |
(0. р) + |
V |
(/), |
|
|
|
|||
|
|
У Щ * (t — — j cos |
[ш (t — т) + -fj (( _ |
x)] |
|
|||||||||
где hi (0 , р) = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
У Щ Up |
(f - |
Щ |
cos b |
(t-x ) + |
<p„ / - t ) + |
<p(k)] |
|
|||||
Vt (/) = [Ü|(/) |
ц2 (0]* Величины 0 |
и p |
в свою очередь |
нелинейно |
связаны с |
|||||||||
координатами |
объекта х |
и у. |
Если |
известны |
координаты |
радиомаяка *рц |
||||||||
и у рм |
то |
|
|
|
|
|
|
|
|
х —-урм |
|
|
|
|
|
|
|
|
|
|
|
|
|
arc tg |
|
|
|
||
|
|
|
= |
|
У) = |
|
|
|
У - |
Vpn |
|
|
|
|
|
|
|
|
/ (X— |
4- (У -Урм)* |
|
|
|||||||
|
|
|
|
|
|
|
|
|
В данном примере радиосигнал содержит быстро изменяющиеся вели- •чнны щ, Ир и cosco(/—т). Модулирующие параметры дальности и азимута
р н 0 изменяются медленно.
Задача обработки сигнала \ ( t ) заключается в получении
-Л. УЧ
юценок координат объекта х и у. При обработке радиосигналов шаг квантования времени из-за быстрого изменения сигналов получается малым: доли микросекунды. При этом непосредст венная вычислительная реализация алгоритма расширенного фильтра Калмана оказывается невозможной. Вместе с тем, ис пользуя рассмотренные свойства функции h{ }, можно орга низовать двухэтапную обработку сигнала. На первом этапе де лается обработка принятого сигнала в предположении, что вектор Х(0 в пределах длительности импульса сигнала по стоянен. Результатом первого этапа является определение рас согласования между истинным значением и оценкой параметра. Если это рассогласование невелико, обработка на первом эта пе является линейной по отношению к рассогласованию. При этом функция h [X (/), /] принимает вид
h [X {t), |
/] = h 2 [X (/)] К ,, |
(2.58) |
где Кд — матрица коэффициентов передачи |
дискриминаторов |
|
радиотехнической системы. |
параметры сигнала за время при |
|
Так как модулирующие |
ема импульса практически |
постоянны, выполним |
в выражении |
(2.58) переход к дискретному времени: |
|
|
h [X (А), |
А] = h2 [X (А)] Кд. |
(2.59) |
Организация первого этапа обработки может быть опти мальной, при этом структура дискриминатора и величина Кд будут определяться первой и второй производными логарифма функции правдоподобия принятого сигнала точно так же, как в фильтре, реализующем метод максимума апостериорной ве роятности. При субоптимальной обработке структура дискри минатора определяется разработчиком, а величина Кд полу чается путем анализа. Учитывая выражение (2.59), при двух этапной обработке импульсного радиосигнала уравнение (2.53) можно привести к виду
Yi (А) = H (А) X (A) -j-V (А), |
(2.60) |
где И (А) = дЬ2 ^ {к)' *1 Кд.
д\(к)
Если формирование параметров сигнала выполняется ли нейной моделью, то выражение (2.52) принимает вид
X (А + 1 ) — Ф (А) X (A) -J- Г (A) W (А). |
(2.61) |
Формирование сигнала Yt (Л) в соответствии с выражениями (2.61) и (2.60) поясняется структурной схемой на рис. 2.10.
WW |
Задержка Х(А) |
Ш) |
Г(Ю |
t * t â x 3adf |
h2[X(S)j |
|
П |
|
|
|
КинематичеРадиоканал |
|
Ф |
асе зЗено |
|
|
Рис. 2.10.
Существенное отличие этой схемы заключается в том, что ее выходом является не радиосигнал Y(£), а результат приема и обработки сигнала Yj(6), который линейно связан с модули рующим параметром. Дискрет времени в модели (2.61), (2.60) определяется периодом повторения радиосигналов, что сущест венно упрощает задачу реализации фильтра. Выражениям (2.61) и (2.60) соответствует алгоритм фильтрации:
Х (А + 1 )= Х -(/Н - 1) + К ( А + 1){Yj(k -f- 1) — h2[X"(Æ-f 1)] Кд}. (2.62)
Выражение (2.62) описывает фильтр (рис. 2.11), на вход которого поступает результат оценки параметра fc-й посылки
Ш ) |
Задержка |
X(Jt) |
K(W) |
|
|
|
|
|
Ksh2[hw )j |
Ф(Ю |
|
Рис. 2.11.
