Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

книги из ГПНТБ / Лихарев В.А. Цифровые методы и устройства в радиолокации

.pdf
Скачиваний:
50
Добавлен:
25.10.2023
Размер:
14.41 Mб
Скачать

ного сглаживания (78, 79] (табл. 4.4). Достоинство таких" фильтров — простота рекурсивных алгоритмов, малый объем памяти ,п малое число машинных операций, не за­ висящих от памяти фильтра, а также снижение флуктуацноннон ошибки с увеличением времени наблюдения. Основной недостаток состоит в нарастающей со време­

нем динамической ошибке,

если

в качестве

гипотезы

о полезном сигнале x(t)

принят

-полином

степени гп

(2.223), а полезный сигнал описывается полиномом сте­ пени р, где т<Ср. Кроме того, может возникнуть неустой­ чивость решения и большая погрешность в связи с огра­ ниченностью разрядной сетки Э Ц В М .

К третьей группе относятся фильтры с эффективной конечной памятью, объединяющие достоинства рекурсив­ ных алгоритмов с растущей памятью и алгоритмов с ко­ нечной памятью: малое число ячеек оперативной памяти и машинных операций н ограниченная величина динами­ ческой ошибки при малой флуктуационной ошибке [112].

Оценка

сложности фильтров при

реализации

их на

Э Ц В М дается в табл. 4.3.

 

 

Среди

методов синтеза линейных

фильтров

следует

отметить метод наименьших квадратов и его рекурсив­ ный вариант [78], метод максимального правподобия [3, 78], методы Колмогорова и Винера, метод Калмэна [78],

вариационный метод

[79]. Для полиномиальной модели

движения

(2.223) и

нормального

закона распределения

ошибок

измерения

координат

все методы приводят

к алгоритмам линейной фильтрации, реализуемым либо посредством интегрального оператора (нерекурсивный алгоритм, дискретный аналог интеграла Дюамеля), либо дифференциального (рекусивный алгоритм, линейное разностное уравнение). В области дифференциальных операторов следует различать два класса фильтров. Пер­ вый класс — это фильтры с бесконечной памятью, зада­ ваемые линейным разностным уравнением с постоянными коэффициентами (4.6).

Подобные фильтры имеют импульсную переходную характеристику с бесконечной протяженностью, но огра-

00

ничейную так, что ^ /г - <оо . Имея фильтр с конечной

памятью (4.13), можно найти его эквивалент в классе фильтров с бесконечной памятью [145]. Сложность реали­ зации обоих фильтров одинакова. Второй класс Зто

350

t0=th

фильтры с растущей памятью табл. 4.4. Они описываются разностными уравнениями с переменными коэффициен­ тами и относятся к классу нестационарных систем.

При синтезе фильтров с растущей памятью в виде дифференциального оператора (выходная величина есть •решение линейного разностного уравнения с переменны­ ми коэффициентами порядка /) с целью уменьшения объема памяти и числа, машинных операций использует­ ся эквивалентная интерпретация разностного уравнения в виде фильтра 'Калмэна [78, 108], когда оценка в теку­ щий момент времени определяется по оценке, полученной на предыдущем шаге, и текущему замеру.

К а к уже

отмечалось в п. 2.7.3, задачей

фильтрации

является

определение коэффициентов

полинома

Xi(t0)

(2.223). При

реализации дискретных

фильтров

в виде

программ

Э Ц В М необходимо

учитывать

возможности:

а) получения

математического

решения, б) реализации

оператора в виде алгоритма ЭЦВМ, в) получения ма­ шинного решения, отличающегося от математического решения не более чем на заданную величину. Пункты а — в составляют существо*реализации алгоритмов филь­ трации « а Э Ц В М .

Ниже рассматриваются особенности линейных филь­ тров с растущей памятью, а также вопросы синтеза ли­ нейных фильтров с эффективной конечной памятью, дает­ ся анализ реализуемости этих фильтров, определяются флуктуационные и динамические ошибки и переходные процессы.

4.5.2. Особенности рекурсивных фильтров с растущей памятью. Недостатки фильтров с конечной памятью не исключают их преимущественного использования в от­ дельных случаях [3]. В работе [79] описан вариационный метод синтеза нерекурсивных фильтров. В качестве при­ меров в табл. 4.4 приведены рекурсивные алгоритмы фильтров с конечной памятью, а также значения коэф­ фициентов динамических ошибок, флуктуационные ошиб­ ки и переходный процесс при т = 0, т = 1 , когда (сглаживание).

При дискретной одномерной фильтрации (по одной координате) с растущей памятью решение в области дифференциальных операторов имеет вид (3.19) — фильтр Калмэна.

Если ошибки измерений некоррелированы, то уравне­ ния (3.19) и (3.20) можно представить в форме, пред-

ПС 1

ложемной Бэттином [108]:

I (k) = 7\ї {k - 1) 4 - IF (*) [X- (k) -

(/г - 1)],

(4.100)

где T — экстраполяционная матрица [ср. (3.17)] порядка (/я+1) X ( m + D :

 

 

Т:

0

1

 

2 ( / - y = . . , r a ( ( - f 1

) m - '

;

(4.101)

 

 

 

 

 

 

 

 

 

 

 

 

0

0

 

0 . . .

ml

 

 

 

 

W

('}) — весовая

матрица

порядка

(/??-]-ПХ

( " г + 0 :

 

 

 

 

— a (ft)

 

.

0

 

 

 

 

 

\V(k):

 

 

 

b {k)

.

 

 

 

; (4.102)

 

 

 

 

о

 

 

1

- ї

(А)

 

 

т т

= [ 1 ,

1 — / 0

) , ( г 1

— /•„)"'] — вектор-строка;

\x(k) —

 

-> —>

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

— гт г(/г — 1)] — вектор-столбец,

состоящий

из

(т-\-\)

одинаковых компонент

(k) — т т х (к — 1)].

 

 

 

 

Уравнение (4.100) носит название фильтра Калмэна.

 

При

реализации

на

Э Ц В М

матричное

уравнение

(4.100) перепишем для каждой из компонент векторастолбца

S{k) = [x0{k,

t0)

xm(k.

^0)]т:

rn

 

 

 

+ [1 -a(k)][x(k)-%

xt{k-

1,

*„)(* - *,)<] (4.103)

 

i=0

 

 

i=l

 

 

 

X

 

 

 

i=0

Уравнения (4.103) более экономичны, чем уравнения фильтров с бесконечной памятью (4.6), поскольку по­ следние содержат оценки, полученные на / предыдущих шагах и щ+1 предыдущих замеров, в то время как

353

Б (4.103) оценка в текущий момент времени

определяет­

ся на

основании

оценок, полученных

на

предыдущем

такте,

и текущего

замера.

 

 

•Синтез линейных фильтров в области

дифференциаль­

ных операторов

заключается в определении элементов

матрицы W(ik) или коэффициентов разностного уравне­

ния. Для системы '(4.103)

 

при критерии

минимума флук-

туационной

ошибки

синтез

сводится

к

определению

коэффициентов a(k),

b(k),

 

..., y{k),

удовлетворяющих

условиям

 

 

 

 

 

 

 

 

д° [*г (*)]•

п п

п

и

[xt (/г)]

^

п

 

dY (A) = и

п

р

и

aY= (/е)

> и

'

где к (fc) =

a ( £ ) , b(k),....

у (к).

 

 

'В табл. 4.4 приведены рекурсивные алгоритмы филь­ тров с растущей памятью, а также коэффициенты дина­ мических ошибок, флуктуационные ошибки и переход­ ный процесс при т = 0, т = 1 и ^о=4- Оценка сложности алгоритмов, приведенных в табл. 4.4, дана в табл. 4.3. Как следует из табл. 4.3 и 4.4, рекурсивные алгоритмы фильтров с растущей памятью имеют большое преиму­ щество перед рекурсивными алгоритмами фильтров с ко­ нечной памятью как с точки зрения реализации на ЭЦВМ, так и с точки зрения минимума флуктуационной ошибки. Однако эти алгоритмы имеют ряд существен­ ных недостатков.

1. Если истинная координата описывается полиномом

(2.223)

степени р,

а принято т<р, то динамическая

ошибка

при k—>-оо

растет неограниченно. .В самом деле,

из табл. 4.4 следует, что для фильтров с растущей па­ мятью коэффициенты динамических ошибок пропорцио­ нальны k. В то же время, для фильтров с конечной памятью динамические ошибки ограничены, так как M 7 0 = const.

2. При

возрастании k

коэффициенты

( 1 — a ( k ) ) ,

( 1 — b ( k ) ) ,

... , уменьшаются

и при некотором

k, став

соизмеримыми с ошибками счета, принимают произволь­ ные значения, так что машинное решение может сильно

отличаться от математического.

 

 

 

3. Решение уравнений (4.103)

устойчиво

лишь

при

определенных ограничениях на коэффициенты ai<a(k)

<

< 1 , a.2<b (k) < 1 , ... , а з < у ( / г ) < 1 .

