
книги из ГПНТБ / Лихарев В.А. Цифровые методы и устройства в радиолокации
.pdfного 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
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 , |
(г1 — / 0 |
) , ( г 1 |
— /•„)"'] — вектор-строка; |
\x(k) — |
||||||
|
-> —> |
• |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
— гт г(/г — 1)] — вектор-столбец, |
состоящий |
из |
(т-\-\) |
||||||||
одинаковых компонент |
[л (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 :К 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 |
1г2 = |
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