сигнала Yi(A:). Этот результат сравнивается с экстраполиро ванным значением параметра в вычитающем устройстве.
А
В алгоритме (2.62) оценка Х(&) не используется при обра ботке радиосигнала, что в конечном счете приводит к сниже нию помехоустойчивости обработки. Поэтому представляет ин терес задача построения оптимального фильтра при функции
наблюдения вида (2.57). |
Подобная задача, |
но при h2[X(£), |
||
А] = H (k) X(k), |
рассматривается в |
разд. 2.2. Выполняя разло |
||
жение функции |
h2[X(&), |
k] в ряд |
Тейлора в |
точке экстрапо- |
|
л |
|
|
|
лированнон оценки Х~(£), получим линейное приближение:
h2 |
[X (ft), ft] = h 2 [X- (ft), |
ft] + H2 (ft) [X(ft) - |
X- (ft)], |
|||
|
|
где |
H,(ft) = |
ôh3 I x-<ft),ft]1 T |
|
|
|
|
ax~ (ft) |
|
|
||
|
|
|
|
|
|
|
Матрица |
H2(ft) |
отличается |
от матрицы |
H (ft) |
в выражении |
|
(2.33) |
тем, |
что она |
содержит |
отличные от |
единицы коэффи |
циенты. Поэтому необходимо соответственно изменить разло жение в ряд логарифма функции правдоподобия:
|
Inp [Y (^„)/Х] = |
1п р [ Y fo +i)/X- (ft + 1)] + |
|||
|
Ы\ |
7 = 1 |
|
m |
|
n |
n |
|
|
m |
|
+ T S |
i ; ^ - ^ |
( f t + J)] [ X j - X j (ft-M )]^^ |
dh^dho, * |
||
i = 1 |
>Tl |
|
dh-ik dli-л |
*=1 |
i- 1 |
|
|
y |
’ |
|
|
|
|
A |
ал', |
|
|
|
|
|
|
|
(2.63) |
где все производные вычисляются в точке Х- (А + 1).
Вводим обозначения: zt = d\npldh2l, а1}= — д'г In p/dh2ldh2jt i, 7 = 1 , 2, 0 от, тогда (2.63) примет вид
M [Y (f* +1)/X] =ln/»lY (^+1)/X-(ft + l)] + Z ^ |
) r [X -X - (ft+ l)] - |
- i |Х - X- (ft + 1)]" g f ) А ( ^ ) Г[Х - |
X- (ft + 1)]. (2.64) |
Это выражение внешне совпадает с выражением (2.35), одна ко величины Z и А вычисляются в этих выражениях разными способами. В разд. 2.2 рассматривался случай модуляции ра диосигнала непосредственно компонентами вектора X(ft), в этом разделе предполагается модуляция компонентами вектор ной функции h2[X(ft), ft].
Исследование показывает, что оптимальная оценка фильтра ции имеет вид
X(ft + l) = P H f(ft+ l)Z + X -(ft + l), |
(2.65) |
где Р — ковариационная матрица ошибок фильтрации; |
Р-1 = |
=■ [Р_ (ft + I)]-1 -f-H2r (ft+1) AH2(ft-H);X“ (ft -j- 1 ) - оценка экст
раполяции; Х~ (ft-j-1) = Ф (ft) X (ft).
Структура алгоритма (2.65), представленная на рис. 2.12, отличается от алгоритма (2.62) наличием оптимального нели-
Рис. 2.12.
нейного лдискриминатора, в котором используется оптимальная
оценка Х~(А+1). Использование оптимальной оценки с мини мальной дисперсией ошибки в дискриминаторе весьма сущест венно, так как для надежной работы измерителя истинное зна чение параметра должно находиться в пределах линейного уча стка дискриминационной характеристики.
Рассмотренный алгоритм представляет существенный прак тический интерес при построении системы обработки на основе микроЭВМ, которая может выполнить почти все операции, кроме оптимального дискриминирования при широкополосных сигналах.
П р и м е р 2.5. Рассмотрим построение дальномера в системе управле ния движением объекта, который движется на высоте А вдоль оси р. Изме нение р описывается уравнением (2.17).
