B. Bayesian kuzatuv algoritmlari qayta ko'rib chiqildi
Oldingi muhokamaga ko'ra, ob'ektni kuzatish shartli ehtimollik zichligi p ( x k │ R k ) uchun takroriy yangilash sxemasi bo'lib, u mavjud bo'lgan barcha manbalar taqsimoti R k va asosiy apriori ma'lumotlar nuqtai nazaridan ob'ektning joriy holatini x k tavsiflaydi.
statistik modellar. Har bir yangi o'lchovni z k Bayes qoidasi bo'yicha qayta ishlash ketma-ket ikki marta qayta ko'rib chiqish vaqtida zichliklar o'rtasida rekursiv munosabatni o'rnatadi (filtrlashdan keyin bashorat qilish bosqichi).
(61)
bilan j k = ( j k ,..., j k - n +1 ) ma'lum bir model tarixini , ya'ni t k - n +1 gacha bo'lgan vaqtdagi ma'lum bir kuzatishdan ob'ekt dinamikasi modeliga oid mumkin bo'lgan gipotezalar ketma-ketligini bildiradi. t k vaqtidagi eng so'nggi o'lchov (" n orqaga skanerlash"). Yagona dinamika modeli ( r = 1) bo'lsa , bashorat qilish zichligi p ( x k │ R k-1 ) Gausslar tomonidan qat'iy ravishda berilgan (standart Kalman).
bashorat qilish). n = 1 uchun p ( x k │ R k-1 ) r komponentli aralashma bilan taxminan hisoblanadi .
r dinamikasi modellariga . GPB2 va standart IMM algoritmlari ushbu sxemaning mumkin bo'lgan amalga oshirilishidir [3]. Standart IMM uchun taxminiy taxminlar bashorat qilinganidan keyin amalga oshiriladi, lekin filtrlash bosqichidan oldin, GPB2 uchun esa filtrlash bosqichidan keyin qo'llaniladi. Shunday qilib, GPB2 ko'proq hisoblash harakatini talab qiladi. Tafsilotlar uchun [3] ga qarang.
Signal kuchi haqidagi ma'lumotlarni qayta ishlash: Keling, ob'ektning normallashtirilgan o'rtacha RCS ni ko'rib chiqaylik, s k = s k / s 0 , holat vektorining qo'shimcha komponenti sifatida. Aniqlanish sodir bo'lgandan keyin signal kuchini s k o'lchovi sifatida ko'rish mumkinligi sababli , kengaytirilgan shartli zichlikni ko'rib chiqaylik.
(62)
p ( x k │ R k ) ni hisoblash 2-bo‘limda ko‘rib chiqildi. Qolgan zichlik p ( s k │ x k , R k ) uchun Bayes qoidasini qo‘llash natijasida normallashtiruvchi konstantagacha erishiladi:
(63)
18 Sensor va Data Fusion
p ( s k │ x k , R k-1 ) teskari gamma zichlik bilan berilgan deb faraz qilaylik ,
(64)
tomonidan belgilanadi:
(65)
qayerda s ˆ - bu zichlikning kutilishi, s ˆ = [ s ] > 0, m a parametr m > 1. m > 2 uchun tegishli dispersiya mavjud: V [ s ] = s ˆ 2 /( m - 2). Ushbu zichlik sinfi 63- tenglamaga muvofiq Bayes qoidasini ketma-ket qo'llashda o'zgarmasdir, chunki normallashgunga qadar biz quyidagilarni olamiz:
(66)
(67)
(68)
parametrlar qaerda a k , s ˆ k , va m k quyidagicha ifodalanadi:
(69)
(70)
(71)
s k ga nisbatan zichlik ( s k ; s ˆ k , m k ) to‘g‘ri normalangan. Shubhasiz, a k ob'ektning joylashishiga bog'liq ( a k = a k ( r k , u k , v k )). p ( x k , s k │ R k ) ning faktorizatsiyasini saqlab qolish uchun
ob'ektning kinematik xususiyatlari bilan bog'liq bo'lgan oddiy aralashmada x k va uning RCS s k bilan bog'liq teskari gamma zichligi , biz taxminiylikdan foydalanamiz:
(72)
qayerda r ˆ k , u ˆ k , v ˆ k - p ( x k │ R k ) dan olingan r k , u k va v k uchun MMSE taxminlari . Demak, a k radar nurining taxminiy joylashish xatosini ham, tarqalishini ham qoplaydi
radar tenglamasi tufayli yo'qotish. s k doimiy deb faraz qilsak , bizda ( s k ; s ˆ k │ k -1 , m k │ k )= -1 ( s k ; s ˆ k -1 , m k │ k -1 ). Asosan, dinamikaning vaqtinchalik o'zgarishlarini tavsiflovchi model
radar kesmasi kiritilishi mumkin.
|
