Синтез фильтра координат угла прямой видимости на основе интерактивного многомодельного алгоритма оценки
Ключевые слова:
летное оборудование, цель, маневр, угол прямой видимости, интерактивная мультимодельАннотация
На основе отслеживающей многоконтурной системы координат целевого угла в статье был выбран и предложен интерактивный многомодельный алгоритм адаптивного фильтра для улучшения качества фильтра целевых фазовых координат. Алгоритм интерактивной многомодельной оценки способен адаптироваться к динамике цели по мере продвижения процесса оценки к наиболее подходящей модели. Данный алгоритм имеет 3 модели, выбранные для разработки фильтра координат угла прямой видимости: модель постоянной скорости (CV), модель Зингера и модель постоянного ускорения, характеризующие 3 различных уровня маневренности цели. В результате, качество оценки фазовых координат цели улучшается, поскольку процесс оценки имеет перераспределение вероятностей каждой модели в соответствии с фактическим маневрированием цели. Структура фильтров проста, ошибка оценки мала, а задержка обнаружения маневрирования значительно сокращается. Результаты проверяются посредством моделирования, гарантируя, что во всех случаях цель маневрирует с разной интенсивностью и частотой, фильтр координат угла прямой видимости всегда точно определяет угловые координаты цели. Метод синтеза системы координат цели, использованный в статье, может быть расширен и применен к системам сопровождения целей в РЛС управления огнем, размещенных под землей.
Литература
2. Jiyuan L., Jun Z., Yingying L. Applying auto-adaptation filter to tracking of maneuvering target in special relative navigation // J. Northwest. Polytech. Univ. 4, 013. 2018.
3. Канащенкова А.И., Меркулова В.И. Авиационные системы радиоуправления // Радиотехника. Москва. 2013.
4. Bar S.Y., Rong L.X., Kirubarajan T. Estimation with applications to tracking and navigation // Theory Algorithms and Software. John Wiley & Sons. 2011.
5. Blackman S., Popoli R. Design and analysis of modern tracking systems // Artech House. 2009.
6. Shaofeng M., Xinxi F., Yulei L., Zhang W., Xiaomei Z. A variable dimension adaptive IMM tracking algorithm // Electron. Opt. Control 22.(02). 2016. pp. 36-45.
7. Xiu L. H., Jing S.Y. Curve model of adaptive interaction model algorithm tracking method // Applied Mechanics and Materials. Vol 738-739. March 2018. pp. 344-349.
8. Jiangw L.V.Z., Lan Y. IMM-CKF algorithm based on variable dimension interaction // Comput. Appl. Softw. 30(5). 4–6. 2017.
9. Nguyen. N.T., Nguyen D.T., Nguyen V.B. Synthesis of remote control law when taking into dynamics and nonlinearity of the missile stage // The International Conference on Intelligent Systems & Networks. Springer. March 2021.
10. Xiong K., Wei C. Spacecraft relative navigation based on multiple model adaptive estimator // J. Syst. Sci. Math. Sci. 34(07). 2018. pp. 828–837.
11. Sambasiva R., Raj K. Implementation of adaptive filter algorithm for underwater acoustic System // International Journal of Recent Trends in Engineering. Vol 2. No.2. 2019. pp. 13-22.
12. Le X.R., Kilkov V.P. A survey of maneuvering target tracking: Approximation techniques for nonlinear filtering // Proceedings of SPIE conference on signal and data processing of small targets. 2014. pp. 537-550.
13. Li X.R., Jilkov V.P. Survey of maneuvering target tracking-part V // IEEE transaction on aerospace and electronic systems. 41 (4). 2015. pp. 1255-1321.
14. Benlian X. An adaptive tracking algorithm for bearings-only maneuvering target // International journal of computer science and network security. 7 (1). 2017.
15. Yang C., Blasch E. Characteristic errors of the IMM algorithm under three maneuver models for an accelerating target // In: International Conference on Information Fusion. IEEE. 2018.
16. Yang C.C., Tsung T.K. An interactive dynamic multi-objective programming model to support better land use planning // Land Use Policy, Elsevier, Vol.36. 2016. pp. 13-22
17. Qian G.H., Li Y., Luo R.J. One maneuvering frequency and the variance adaptive filtering algorithm for maneuvering target tracking // J. Radars 2(6).2017. pp. 258–264.
18. Sik K.H., Yong C. S. Design of fuzzy IMM algorithm based on Basic Sub-models and Time-varying mode transition probabilities // International journal of control automation and systems. 4 (5). 2016. pp. 559-566.
19. Bum L. J., Hoon J. Y., Bea P. J. IMM method using intelligent input estimation for maneuvering target tracking // ICCAS 2013. pp. 1278-1282.
20. Nguyen V.B., Nguyen N. T. Synthesis of parameter recognition algorithm and state evaluation for flight device // East European Scientific Journal. Vol 2. No.66. 2021. pр. 10-17.
21. Nguyen V.B, Dang C.V. Synthesis of the maneuver target acceleration determines algorithm // Journal of natural and technical sciences. Sputnik Publishing House. No.2 (153). 2021. pp. 145-156.
22. Wu N.E., Zhang Y., Zhou K. Detection, estimation and accommodation of loss of control effectiveness // International journal of adaptive control and signal processing. 14. 2010. pp. 775-795.
23. Kim H.S., Park J.G., Lee D. Adaptive fuzzy IMM algorithm for uncertain target tracking // Int. J. Control Autom. Syst. 7(6). 2017. pp. 1001–1008.
24. Ren J., Zhang X. Interactive multi-model target maneuver tracking method based on the adaptive probability correction // International Conference on Swarm Intelligence, ICSI 2018. pp. 235-245.
Synthesis of Line of Sight Angle Coordinate Filter on the Basis of Interactive Multi-Model Evaluation Algorithm
Abstract
On the basis of the tracking multi-loop target angle coordinate system, the article has selected and proposed a interactive multi-model adaptive filter algorithm to improve the quality of the target phase coordinate filter. In which, the 3 models selected to design the line of sight angle coordinate filter; Constant velocity (CV) model, Singer model and constant acceleration model, characterizing 3 different levels of maneuverability of the target. As a result, the evaluation quality of the target phase coordinates is improved because the evaluation process has redistribution of the probabilities of each model to suit the actual maneuvering of the target. The structure of the filters is simple, the evaluation error is small and the maneuvering detection delay is significantly reduced. The results are verified through simulation, ensuring that in all cases the target is maneuvering with different intensity and frequency, the line of sight angle coordinate filter always accurately determines the target angle coordinates.
Опубликован
Как цитировать
Раздел
Copyright (c) Nguyen Van Bang
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).