Ошибки

счета могут

привести к выходу коэффициентов a(k), b(k),

..., y(k)

из

области устойчивости, что приведет потере устойчиво­ сти решения разностных уравнений (4.103). Этот момент

23—1410

353

наступает тем

быстрее,

чем

меньше

разрядная

сетка

ЭЦВМ, чем

больше

период

дискретности

поступающей

информации

Г 0

(период

обзора Р Л С )

и дисперсия

изме­

рений .и чем более сложный

вид имеют 'параметры

сгла­

живания a(k),

 

b(k),

...,

y(k)

(чем выше

степень

поли­

нома пі).

 

 

 

 

 

 

 

 

В силу указанных недостатков рекусивные алгоритмы фильтров с растущей памятью нуждаются в модифика­ ции. Этому вопросу посвящен § 4.6.

Ниже рассматриваются вопросы одномерной фильтра­ ции, когда сглаживание и экстраполяция параметров движения осуществляется в декартовой системе незави­ симо по каждой координате A', Y, Z. На практике с по­ мощью Р Л С измеряются три координаты цели: азимут рц , угол места 0ц и наклонная дальность R^ в сфериче­ ской системе координат либо соответствующие координа­ ты в биконпческой системе. При независимости ошибок измерения р, 0, R ковариационная матрица этих ошибок будет диагональной. После перехода от сферической (или биконпческой) системы к декартовой появляется корре­ ляция между ошибками измерения декартовых коорди­ нат цели хц, уц, 2 ц . В этом случае оптимальной является многомерная фильтрация, т. е. совместное по X, Y, Z сглаживание и экстраполяция.

Практическое использование многомерных фильтров Калмэна связано с рядом трудностей [176], главной из которых является неустойчивость. При реализации на Э Ц В М таких фильтров неустойчивость вызывается сле­ дующими причинами. Во-первых, вырождением элемен­ тов ковариационных матриц ошибок оценок при длитель­ ной работе алгоритма, приводящих к потере устойчиво­ сти разностных уравнений Калмэна. Во-вторых, из-за некорректности задачи, связанной с плохой обусловлен­ ностью ковариационной матрицы ошибок измерений, т. е. решение задачи будет сильно изменяться при малых из­ менениях элементов матрицы |[см. (3.19, (3.20)]. Кроме того, многомерная фильтрация приводит к значительно­ му увеличению сложности алгоритмов и вычислений.

Если ковариационная матрица ошибок измерения не меняется во времени или диагональна, то многомерная фильтрация вырождается в раздельную по каждой коор­ динате. В этих случаях многомерная фильтрация приво­ дит к ухудшению точности, так как операция обращения матриц вызывает максимальные ошибки счета.

354

Практическое использование многомерных фильтров Калмэна (176] связано с их модификациями. Мы огра­ ничимся исследованием задач одномерной фильтрации.

4.6. Ф И Л Ь Т Р Ы С ЭФФЕКТИВНОЙ КОНЕЧНОЙ ПАМЯТЬЮ

4.6.1. Принципы построения и общие свойства филь­ тров с эффективной конечной памятью. При построении фильтров будем исходить из того, что по своим динами­ ческим характеристикам они должны быть близки к фильтрам с конечной памятью, а реализация их долж­ на быть рекурсивной. Возьмем за основу одномерные рекурсивные алгоритмы фильтров с растущей памятью

(4.103).

Параметры фильтрации — коэффициенты

a(k),

b(k), ...,

y(k) являются функциями времени и при

ста­

ционарном распределении ошибок измерения монотонно возрастают. Основные затраты машинного времени свя­ заны именно с расчетом этих коэффициентов.

Отсюда становится ясным, как модифицировать алго­

ритмы

(4.103).

Положим

a(k) = a = const, b(k)=b —

= const,

. . . , y{k)

= Y = const.

Теперь с помощью алгорит­

мов (4.103), простых в реализации, вновь поступающая информация будет обрабатываться с постоянными веса­ ми, что является свойством фильтров с конечной па­ мятью. При фиксированных параметрах фильтрации ре­

курсивные

алгоритмы

(4.103)

при

io = tu

(сглаживание)

принимают

вид:

 

 

 

 

 

 

 

 

*0 (ft) =

( l

-a)x(k)

+

ax0[k

-

1).

