ردیابی اهداف مانور بالا مبتنی بر روش حالت افزوده با استفاده از فیلتر کالمن خنثی تطبیقی
Publish place: Electronic and cyber defense، Vol: 7، Issue: 2
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 370
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PADSA-7-2_009
تاریخ نمایه سازی: 3 دی 1398
Abstract:
بسیاری از روشهای ردیابی اهداف راداری مانور بالا مانند روش حالت افزوده بر اساس شبیهسازی معادلات حرکت هدف و رادار در مختصات کارتزین صورت میپذیرند. در محیط عملیاتی همراه با اختلالهای نویزی، ردیابی اهداف راداری به خصوص در مانورهای بالا که هدف در حال دور شدن از محل استقرار رادار است، خطای اندازهگیری رادار روی محورهای کارتزین دائما رو به افزایش بوده در صورتیکه در بسیاری از مقالات، خطای مشاهدات با کواریانس ثابتی روی محورهای مختصات کارتزین لحاظ میگردد. از طرفی بردار واقعی مشاهدات رادار شامل فاصله و زاویه سمت هدف در مختصات قطبی بوده و مدلسازی این مشاهدات در این مختصات باعث غیرخطی شدن روابط میشود و نیاز به روشهای تخمین غیرخطی مانند فیلتر کالمن خنثییا توسعهیافته را ایجاد مینماید. روش پیشنهادی در این مقاله با بهکارگیری ایده حالت افزوده در مختصات قطبی به رهگیری اهداف راداری مانور بالا بر اساسفیلتر کالمن خنثی میپردازد روش پیشنهادی با بهکارگیری الگوریتم تطبیق ماتریس کواریانس تخمین در هر مرحله، معضل همگرایی دیرهنگام فیلتر را برطرف نموده و از واگرایی آن جلوگیری مینماید. نتایج شبیهسازی در سناریوهای مانور متوسط و بالا بر اساس روش پیشنهادی نسبت به دو روش فیلتر کالمن خنثیو توسعهیافته، بهبود بیش از 90 درصدی را نشان میدهد.
Keywords:
تخمین ورودی نامعلوم , ردیابی اهداف راداری مانور بالا , فیلتر کالمن خنثی تطبیقی AUKF , روش حالت افزوده
Authors
علی کارساز
استادیار موسسه آموزش عالی خراسان
سید وحید مولایی کبودان
دانشجوی کارشناسی ارشد، موسسه آموزش عالی خراسان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :