ОПТИМАЛЬНОЕ КОМПЛЕКСИРОВАНИЕ ИЗМЕРИТЕЛЕЙ ПРИ СОПРОВОЖДЕНИИ МАНЕВРИРУЮЩЕГО ОБЪЕКТА В СТАТИСТИЧЕСКИ НЕОПРЕДЕЛЕННЫХ СИТУАЦИЯХ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Методами марковской теории оценивания случайных процессов решена задача синтеза оптимальных и квазиоптимальных алгоритмов комплексной обработки информации при сопровождении маневрирующего объекта и двухканальном векторном наблюдении с нарушениями в статистически неопределенных ситуациях. Задача решена применительно к дискретно-непрерывному марковскому процессу для случая, когда его непрерывная часть представляет собой векторную марковскую последовательность, а дискретная часть характеризуется трехкомпонентным дискретным марковским процессом, каждая компонента которого описывается цепью Маркова на несколько положений. Приводится структурная схема квазиоптимальной комплексной обработки информации. На простом примере методом имитационного моделирования показана работоспособность квазиоптимального алгоритма в статистически неопределенных ситуациях.

Об авторах

А. Н. Детков

ФАУ “ГосНИИАС”

Автор, ответственный за переписку.
Email: detkov@gosniias.ru
Россия, Москва

Список литературы

  1. Бар-Шалом Я., Ли Х.-Р. Траекторная обработка: принципы, способы и алгоритмы. Пер. с англ. Д.Д. Дмитриева. М.: МГТУ им. Н.Э. Баумана, 2011.
  2. Bar-Shalom Y., Kirubarajan T., Li X.R. Estimation with Applications to Tracking and Navigation. N.Y.: Wiley, 2001.
  3. Sutton Z., Willett P., Bar-Shalom Y. Target Tracking Applied to Extraction of Multiple Evolving Threats From a Stream of Surveillance Data // IEEE Transactions on Computational Social Systems. 2021. V. 8. № 2. P. 434–450.
  4. Schoenecker S., Willett P., Bar-Shalom Y. Resolution Limits for Tracking Closely Spaced Targets // IEEE Transactions on Aerospace and Electronic Systems. 2018. V. 54. № 6. P. 2900–2910.
  5. Gao Y., Liu Y., Li, X.R. Tracking-Aided Classification of Targets Using Multihypothesis Sequential Probability Ratio Test // IEEE Transactions on Aerospace and Electronic Systems. 2018. V. 54. № 1. P. 233–245.
  6. Aftab W., Mihaylova L. A Learning Gaussian Process Approach for Maneuvering Target Tracking and Smoothing // IEEE Transactions on Aerospace and Electronic Systems. 2021. V. 57. № 1. P. 278–292.
  7. Buelta A., Olivares A., Staffetti E., Aftab W., Mihaylova L. A Gaussian Process Iterative Learning Control for Aircraft Trajectory Tracking // IEEE Transactions on Aerospace and Electronic Systems. 2021. V. 57. № 6. P. 3962–3973.
  8. Миронов М.А. Марковская теория оптимального оценивания случайных процессов. М.: Изд-во ФГУП “ГосНИИАС”, 2013.
  9. Rezaie R., Li X.R. Destination-Directed Trajectory Modeling, Filtering, and Prediction Using Conditionally Markov Sequences // IEEE Transactions on Aerospace and Electronic Systems. 2021. V. 57. № 2. P. 820–833.
  10. Li S., Cheng Y., Brown D., Tharmarasa R. Comprehensive Time-Offset Estimation for Multisensor Target Tracking // IEEE Transactions on Aerospace and Electronic Systems. 2020. V. 56. № 3. P. 2351–2373.
  11. Kowalski M., Willett P., Fair T., Bar-Shalom Y. CRLB for Estimating Time-Varying Rotational Biases in Passive Sensors // IEEE Transactions on Aerospace and Electronic Systems. 2020. V. 56. № 1. P. 343–355.
  12. Taghavi E., Tharmarasa R., Kirubarajan T., Bar-Shalom Y. Track-to-Track Fusion with Cross-covariances from Radar and IR/EO Sensor // 22th Intern. Conf. on Information Fusion (FUSION). Ottawa, ON, Canada, 2019.
  13. Rashid M., Ali Sebt M. Tracking a Maneuvering Target in the Presence of Clutter by Multiple Detection Radar and Infra-red Sensor // 25th Iranian Conf. on Electrical Engineering (ICEE). Tehran, Iran, 2017. P. 1917–1922.
  14. Детков А.Н. Оптимальное оценивание дискретно-непрерывных марковских процессов по наблюдаемым цифровым сигналам // РЭ. 2021. Т. 66. № 8. С. 748–759.
  15. Детков А.Н. Оптимизация алгоритмов цифровой фильтрации смешанных марковских процессов при сопровождении маневрирующего объекта // Изв. РАН. ТиСУ. 1997. № 2. С. 73–80.
  16. Тихонов В.И., Миронов М.А. Марковские процессы. М.: Сов радио, 1977.
  17. Бухалёв В.А. Распознавание, оценивание и управление в системах со случайной скачкообразной структурой. М.: Наука, 1996.
  18. Руденко Е.А. Конечномерные рекуррентные алгоритмы оптимальной нелинейной логико-динамической фильтрации // Изв. РАН. ТиСУ. 2016. № 1. С. 43–65.
  19. Жук С.Я. Методы оптимизации дискретных динамических систем со случайной структурой. Киев: НТУУ “КПИ”, 2008.
  20. Репин В.Г., Тартаковский Г.П. Статистический синтез при априорной неопределенности и адаптация информационных систем. М.: Сов. радио, 1978.
  21. Гантмахер Ф.Р. Теория матриц. М.: Физматлит, 2010.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2.

Скачать (134KB)
Метаданные
3.

Скачать (233KB)
Метаданные

© А.Н. Детков, 2022

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».