Вы находитесь на странице: 1из 5

27

УДК 629.7

МАЛКИН В. А., ГЛАВАТСКИХ С. А., Военная академия Республики Беларусь

АДАПТИВНЫЙ АЛГОРИТМ ВТОРИЧНОЙ ОБРАБОТКИ


ИНФОРМАЦИИ РАДИОЛОКАЦИОННОЙ ГОЛОВКИ
САМОНАВЕДЕНИЯ
В статье рассматривается способ повышения точности наведения управляемых ракет с радиолокацион-
ной головкой самонаведения в условиях воздействия углового шума цели за счет использования при вторичной
обработке сигналов угломерного канала радиолокационной головки самонаведения алгоритма псевдокинема-
тического звена, адаптивного к изменению интенсивности шума измерений.

The mode of pointing accuracy of guided missile with RF homing head under the influence of target angle noise is
shown in the article. It is achived at the expanse of application of the kinematical link algorithm during reprocessing of
angle channel signal wave of homing head. The algorithm is adapted to the changes of noise measurement intensity.

Введение ГСН [2, 3]. Одним из таких алгоритмов явля-


Авиационные управляемые ракеты (АУР) ется псевдокинематическое звено (ПКЗ), по-
с радиолокационными системами самонаведе- строенное на основе уравнений фильтра Кал-
ния остаются одним из наиболее эффективных мана, в которых в качестве априорной модели
средств ведения боевых действий авиации. системы принимается модель кинематическо-
Большая дальность действия, высокая авто- го звена.
номность позволяют успешно решать задачи В практической реализации коэффициенты
по завоеванию превосходства в воздухе. ПКЗ принимаются либо постоянными, либо
Однако, существенным недостатком таких кусочно-постоянными, в которых осуществля-
систем являются их сравнительно низкая по- ется настройка на тип цели и на диапазон
мехозащищенность. На радиолокационную го- дальности. В таких алгоритмах принципиаль-
ловку самонаведения (ГСН) в процессе ее бое- но не может быть учтена нестационарность
вого применения действуют естественные и ис- характеристик помехового сигнала, обуслов-
кусственные помехи, приводящие либо к сры- ленная изменением ракурса цели в процессе
ву сопровождения цели, либо к существен- наведения. Это приводит к росту ошибок
ному снижению точности наведения. Наряду фильтрации и, соответственно, к увеличению
с защитой от искусственных помех, чрезвы- флуктуационной составляющей промаха ракеты.
чайно актуальной остается задача снижения
Постановка и решение задачи
влияния на точность наведения углового шума
цели [1]. Спектр этой помехи, как и спектр по- Теория калмановской фильтрации основа-
лезного сигнала, расположен в области низких на на совместном использовании априорной
частот, что не позволяет эффективно использо- и апостериорной информации об оцениваемых
вать частотную селекцию на этапе первичной процессах. Недостоверная информация приво-
обработки сигнала. дит к росту ошибок оценивания, поэтому для
Существующие способы снижения влия- снижения влияния неопределенности в зада-
ния углового шума основаны на использова- нии априорных данных используются различ-
нии квазиоптимальных алгоритмов вторичной ные способы адаптации. Одной из важных за-
обработки информации угломерного канала дач, возникающих при построении алгоритмов

4, 2014 СИСТЕМНЫЙ АНАЛИЗ И ПРИКЛАДНАЯ ИНФОРМАТИКА


Системный анализ

оценивания, является адаптация к изменениям горитмов, выражение для матрицы коэффици-


интенсивности шумов измерения. ентов дискретного фильтра Калмана в момент
Традиционный подход, заключающийся времени tk ,1 определяется выражением:
в расширении вектора состояния системы пу- K (tk ,1 ) ≈ S ∗ L{M [ν(tk ,1 ) νT (tk ,1 )]}−1 , (2)
тем включения в него априорно неизвестных
параметров, приводит к ряду ограничений, ко- где S ∗ = ( S T S ) −1 S t − псевдообратная матрица
торые делают его малоэффективным. Так, при для матрицы S T = [ НФ, НФ 2, ..., НФ l–1],
введении интенсивности шумов измерений LT = [ L2 , L3 , ..., Ll ] − матрица, содержащая
в вектор состояния, уравнения для ковариаци- блоки, вычисленные по формуле (1).
онной матрицы ошибок оценивания становятся В данной статье решается задача получе-
зависимыми от результатов измерений и тре- ния соотношений, аналогичных формуле (2),
буют интегрирования совместно с уравнения- для коэффициентов непрерывного фильтра
ми для оценок фазовых координат. В результа- Калмана, в котором априорной математиче-
те существенно возрастает порядок системы ской моделью системы является кинематиче-
уравнений, что усложняет реализацию таких ское звено.
алгоритмов при ограниченных возможностях Математическая модель кинематического
вычислителя. звена записывается на основе линеаризован-
Альтернативным подходом к решению за- ного уравнения, связывающего угловую ско-
дачи адаптации является использование двух- рость линии визирования и нормальные со-
этапных алгоритмов оценивания с предвари- ставляющие ускорения цели и ракеты [3]. Для
тельной статистической обработкой результа- одной плоскости управления такое уравнение
тов измерений [4, 5]. В [4] решена задача опре- принимает вид:
деления матрицы коэффициентов усиления , (3)
дискретного фильтра Калмана по информации, где w − угловая скорость линии визирования;
содержащейся в ковариационных матрицах D, D − соответственно дальность и скорость
обновляющей последовательности измерений. сближения; jц, jр − нормальные ускорения цели
Для определения элементов ковариационных и ракеты.
матриц обновляющей последовательности ин- Уравнение (3) является основой для по-
тервал времени ∆t = tk +1 tk−, на котором осу- строения ПКЗ. При построении модели ПКЗ
ществляется обновление оценок, разбивается принимается допущение о том, что D, D
на l + 1 подинтервал. В каждой точке tk ,i (i = 0, 1,
2, ..., l) вычисляются элементы вектора обнов-
ляющей последовательности:
,
где ν(tk ,i ) – значения вектора обновляющей
последовательности в точке tk,i ; Z (tk ,i ) – век- , (4)
тор измерений; H – матрица измерений; Ф(tk,0) –