Рис. 2.13.
Дальномер на борту объекта измеряет наклонную дальность до радио
маяка d=y/i2+ p 2.
Уравнение наблюдения:
У ( * ) = |
И | * — 2 ( 1 j |
cos (u>t + в) + V, ( f ) = |
Г |
^ ~\f Л" “f- p* (k) |
1 |
= “ [* — |
---------- - -------- |
J COS Kiùt + 0) + vx (t). |
Спроектируем дальномер на основе соотношения (2.65). В данном слу чае структура дискриминатора повторяет пример 2.3, если определить
d-( k)=Vi 1г+[р-(вд.
На рис. 2.13, поясняющем устройство фильтра, выделена часть фильтра, выполняемая программными средствами в ЭВМ. Дискриминатор реализуется цифро-аналоговыми средствами. Для подключения дискриминатора к ЭВМ требуется организовать два канала обмена, по которым сигнал ошибки по дается в ЭВМ и принимается код экстраполированного значения оценки дальности.
3. СУБОПТИМАЛЬНЫЕ АЛГОРИТМЫ ФИЛЬТРАЦИИ
Использование ЭВМ и микропроцессоров при обработке ра диосигналов предполагает работу в реальном времени в темпе поступления сигнала, что существенно ограничивает допустимую сложность программ обработки. Таким образом, возникает за дача упрощения алгоритмов и уменьшения вычислительной на грузки на ЭВМ.
Можно предложить ряд методов, позволяющих уменьшить объем вычислений при незначительном росте погрешностей. В данном разделе обсуждаются проблемы понижения порядка фильтра и тесно связанная с ними задача упрощения фильтра при многомерном наблюдении. Затем для оптимальных и не оптимальных фильтров пониженного порядка производится вы бор наилучших стационарных коэффициентов усиления для наи более распространенных моделей изменения параметров в ди скретном времени.
3.1. Фильтр пониженного порядка
Рассмотрим линейную модель изменения параметров и оцен ки для дискретного времени:
X (А + 1)= Ф (А) Х (А )+ W (А), |
(3.1) |
Y (k) = H (k) X (k) + V(A)f |
(3.2) |
где E (X (0,) = X0; E ( [X(0) - X0] [X (0) - X0]*) = |
P (0); Q (k) = |
=(W (Æ) W r (Æ)); R(k) = E |V (&) Vr (A)). К этой модели, как
показано в разд. 2, можно свести путем линеаризации и нелиней ные задачи обработки радиосигналов.
Из теории оптимальной фильтрации (Приложение 1) изве стно, что для получения несмещенной оценки алгоритм фильтра ции должен иметь структуру
X (k + 1 )= Ф (к) X (k) + К (k + 1 ) [Y (ft+1 ) — Н (Л+1 ) Ф (k) X (А:)],
(3.3)
где К(/е-М) — матричный коэффициент усиления.
Выявим условия, при которых оценка остается несмещенной при понижении порядка фильтра. Рассмотрим вектор Xi (k ) раз мером пи причем rti<n: Xi (k) = АХ(&), где A = [IniO], lni — единичная матрица «iX/ti.
Л |
л |
Оценка ХД&) отличается от оценки Х(&) отсутствием ряда составляющих. Нетрудно показать, что использование оценки
X\(k) не дает смещения, если
|
Хх(0) |
, H (/г) = [H, |
(k) .0], Ф (k) = |
[Ф"0 {к) |
W |
|
Х(0) = |
о |
|||||
|
К, (Л) |
|
|
|||
|
|
К(*) = |
|
|
||
|
|
О |
|
|
||
|
|
|
|
|
где Фи (k) — матрица я, X п„ Ki (k) — я, X /я, Нх [It) — т X пх.
При выполнении этих условий в начальный момент времени
часть составляющих вектора оценки Х(&) с номерами больше «1 будет занята нулями. В дальнейшем при умножении на Ф и К в соответствии с выражением (3.3) эти нули сохранятся. Поэтому вместо выражения (3.3) можно использовать алгоритм
Х1(Л+1) = Ф11(й)Х?(А) + К,(Л+ 1)[Y(A+1)-H,(ft + 1) X
X Фц(£, Хх (й)]. |
(3.4) |
Может показаться, что требование равенства нулю части со ставляющих математического ожидания существенно ограничи вает применимость алгоритма (3.4). Практически это не так, по скольку данными о математическом ожидании Х0 проектиров щик, как правило, не располагает, и ошибка (априорная) оцен ки начального состояния моделируется как случайная вели чина с нулевым средним.
