Синтез фильтра координат угла прямой видимости на основе интерактивного многомодельного алгоритма оценки

Обложка

Цитировать

Полный текст

Аннотация

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.

Об авторах

Д. Т Чунг

Электроэнергетический университет

Автор, ответственный за переписку.
Email: dangtientrung@gmail.com
Хоанг Куок Вьет 235

Н. Н Туан

Вьетнамский государственный технический университет имени Ле Куй Дона

Email: ngoctuanhvhn@gmail.com
Хоанг Куок Вьет 236

Н. В Банг

Академия ВВС и ПВО

Email: banghvpkkq@gmail.com
Нгуен Ван Трой 104

Т. В Туйен

Вьетнамский государственный технический университет имени Ле Куй Дона

Email: thaisonmos@gmail.com
Хоанг Куок Вьет 236

Список литературы

  1. Liu T., Xie Y. A relative navigation algorithm for a chaser tracking a non-cooperative maneuvering target in space // 31(5). 2016. pp. 1338–1344
  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.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

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».