матрица преобразования дискретной системы; где Тц − постоянная времени, характеризую-
Y (tk ,0 ) – априорное значение вектора фазовых щая маневренные свойства цели; x
координат системы в точке tk ,0 .
Для последовательности точек tk ,1 , tk ,2 , ..., tk ,l

T
L j = Mν[ (tk , jν) (tk ,1 )], =j 1, 2, ...., l . (1) Y (t ) = A(t )Y (t ) (t ) , + x (5)

Определение математических ожиданий где − вектор состояния системы;
в формуле (1) осуществляется путем статисти-
ческой обработки результатов на скользящем
интервале времени, содержащем N точек об- − матрица системы, опреде-
новления оценок фазовых координат системы
[5]. С учетом представленных в работе [5] ал-

СИСТЕМНЫЙ АНАЛИЗ И ПРИКЛАДНАЯ ИНФОРМАТИКА 4, 2014


Системный анализ 29

Рис. 1. Структурная схема алгоритма адаптивного псевдокинематического звена

ляющая ее динамические характеристики; Структурная схема алгоритма адаптивного


xT = (0, x) - вектор порождающих шумов си- псевдокинематического звена представлена на
стемы. рис. 1.
Поскольку из координат вектора состояния Математической моделью блока адаптации
измерению доступна только величина w , урав- являются соотношения, связывающие коэффи-
нение измерений будет скалярным: циенты непрерывного фильтра Калмана и кова-
=z (t ) HY (t ) + η(t ) , (6) риации невязок измерений. В работе [5] полу-
чены формулы, связывающие значения элемен-
где z (t ) - скалярная функция, характеризую- тов ковариационной матрицы ошибок оценива-
щая выходной сигнал измерителя; H = (1, 0) - ния дискретного фильтра Калмана и кова-
матрица измерений; η(t ) - центрированный риаций невязок измерений L j (k ) (j = 1, 2, 3):
гауссовский белый шум измерений с извест-
ной интенсивностью R.
С учетом соотношений для непрерывного (8)
фильтра Калмана и выражений (3), (4), (6) ска-
лярные уравнения псевдокинематического зве-
на будут иметь вид:
Получим аналогичные соотношения для
непрерывного фильтра Калмана второго по-
рядка. С учетом уравнений (7), переходная ма-
(7)
трица эквивалентной дискретной системы,
описывающей динамику ПКЗ, будет иметь вид:

где - оценки вектора состояния; w∗ -
измеренное с помощью РГС значение угловой
скорости линии визирования; k1 (t ), k2 (t )  - ко- , (9)
эффициенты непрерывного фильтра Калмана.
Выражения для коэффициентов непрерыв-
ного фильтра Калмана определяются соотно- где ∆t - шаг дискретности системы.
шениями: Матрица измерений для дискретного вари-
−1 анта фильтра совпадает с матрицей для непре-
=k1 (t ) p=
11 R , k 2 (t ) p12 R −1 ,
рывного фильтра H = [1, 0] . С учетом соотно-
где p11 , p12 - элементы ковариационной ма- шения (9) и выражения для матрицы измере-
трицы ошибок оценивания, удовлетворяющей ний система уравнений (8) в скалярной форме
уравнению Риккати. будет иметь вид:
Предлагаемый адаптивный алгоритм ПКЗ ˆ P + R,
 L
=
отличается от классического тем, что коэффи- 
1 11

циенты фильтра определяются в блоке адапта-  ˆ


L2 =βP11 + mP12 , (10)
ции по оценкам ковариаций невязок измере- ˆ 2
ний Lˆ j ( j = 1, 2,3) .  L3 =β P11 + m(β + α) P12 ,

4, 2014 СИСТЕМНЫЙ АНАЛИЗ И ПРИКЛАДНАЯ ИНФОРМАТИКА


30 Системный анализ

Рис. 2. Реализации входного процесса изменения угловой скорости линии визирования цели и его оценок

