книги / Радиолокационные измерители дальности и скорости. [Т.1]
.pdfz(k) = Xl(k) + ^(k)
из общих соотношений (1.4Л9), (1.4.20) можно записать уравне ния оптимального фильтра
Xi(k) |
= x8l(k)+ кф1[г(к) - x9l(k)], |
|
х2(к) |
= хэ2(к) + кф2[г(к) - хэ1(к)], |
(1.4.29) |
x3i(k) = хх(к -1) + Tdx2(k-1), хэ2(к) = х2(к -1).
В установившемся режиме Kj^const, ^ 2e const. В литературе часто используют обозначения [27] Кф^а, Кф2=Р/Т^, а стационар ный фильтр (1.4.29) называют <х-Р фильтром.
Пример 2. На практике встречаются ситуации, когда оценки информационного процесса необходимо формировать с темпом T<j, а измерения (1.4.18) проводятся в более редкие моменты времени, отстоящие один от другого на интервал T^NT^. В этом случае можно записать
z(k)=3(k)[H(k)x(k)+Uk)L
(1.4.30)
I s _ fl, |
при k = iN, i = 0,1,2... |
[О, |
при к ^ Ш |
Подставляя (1.4.30) в (1.4.19), (1.4.20), получаем следующий алгоритм оптимальной фильтрации:
х(к) = хэ(к); |
к |
* iN; |
|
хэ(к)=Ф(к, к -1) |
хэ(к -1)+В(к-1)и(к-1); |
|
|
хэ(к -1 = (i - |
1)N) = x((i - 1)N); |
|
|
x(k) = хэ(к)+Кф(к)[г(к)-Н(к)хэ(к)]; k=iN. |
(1.4.31) |
Уравнения для коэффициента усиления Кф(к) определяются формулами (1.4.21)-(1.4.23) с учетом структуры наблюдений (1.4.30).
Поскольку экстраполяция выполняется с малым шагом при ближаясь по точности к аналоговой процедуре, а измерения по ступают редко, то в литературе алгоритм (1.4.31) иногда называют аналого-дискретным.
Так же как и в непрерывном времени, для оптимальной дис кретной оценки (1.4.19) можно записать уравнения в форме фильтра Винера [52].
В задачах радиолокационных измерений координаты объекта являются непрерывными функциями времени. Наблюдаемый про цесс также во многих приложениях описывается непрерывной функцией. В то же время формирование оценок координат в со временных системах реализуется, как правило, в дискретном вре мени на базе цифровых вычислителей. В связи с этим встает во прос об оптимальной дискретной фильтрации непрерывных про цессов. Ответ на этот вопрос дают комбинированные калмановсковинеровские фильтры [52].
1.4.3. Комбинированные калмановско-винеровские алгоритмы
фильтрации
Пусть сообщение и наблюдаемый процесс описываются урав нениями (1.4.1), (1.4.2) при u(t)=0. Поставим задачу формирова ния оптимальных оценок i(tk) в дискретные моменты времени tk, k=l,2,.... Рассмотрим уравнение оптимального фильтра Калмана в форме (1.4.3) и запишем для него решение на интервале времени
OfcVu) |
|
|
^ t k+1) = % |
+1,t k) ^ t k) + tkf i ( t k+bx)D (x)lT(x)G ;1(T)z(x)dT= |
|
|
tk |
|
~ |
tk+1 |
(1.4.32) |
= ^ ( tk+i>tk )S(tk)+ JSo(tk + i^ K T) d t ’ |
||
|
4 |
|
где <t>(tk+1,t) - как и выше, переходная матрица линейного фильт
ра, удовлетворяющая уравнению (1.4.16), a go(tk+i,x) - импульс ная характеристика фильтра Винера, для которой справедливо выражение (1.4.15).
Представление (1.4.32), рассматриваемое в дискретные момен ты времени tk, - одно из решений поставленной задачи. Оно явля ется рекуррентным уравнением, связывающим соседние оценки x(tk+1) и x(tk) и содержит винеровский фильтр для наблюдений
внутри интервала. Структурная схема комбинированного фильтра, реализующего (1.4.32) приведена на рис. 1.4.3. Она состоит из фильтра Винера для непрерывного времени, представленного в ви-
де коррелятора, хотя возможна также реализация на основе ана логового фильтра с импульсной характеристикой go(tk+i,T), анало го-дискретного преобразователя А/Д и рекуррентного фильтра, ра ботающего в дискретном времени с периодом T=tk+1 -tk.
Рис. 1.4.3.