(/я = 0),

* 0 (А) =

(1 -а)х(к)

 

+

а[ха(к-\)

+

х,

 

(k~\)T9];

xt(k)

=

( l - b )

X(k)-X0(k-\)

 

 

 

 

 

 

 

 

 

 

То

 

 

 

 

 

В более общем случае целесообразно взять за основу

рекурсивные соотношения

вида:

 

 

 

 

x(k)

=

(\

-4Yy[k)

+

Vl[x{k

1 ) + ^ - ] -

 

 

 

+ ( - i ) n + 1 X

X[x(k-n)

+

Fhj],

(4.104)

23*

355

где

х(k)

коэффициент

полинома Xi(th),

(t =

0, '1,

...,

т)

в дальнейшем будем

обозначать:

 

 

 

x0(k)

=

x(k);

Xl(k)

=

v{k);

xa{k)=-j-g(k);

 

 

 

 

 

Г

 

 

 

 

 

 

y(k)

= -jr

S\Mk-i)Cr(-l)*

= ¥r

(4.105)

— обратная конечная разность r-го порядка; С'г — число

сочетаний из г элементов

по і; у — параметр фильтрации,

Y = 0 при определении х,

у = Ь

при

определении

У; п>=1,

2, . . . —порядок фильтрации;

 

Гц

(I, / = 1 , 2,

... ,

Z) —

член, учитывающий

гипотезу

о

полезном

сигнале.

При

-•определении x0(k)

 

 

 

 

 

 

 

 

 

Fio

=

T0j]

v(k-r);

 

 

( m = l ) ,

 

 

 

 

r=\

 

 

 

 

 

 

 

при определении

Xi(k)

 

 

 

 

 

 

 

Fn

=

T 0 t

g(k-r).

 

(m =

2),

 

 

 

 

r = l

 

 

 

 

 

 

 

и Т . д.

 

 

 

 

 

 

 

 

 

Введем обозначения для импульсных переходных ха­ рактеристик фильтров hi, которые при определении коэф­

фициентов

Хо, хи

Х2, ..., хт

(/=0,

1 , 2

, . . . , М — І)

обозна­

чим

соответственно

через

pi,

<7;, ги

...,

Si . Разделим

фильтры (4.104)

на два класса:

1)

фильтры

без

компен­

сации

(Л-з=0, a

y{k)

имеет

вид

(4.105)),

2)

фильтры

с компенсацией

(РцфО).

 

 

 

 

 

 

 

 

Рассмотрим общие свойства фильтров, описываемых

линейными

разностными

уравнениями

с

постоянными

коэффициентами

(4.104).

Эти фильтры

линейные, ста­

ционарные с бесконечной памятью, причем в области устойчивости

00

 

00

оо

£

Рі <

« З . £ Щг < ОО

£ imSi < ОО.

( = 0

 

«=0

(=0

Переходный

процесс

 

 

к

k

 

x{k) —

^pi,

v(k)=Y]icfi

xm(k)

 

1=0

(=0

 

356

можно считать

оконченным,

когда

 

 

оо

оо

 

 

оо

 

j Р * < 5 о .

J] ^ <

S

„ ....

J]

ims<&m,

і=М

І=М

 

 

і=М

 

где бо, бі, . . . , 'б™ — заданная

точность

отработки коэффи­

циентов полинома. Время

ТМ = МТ0

можно

считать вре­

менем переходного процесса — памятью фильтра. Следо­ вательно, в области устойчивости фильтры с постоянны­

ми

параметрами

сглаживания

являются

фильтрами

с эффективной

конечной памятью.

 

 

 

 

 

 

 

Для коррелированных

ошибок

измерения

координат

в виде стационарных

последовательностей

флуктуацион-

ная ошибка

дается

соотношениями

(4.44).

Поскольку

 

\ < 1 , то при k>M

можно считать, что

 

 

 

 

 

 

 

 

 

М

 

оо

 

 

 

 

 

 

 

 

 

 

 

 

У

2 =

У h2

=

const,

 

 

 

 

 

 

 

 

 

(=0

 

і=0

 

 

 

 

 

 

 

следовательно,

и а2 (а] = const. Значит,

в

установившемся

режиме флуктуационная ошибка постоянна.

 

Fjj = 0

 

4.6.2. Анализ фильтров

без

компенсации. При

из

(4.104)

получаем

 

 

 

 

 

 

 

 

 

 

х (А) =

(1 -

4)»y(k)+ir£(k

-

1) -

Г n

-

^ L

i (

k -

 

 

 

- 2 ) + . . . + ( - 1 ) я - 1 т " ? ( ^ - / г ) .

 

.