2 D ∆t оценок, происходит формирование N – мерно-


∆t
где , β = 1+ , m= . го вектора L1T =(ν k , ν k −1 ,..., ν k − N +1 ) , где ν k   -
D D значение невязки измерения на шаге к. Кроме
Из системы (10) находим значения неиз- того, происходит запоминание аналогичных
вестных переменных P11, P12 и R: векторов с двух предыдущих шагов обновле-
ния оценок:
Lˆ (β + α) − Lˆ3
P11 = 2 ;
βα LT2 =
(ν k −1 , ν k − 2 ,..., ν k − N ) ;

Lˆ − βLˆ2 LT3 =
(ν k − 2 , ν k −3 ,..., ν k − N −1 ) .
P12 = 3 ;
mα На каждом шаге обновления оценок вычис-
βα Lˆ − Lˆ (β + α) − Lˆ ляются скалярные произведения LL1T1TLL11, ,LL1T1TLL22, ,LL1T1TLL33
R =Lˆ1 − P11 = 1 2 3T T T
L1 .L1 , L1 L2 , L1 L3 . Оценки ковариаций невязок измерений
βα вычисляются по формуле
Выражения для коэффициентов непрерыв-
ного фильтра Калмана второго порядка будут L1T L j
= ˆ
Lj = , ( j 1, 2,3) . (12)
иметь вид: N
Lˆ2 (β + α) − Lˆ3 Обсуждение результатов
k1 (t ) = ;
βαLˆ1 − (β + α) Lˆ2 − Lˆ3 В процессе математического моделирова-
ния оценивались работоспособность и точ-
β[ Lˆ3 − βLˆ2 ] ность алгоритма фильтрации второго порядка
k2 (t ) = . (11)
m[βαLˆ1 − (β + α) Lˆ2 − Lˆ3 ] с предварительной статистической обработкой

невязок измерений. Проводился сравнитель-
Вычисление оценок Lˆ j ( j = 1, 2,3) осущест- ный анализ точностных характеристик разра-
вляется следующим образом. На скользящем ботанного адаптивного фильтра и фильтра
интервале, содержащем N шагов обновления Кальмана, в котором коэффициенты передачи

СИСТЕМНЫЙ АНАЛИЗ И ПРИКЛАДНАЯ ИНФОРМАТИКА 4, 2014


Системный анализ 31

Рис. 3. Реализации процессов изменения коэффициентов неадаптивного и адаптивного алгоритмов фильтрации

принимались постоянными, усредненными по


времени работы фильтра.
С целью проверки адаптации фильтра к из-
менению интенсивности шума измерения на
его вход подавался коррелированный случай-
ный процесс, СКО которого изменялось обрат-
но пропорционально дальности до цели, а так-
же по гармоническому закону.
На рис. 2 представлены реализации вход-
ного процесса изменения угловой скорости
линии визирования цели (а) и его оценок, по- Рис. 4. Спектральная плотность оценки угловой
лученных с помощью неадаптивного (б) и адап- скорости линии визирования для неадаптивного
тивного (в) алгоритмов фильтрации. На рис. 3 и адаптивного алгоритмов фильтрации
представлены реализации коэффициентов уси-
ления адаптивного и неадаптивного алгорит- что для адаптивного фильтра СКО оценки
мов фильтрации для указанных условий моде- уменьшается в среднем на 25–30%.
лирования. На рис. 4 показаны графики спектральной
Анализ графиков, представленных на рис. плотности оценки угловой скорости линии визи-
2 и 3 позволяет сделать выводы о том, что схе- рования, соответственно, для адаптивного и неа-
ма адаптации коэффициентов фильтра к изме- даптивного вариантов фильтра. Анализ графи-
нению интенсивности шума измерения явля- ков показывает, что для адаптивного алгоритма
ется работоспособной. Сравнительный анализ фильтрации уровень спектральной плотности
сигналов на выходе фильтра с адаптацией ко- угловой скорости линии визирования сущест­
эффициентов усиления и без нее показывает, венно ниже, чем для неадаптивного алгоритма.

Литература
1. Справочник по радиолокации. В 4-х т. Пер. с англ. / Под ред. М. Сколника. – Т. 1. – М.: Сов. Радио, 1977. – 455 с.
2. Меркулов В. И. Авиационные системы радиоуправления. Т. 2. Радиоприемные системы самонаведения /
В. И. Меркулов [и др.]; под ред. А. И. Канащенкова и В. И. Меркулова. – М.: Радиотехника, 2003. – 389 с.
3. Малкин В. А. Система радиоуправления летательных аппаратов / В. А. Малкин; – Минск: ВА РБ, 2011. – 276 с.
4. Кузовков Н. Т. Инерциальная навигация и оптимальная фильтрация / Н. Т. Кузовков, О. С. Салычев; – М.: Ма-
шиностроение, 1982. – 216 с.
5. Малкин В. А. Двухэтапные алгоритмы оценивания в системах автосопровождения движущихся объектов /
В. А. Малкин // Весн. Нац. акад. навук Беларусi. Сер. фiз.-тех. навук. – 1999. – № 4. – С. 56–59.

4, 2014 СИСТЕМНЫЙ АНАЛИЗ И ПРИКЛАДНАЯ ИНФОРМАТИКА