Другое представление комбинированного алгоритма можно получить из (1.4.32), воспользовавшись следующим представлени ем для переходной матрицы
^ л )= ^ Д к)-Ц^т)1)(т)Яг(т)(^1(тДт)ф(тЛк)(1т, (1.4.33)
где 0 (t,x) - фундаментальная матрица априорного уравнения (1.4.1) для сообщения x(t), удовлетворяющая уравнению <b(t, x)=F(t)<I>(t,x), с начальным условием Ф(х,х)=Е.
Справедливость такого представления следует из того, что правая часть (1.4.33) удовлетворяет (1.4.16) и при t=tk обращается в единичную матрицу Е.
Подстановка (1.4.33) в (1.4.32) даёт
£(*к+1 )=Ф (*к+1 Л ) * М +
+ fФ(*к+1>T)D(T)HT(T)GH1(T)[z('r)- Н(т)ф(т,tk)x(tk)]dx =
tfc+1 |
(1.4.34) |
=x8(tk+i)+ \ ffo(*k+i»T)[z(T) ~ Н(т)хэ(т)](1т, |
где
«•(tk+lb^W tk) x(tk), х9(т)=ф(т,tk) x(tk)
- имеют смысл экстраполированных для моментов времени tk-j-i и х оптимальны* оценок x(tk) сообщения, полученных по наблюде
ниям до началд интервала (tk,tk+i).
Структурная схема фильтра, описываемого уравнением (1.4.34) приведена на рис. 1.4.4.
Рис. 1.4.4.
Данная схема ближе к структуре фильтра Калмана, чем схе ма, приведенная на рис. 1.4.3. Основное отличие заключается в том, что, если в схеме рис. 1.4.3 в аналоговой ее части стоял не следящий фильтр Винера, то в схеме рис. 1.4.4 аналоговая часть охвачена отрицательной обратной связью по оценке x(tk). Другое
отличие заключается в том, что в схеме рис. 1.4.4, кроме опти мального экстралолятора на момент времени tk+1, есть оптималь ный экстраполятор на каждый промежуточный момент времени xe(tk,tk+i). Следует отметить, что данная операция характерна, как это будет показано в следующем разделе, для любого опти мального комбинированного фильтра.
1.5. АЛГОРИТМЫ ОПТИМАЛЬНОЙ НЕЛИНЕЙНОЙ
ФИЛЬТРАЦИИ
Задача фильтрации называется нелинейной, если состояние описывается нелинейным дифференциальным уравнением (1.3.1) или оно входит нелинейно в наблюдения (1.3.2). В интересующих нас задачах состояние ДС, как правило, описывается линейным дифференциальным уравнением вида (1.4.1), а наблюдаемый про цесс (принимаемые радиосигналы) описывается нелинейным урав нением, так как полезная информация содержится в задержке ра диосигнала, фазе или доплеровской частоте. Указанные параметры радиосигнала будем называть информативными и обозначать век тором X.
Поясним связь между параметрами сигнала к и вектором со стояния х. Каждому из параметров А* сигнала может быть постав лен в соответствие вектор щ. Так, например, задержку, несущую информацию о дальности до цели х1э скорости Х2 и ускорении Х3 сближения, можно представить соотношением ^=стх, где с=[1 О 0]т, x=[xj Х2 х3]т. Аналогично связаны и другие параметры сигнала с векторами, описывающими их в пространстве состоя ний. В общем случае полный вектор параметров сигнала X также связан с вектором х, отображающим его в пространстве состояний, соотношением А,=Стх, где С - матрица соответствующей размерно сти. С учетом сделанных замечаний наблюдаемый процесс будем описывать уравнением
z(t) = s(X,t) + £H(t), |
Я=Стх, |
(1.5.1) |
В отличие от задачи линейной фильтрации гауссовских про цессов, когда апостериорная плотность вероятности является гаус совской, в задаче нелинейной фильтрации апостериорная плот ность вероятности является в общем случае негауссовской. Это приводит к тому, что, во-первых, оптимальные оценки сообщения, соответствующие различным критериям оптимальности, могут от личаться друг от друга. Так, например, оценки условного среднего и максимума апостериорной плотности вероятности не совпадают при несимметричных апостериорных плотностях. Во-вторых, даже в рамках одного критерия оптимальности, например минимума дисперсии ошибки фильтрации, не удается получить точного замкнутого решения, так как апостериорная плотность вероятно сти описывается бесконечной цепочкой взаимосвязанных момен тов, квазимоментов или семиинвариантов [67, 77]. Поэтому в тео рии оптимальной нелинейной фильтрации используют те или иные приближенные решения. Наибольшее распространение полу чило гауссовское приближение, при котором апостериорная плот ность вероятности полагается гауссовской. Кроме того в этом слу чае полагают, что отношение энергии полезного сигнала к спек тральной плотности аддитивного шума (отношение сигнал/шум) достаточно велико, так что точность фильтрации высокая. Это по зволяет разложить нелинейную функцию в ряд по степеням разности (х-х). Подставив полученное разложение и гауссовскую апостериорную плотность в (1.3.5) и выполнив необходимые ус реднения можно получить различные алгоритмы оптимальной фильтрации в гауссовском приближении. Наиболее простой из них, получивший в литературе название «расширенного фильтра Калмана», описывается уравнениями:
5s[cTx,t)V
x(t) = F(t)x(t) + D(t)
Эх J |
|
x(0) = x0, |
(1.5.2) |
ofeJcTx.t) |
a s jc b t )4 |
D(t) =B(t)D(t)+D(t)F(t)+Gx(t)-D(t) |
B(t), |
Sx |
dx |
D(0)-Do, |
(1.6.3) |
где x - оценка условного среднего, D - матрица дисперсий ошибок фильтрации. Здесь и далее при векторном дифференцировании принято определение производной скаляра по вектору как векторстрока [51].