(4.106)

В

зависимости

от

способа

определения

y(k)

меняются

характеристики

фильтров

(4.106).

Рассмотрим

случай,

когда y(k)

определяется из (4.105). В

этом

случае филь­

трация в (4.106) эквивалентна л-кратной фильтрации по формуле

 

* ( * ) = (1 - Y ) ^ ( f c) + Y * ( * - 1 ) .

 

где й(&) =

(1 —у)ї/(6) + ї й ( 6 — 1 )

и т. д.

 

В самом

деле,

если

 

 

 

 

* ( A ) =

( l - Y ) x ( A ) +

Y * ( f e - l ) ,

(4.107)

а

 

 

 

 

 

 

' Mk)

= (l-4)y(k)

+

iK{k-\).

(4.108)

357

a =0,5

0,4-

 

 

 

1 V

 

 

j -

\

V4

 

И

 

 

0,2

 

 

Л

\

 

N

 

 

 

\:

'

§ 3 S »

1 V

—t—\

 

іі

 

4

 

•12

і

/

 

 

\

r

 

Рис. 4.10. Импульсные переходные характеристики фильтров без ком­ пенсации.

то, определив %(k) из (4.107) и подставив в (4.108), по­ лучим:

x(k)

=

(l - т ) 2

у ( / е ) +

2 Т х ( / г ~ 1 ) - у х ( / г - 2 ) .

Аналогично

можно

получить выражение

(4.106)

при лю­

бом п.

 

 

 

 

 

 

 

 

С учетом (4.105) и (4.106) запишем линейное разно­

стное уравнение

фильтра порядка п с постоянными коэф­

фициентами:

 

 

 

 

 

 

 

x(k)-tnx(k-\)

 

 

+

f

n { n ~ l ) * ( f e - 2 ) +

. . . + r ( - l ) n X

Х х (

к -

п )

=

{ 1

- ' < ) п

[x(k)-rx'(k-l)

+

...+

1о

+(-\)T-x{k-r)\. (4.109)

Соответствующая передаточная функция имеет вид

 

 

K(Z): [ _ ( l _ . ( ) n ( z _ l ) , 2 n - r

 

 

(4.110)

Используя методику оценки

устойчивости (см. п. 4.2.3),

можно

показать, что рассматриваемые

фильтры

устойчи­

вы при |<у| < 1 , т. е. при |а|<1,

|Ь|<1,

|с|<1 .

 

Так

как

характеристическое

уравнение

(z—у)п = 0

имеет

один

действительный

корень — полюс

у

кратно­

сти п, то импульсная переходная

характеристика

и пере-

358

ходныи процесс имеют экспоненциальный характер:

 

п—2

!) + ••• +

/г-

Т2

П(' + І +

 

 

 

Г 5 ( п - 1 ) !

 

 

 

л—2

 

 

 

+(-іг )П('Ч-/-'-+і)

(4.111)

'На рис. 4.10 приведены импульсные переходные ха­ рактеристики фильтров без компенсации, т. е. зависимо­ сти pi, qi, 2, ... , при /г=\, 2. Передаточные функ­ ции, импульсные переходные характеристики и выраже­

ния

для

переходного

процесса

приведены

в 'приложе­

нии

2.

 

 

 

 

 

 

Перейдем к

определению

динамических

ошибок

с учетом

соотношений

(4.38),

(4.39). Уравнение

(4.109)

при сглаживании

координаты

( г = 0 ) имеет

вид

 

 

x(k)

— anx(k—

1) + ... - f ( — l ) n a n x ( k

— /г)

=

 

 

 

=[l—a)nx(k).

 

 

(4.112)

Аналогичные уравнения можно записать при сглажива­ нии скорости и ускорения.

Воспользовавшись соотношениями (4.40), (4.42), имеем

,,

г

_

a

n

r

_

an (1

+ап)

^ 2

г 0 . т і .

PIX—

j _

A

J 0 >

Г а * —

( l — a ) 2

Jo>

 

 

 

 

 

 

 

 

 

 

(4.113)

tt

— 0

u.

-

1

u

_

1 +

6(2/1-1)

y,

rot) u i

 

Г і И — — l >

Г2І)—

j

^

' o'

 

 

 

roe =

°.

r,g =

1. r a g =

2.

 

 

Более подробные данные приведены в приложении 2. Таким образом, фильтры (4.106) воспроизводят без

динамических ошибок координату, если x(t)= const, пер­ вую производную, если

y(k) = Aо - [ x ( k ) - x ( k - l ) } ,

359

Соседние файлы в папке книги из ГПНТБ