کاهش پیچیدگی محاسباتی فیلتر کالمن توسعه‌یافته در رادار ردگیر شناختگر

نویسندگان

1 دانشیار، دانشکده برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران

2 دانشجوی دکتری، دانشکده برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران

doi
چکیده

رادار شناختگر با رادار سنتی به‌واسطه توسعه قوانین رفتاری به شیوه‌ای خودسازماندهی از طریق بهره‌مندی از تعامل مداوم با محیط متفاوت است. در روش‌های مرسوم ردگیری اهداف، باوجوداینکه خطاهای زاویه‌سنجی و برد بر اساس سیگنال بازگشتی از اهداف و عوامل محیطی تغییر می‌کنند؛ ولی نویز مشاهدات در الگوریتم‌های ردگیری مرسوم (مانند EKF مرسوم) ثابت فرض می-شوند. یکی از روش‌های توسعه داده شده در مقالات، به‌روزرسانی تطبیقی ماتریس کوواریانس نویز اندازه‌گیری فیلتر EKF با بهره-مندی از داده‌های درون‌زای رادار شناختگر و با تحلیل خطاهای زاویه‌سنجی و برد و تأثیر SNR دریافتی بر آنها است. با به‌روزرسانی ماتریس کوواریانس نویز اندازه‌گیری، بار محاسباتی الگوریتم افزایش می‌یابد؛ در این مقاله با تحلیل ریاضی روابط، الگوریتم بهینه‌ جدیدی به‌منظور جلوگیری از انجام محاسبات غیرضرور ارائه شده است. عملکرد این روش در یک مسئله ردگیری با استفاده از شبیه‌سازی ارزیابی شده و نهایتاً دقت و بار محاسباتی آن با روش‌های موجود مقایسه شده است. نتایج شبیه‌سازی نشان می‌دهد که در الگوریتم جدید ردیابی با استفاده از مفهوم رادار شناختگر نسبت به روش EKF مرسوم، ضمن کنترل پیچیدگی محاسباتی، خطاهای ردگیری بهبود قابل‌ملاحظه‌ای داشته است و نسبت به الگوریتم SNR-EKF، با افزایش خطا به‌اندازه 4%، موجب کاهش حجم محاسبات افزوده شده به‌اندازه 22% شده است.