Уравнение (1.5.2) описывает следящую систему, структура которой аналогична структуре фильтра Калмана. В радиоавто матике [50] радиотехнические следящие системы принято пред ставлять в виде, приведенном на рис. 1.5.1, где буквами Д, Ф и М
обозначены дискриминатор, фильтр и модулятор. Дискриминатор является нелинейным устройством, выделяющим информацию о рассогласовании v = X - X между информационными параметрами
X принимаемого сигнала и их оценкой X в процессе сравнения z с в(£, t).
В соответствии с [50, 67] процесс на выходе дискриминатора определяется соотношением
Га**(м)у |
(1.5.4) |
|
идМ = V дк ) \ = х ’ |
||
|
||
где |
|
|
Рф(М ) = sT(M)G;l(z(t) - 0,5s(X t)) |
(1.5.5) |
- логарифм функционала правдоподобия.
Подставляя (1.5.5) в (1.5.4) и выполнив дифференцирование, получаем
|
т |
|
|
|
|
uд |
GH1(z(t) - |
s(l, t)). |
|
(1.5.6) |
|
С учетом введенного определения дискриминатора представим |
|||||
уравнение (1.5.2) в виде |
|
|
|
|
|
х = F(t)x+ DCu^t) = F(t)x + K(t)ufl(t), |
|
(1.5.7) |
|||
Структурная схема фильтра, описываемого уравнением (1.5.7) |
|||||
приведена на рис. 1 .6.2 . Как следует из |
уравнений |
(1.6.4)—(1.5.6) |
|||
|
|
структура |
дискриминатора |
||
|
|
определяется только структу |
|||
|
|
рой |
наблюдаемых данных |
||
|
|
(1.5.1), в том числе формой |
|||
|
|
сигнала, и не зависит от |
|||
|
|
формы представления пара |
|||
|
|
метров X в пространстве со |
|||
|
Рис. 1.5.2. |
стояний, |
т.е. |
от структуры |
|
|
уравнения |
(1.4.1). В то же |
|||
|
|
время фильтр Ф определяется |
только видом уравнения (1.4.1), описывающего изменение вектора состояния х, и не зависит от формы сигнала s(l,t), т.е. от структу ры наблюдаемых данных. Отмеченное свойство оптимального из мерителя остается справедливым и при решении других задач оптимальной фильтрации в гауссовском приближении. Так, на пример, если фильтруемый процесс описывается нелинейным уравнением (1-3.1), то при гауссовском приближении изменится лишь структура сглаживающего фильтра, в котором вместо F(t)x следует взять f(x,t).
Учитывая этот факт при решении практических задач синтез оптимального дискриминатора и синтез оптимального сглажи вающего фильтра можно проводить раздельно, комбинируя их по том в соответствии с структурной схемой рис. 1.5.2. Такая мето дология синтеза оптимальных измерителей будет широко исполь зоваться в настоящей книге. В частности рассмотрим еще одно уп рощение, широко используемое при синтезе оптимальных сглажи вающих цепей (фильтров «Ф» рис. 1.5.1). Для этого вернемся к описанию дискриминатора оптимальной нелинейной системы фильтрации (1.5.6). Процесс ufl(t) на выходе дискриминатора яв ляется случайным. В нем можно выделить регулярную (математв
ческое ожидание U=M[uA(t)]) и случайную составляющие, т.е. представить его в виде
ufl(t)=U(\A)+i;(t). (1.5.8)
С точки зрения формирования процесса ufl(t) на выходе дис криминатора оптимального измерителя рис. 1.5.2 можно привести эквивалентную структурную схему его входной части в виде, при веденном на рис. 1.5.3.