Метод понижения порядка, основанный на усечении части вектора X(t), не является оптимальным в том смысле, что мат рица А строится интуитивно. Однако с инженерной точки зре ния такой подход привлекателен тем, что отбрасываются пере менные с ненадежным описанием.
Для выбора оптимального значения Ki(6+1) составим выра жение для ковариационной матрицы ошибок Р(/г+1) (см. При
ложение |
1): |
|
P(ft + 1)= |
[1 —К(М - 1)Н(/г -М)] P"(/s-f 1) [I—K(&-t- 1)Н(/г+1)]Г4- |
|
|
- t - K ( M - l ) R ( Æ + l ) K r (A: + l), |
(3.5) |
где Р “ (Л+ 1) = Ф(£) Р(Л)ФГ (/s) + Q [k). Определение К| [к 4-1) для субоптимального фильтра является более сложной задачей, чем для оптимального. Простота оптимальной процедуры оцени вания объясняется использованием принципа оптимальности
Р. Веллмана и свойств марковских процессов [23]. Благодаря этим обстоятельствам A-шаговая задача нахождения оптималь ной оценки сводится к рекуррентной процедуре, содержащей k одношаговых задач оптимального оценивания. В случае суб оптимального фильтра оценка на одном шаге не оптимальна, и применение принципа оптимальности необосновано. (В соответ ствии с этим принципом оптимальная стратегия обладает тем свойством, что каковы бы ни были начальное состояние и на чальное решение, последующие решения должны быть опти мальными по отношению к состоянию, являющемуся результа том первого решения.) Вследствие этого затрудняется исполь зование рекуррентной оптимизации, и методы построения суб оптимальных фильтров, изложенные в работах [8, 34, 35, 52, 60], являются приближенными. В оптимальном фильтре на
основе принятого сообщения Y (Л) |
строится оценка |
Л |
|
X(é), кото |
|||
рая использует всю информацию сообщения Y(Л). По этой при |
|||
чине не требуется хранить старые |
сообщения |
Y(l) |
Y(é) и |
можно реализовать рекуррентный |
алгоритм с |
использованием |
А
только оценки Х(/г). В субоптимальном фильтре информация сообщения Y(é) на одном шаге полностью не используется, и поэтому Y (k) может улучшить оценку на следующих шагах. Из-за сложности многошаговых оценок их использование неце лесообразно, и в ряде работ [8, 30, 34, 52, 53, 60] рассмотрены одношаговые методы оптимизации субоптимальных фильтров. Однако при этом следует иметь в виду, что одношаговая опти мизация в случае субоптимального фильтра не дает наилучшего результата для всей рекуррентной последовательности.
Использование одношаговой оптимизации тем не менее имеет •большое практическое значение при исследовании переходных процессов в момент включения субоптимального фильтра. Как правило, отбрасывается часть вектора Х(&), соответствующая высшим производным параметра, которые в начале переходного процесса оцениваются весьма грубо. Поэтому замена оптималь-
А
ной оценки X(k) субоптимальной Xj (k) (не содержащей оценок этих производных) дает приемлемые погрешности в оценива нии параметра. При^больших значениях дискретного времени к одношаговая оптимизация нежелательна. Для нахождения параметров фильтра в этом случае следует выполнить предель ный переход в выражении (3.5) при k-+oo, Р(&)-»-Р, Р~(6)->-Р_
Естественно, что предельный переход возможен лишь |
при стацио |
||||||
нарной модели, |
в |
которой |
Ф (k) = |
Ф, H(fe) = H, |
Q(£)=Q, |
||
R(Æ) = R. Из выражения (3.5) |
можно получить уравнения |
|
|||||
Р=[1 - |
КН] (ФРФГ + |
Q) [I - |
КН]Г + KRKr |
(3.6) |
|||
Р- = Ф 1(1 _ |
KH] P- [I - |
КН]Г + |
KRKr ) Фг 4 |
- Q, |
(3.7) |
где КТ=[КГ 0]. Уравнение (3.6) используется при оптимиза
ции Ki по |
минимуму |
среднего квадрата ошибки фильтрации, |
||||
а уравнение |
(3.7)— по минимуму |
среднего |
квадрата |
ошибки |
||
экстраполяции. |
оптимальную |
задачу ( п \ = п ) у то |
выраже |
|||
Если |
рассмотреть |
|||||
ния (3.6) |
и (3.7) дают одно и то же значение |
К, в субоптималь- |
ном фильтре значения Ki получаются разными. В оптимальной задаче нет смысла использовать выражения типа (3.6) и (3.7) для получения асимптотического значения коэффициента уси ления, так как оптимальное значение может быть получено из формулы оптимального К(&) для одного шага путем предель ного перехода при k-^оо. В субоптимальном фильтре подобный переход даст неверный результат, так как оптимизация одного шага не гарантирует оптимальности всей рекуррентной после довательности.
П р и м е р 3.1. Рассмотрим |
задачу |
построения оптимального |
стационар |
|||||||||||
ного фильтра, |
содержащего |
два |
интегратора, |
при |
фильтрации |
параметра |
||||||||
с постоянным |
ускорением. |
Введем вектор |
состояния |
Хг (А)=[р(А) |
и0 (к) |
|||||||||
ûp(fc)], где |
р(£ ) — параметр; |
v ? (k) — скорость; |
а ? |
(к) — ускорение. |
|
|||||||||
Изменение |
параметра |
с |
постоянным ускорением |
описывается |
разност |
|||||||||
ным уравнением |
|
Х ( Н 1 ) = Ф Х ( Ч , |
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|||||
|
|
где Ф = |
‘ 1 |
Тп |
ту2 ' |
|
|
|
' р |
(О)- |
|
|
|
|
|
|
0 |
1 |
Тп |
; |
х < 0 ) - |
®Р(0 ) |
|
|
|
||||
|
|
|
0 |
0 |
1 |
|
|
|
Л |
(°). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
На вход фильтра поступает |
наблюдение; Y(k) = Н Х(k) + V(k), где |
Н = [! |
О 0]; |
|||||||||||
V(к) — дискретный белый |
шум |
с нулевым |
средним |
и дисперсией |
о2. |
с |
тремя |
|||||||
Модели |
движения (3.8) |
соответствует |
оптимальный фильтр |
|||||||||||
дискретными |
интеграторами. |
Если лее |
используется фильтр* с двумя |
инте |
граторами, то он должен рассматриваться как субоптимальный. При проек
тировании этого фильтра |
представляем |
значение |
ускорения а 0 (0 ) |
как по |
|||||||||||||
стоянную |
случайную величину |
с |
нулевым средним. |
Полагаем, |
что ар (0) |
||||||||||||
может принимать с равной вероятностью значения |
я р |
и |
—а ? , |
и, |
следова |
||||||||||||
тельно, имеет |
дисперсию |
a l = al |
|
Субоптималььая |
оценка |
строится в соот |
|||||||||||
ветствии с выражением (3.4): |
|
|
|
|
|
|
|
|
|
|
|||||||
'р |
(* + |
!)' |
'1 |
Та' |
■р |
(*)■ |
+ |
'/Cl (ft -b 1)' [К(А+1) - ? (А) - |
7>р (А)]. |
||||||||
», (А + |
1)_ |
0 |
1 |
||||||||||||||
У р (кК |
|
KAk + li |
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
Определим |
оптимальное |
значение |
коэффициента |
усиления |
с |
помощью |
||||||||||
рекуррентных соотношений: |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
К(А + 1) = |
Р-<А + |
1)Нг [ Н Р - ( А + 1 ) Н г + г Ч " ’. |
|
С'.9) |
||||||||||
|
где P |
{к + |
1) = |
ФР (к) Ф г. Р (*) = |
[ ! - К |
1Л)Н]Р“ (Л,) |Г _ к (Л) Hir -h |
|||||||||||
|
|
|
|
|
|
|
|
|
АК (к) | |
|
|
|
|
|
|
||
|
|
|
о-К (А) К т(А); К (A) = [ |
А К0о ( А); J |
А = |
|
|
|
|
||||||||
|
Используя |
значение К (А 4-1) |
из выражения |
(3.9), составим |
выражение |
||||||||||||
для матриц ковариации |
Р (к) |
н |
Р“ (Л-hi). |
Затем |
из |
условия |
Р“ (£) = |
||||||||||
= |
P” (A-f 1) = |
Р~ при к- * *> получим уравнение |
|
|
|
|
|
|