Зависимость математического ожидания процесса на выходе дискриминатора от ошибки слежения v=X - X принято называть дискриминационной характеристикой. Качественная зависимость U(v) приведена на рис. 1.5.4. При большом отношении сигнал/шум ошибка фильтрации в следящем измерителе мала и не
1 1 |
1 |
•ЩхД)- |
|
|
Рис. 1.5.3. |
Рис. 1.5.4.
выходит за пределы линейного участка дискриминационной ха рактеристики, которая в этом случае может быть представлена в виде
u ( x - x ) = s flx ( x - £ ) , |
(1.5.9) |
|
3U (A - А.) |
а - матрица крутизн |
дискриминационной |
где S„= |
||
ЗА, |
X = X |
|
характеристики.
С учетом (1.5.9) эквива лентная структурная схема входной части измерителя принимает вид, приведенный на рис. 1.5.5. В этой схеме случайный процесс T](t) на вы ходе дискриминатора можно пересчитать ко входу эквива-
лентной структурной схемы через матрицу крутизн SA дискриминационной характеристики. При ; том эквивалентная структурная
схема всего фильтра пре образуется к виду, показанному на рис. 1.5.6. Данная схема с точностью до обозначений для матричного
Рис. 1.5.6.
коэффициента совпадает со структурной схемой на рис. 1.4.1 оп тимального фильтра Калмана, для которого наблюдаемым про цессом является
z(t) = X+S'^(t) = Стх + S~4(t). |
(1.5.10) |
Таким образом, для синтеза оптимальных сглаживающих це пей можно использовать мощный аппарат теории оптимальной линейной фильтрации, подробно описанный в предыдущем разде ле, с учетом структуры эквивалентного наблюдаемого процесса (1.5.10).
При отсутствии (пропадании) входного сигнала в моменты t>ti уравнения для оптимальной экстраполированной оценки и матрицы дисперсий ошибок экстраполяции определяются форму лами (1.4.11), (1.4.12).
Все сказанное выше для задачи фильтрации в непрерывном времени остается справедливым и для дискретного времени. По этому кратко приведем основные итоговые соотношения.
Наблюдается реализация |
|
|
z(k) = s(A ,k) + £„(k), |
A (k) = CTx(k), |
(1.5.11) |
в которой информационные параметры X сигнала отображаются в пространстве состояний вектором
х(к)=Ф(к,к-1)х(к-1)^х(к-1). (1.5.12)
Оптимальный в гауссовском приближении алгоритм фильтра ции имеет вид:
аз(стХэ(к),к)
x(k)=x3(k)+D(k) |
йх, |
|
|
w »k)1’ |
||
|
|
|
|
|||
|
|
|
|
|
||
x(0) = x0; |
|
|
|
(1.6.13) |
||
хэ(к)=Ф(к,к-1)x(k-1); |
|
|
(1.5.14) |
|||
Щк)=Ф(к,к- 1)Щк-1)Фт(к,к- 1)+Dx(k-1), |
(1.6.15) |
|||||
D(k)=(I-K(k)H(k))Dg(k), |
|
D(0)=D0; |
(1.5.16) |
|||
|
/ _ / _ |
\ |
_ \\ T |
|
|
|
|
Эз(стхэ(к),к) |
|
|
|||
K(k)=D3(k) |
|
|
|
|
||
|
Эх, |
|
|
|
|
|
D«(k)- |
8в(с,х,(к),к)1 |
, / 0s(cX(k),k) |
(1.5.17) |
|||
Эх, |
J |
Э\ / |
Эх, |
|||
|
|
|||||
|
|
v |
|
|
Уравнения (1.5.12)-(l-5-17) описывают оптимальную нели нейную дискретную следящую систему, в которой, так же как и в непрерывном случае, можно выделить дискриминатор и фильтр. Для дискриминаторасправедливо выражение
М к) = стхэ(к), |
(1.5.18) |
где
,k)=sT(X.,k)D~1(k)[z(k)- 0,5з(Х,к)], Х =Стх. (1.5.19)
С учетом (1.5.18) оптимальный фильтр |
будет описываться |
выражением: |
|
*(к)=хэ(к)+D(k)Cид(к), |
(1.5.20) |
хэ(к)=Ф(к, к -1)х(к-1), |
(1.5.21) |
Структурная схема системы приведена на рис. 1.5.7. Так же как и в непрерывном времени, структура оптимального дискрими40