- доплеровская частота.
y(t)- модуляция сигнала (известна заранее)
j(t)- некоторая начальная фаза сигнала, которая несет ин-
формацию об угловом положении цели. Либо j(t)- ме-
шающий параметр.
Система слежения за q(t) - следящий измеритель. Общий
вид записи см. (1).
Решение проблемы синтеза следящего измерителя :
Пусть q(t).Рассмотрим q(t) на дискретной сетке ®,
где , Dt - интервал дискретизации.
(2) ; g<1
(3) - 3х мерный вектор,
- фазовая координата
- приращение скорости
- ускорение (второе приращение)
Используя (3) модель (2) преобразуется :
(4)
h=|1 0 0| - вектор 3´3 ,
А - матрица 3´3, такая, что получается модель (2).
Используя модель (4) видим, что верхнее уравнение линей-
ное, а нижнее уравнение нелинейное. Используя теорию не-
линеной фильтрации получим оценку :
(5)
(5) - уравнение нелинейной фильтрации.
Структурная схема, которая реализует алгоритм следящего
измерителя () выглядит так :
дискриминатор фильтр экстраполятор
+ S
А
Dt
синтезатор
опоры
Экстраполяция.a,b,g - фильтры
Реализация нелинейного фильтра по формуле (5) несмотря на ее реккурентный характер достаточно сложна для реализации
на сигнальных процессорах, поэтому часто используют еще
одно упрощение - переходят от векторно-матричной записи
нелинейной фильтрации по формуле (5) к скалярной записи.
(заметим, что формула (5) реализует следящий измеритель
некоторого параметра)
a,b,g - фильтры значительно упрощают синтез следящих
измерителей. Идея состоит в том, что вместо матричного
коэффициента в формуле (5) подставляются скалярные ве-
личины.
Проектирование a,b,g - фильтра
Модель :
; а<1
- скалярное наблюдение
Был введен параметр :
Поскольку мы ввели этот параметр, фильтр получился 3х
мерный. Далее вместо фильтра (5) запишем эвристический
фильтр: (Эвристика - полуинтуитивное мышление)
(6)
a<1, b<1, g<1
(7)
Комментарии к (6) и (7) : Справа - невязки, взяты из тео-
рии нелинейной фильтрации. Од-
нако в (6) экстраполированное значение получается из фор-
мулы (7). (7) - это кусок ряда Тейлора.
В нелинейной фильтрации экстраполяция получается ав-
томатически. А здесь мы ее искусственно создали в формуле
(7) , но она очень сильно близка к формуле (5).
|
Фильтрация | Первое слагаемое в (6) (верхняя строка) есть
координаты | , плюс взвешенный, с весом a корректи-
| рующий член, который есть невязка. Эта невя-
| зка корректирует экстраполяцию за счет ново-
| го наблюдения.
Фильтрация | Первое слагаемое во второй строке (6) - есть
приращения | экстраполяция полного приращения()
| 3-я формула в (6) - фильтрация второго при-
| ращения координаты.
Коэффициенты a,b,g получаются экспериментально.
(8) } -подбор a,b,g
(8) - метод наименьших квадратов, подбор a,b,g на ЭВМ.
Структурная схема следящего измерителя за параметром
по формулам (6), (7).
формирователь невязки
+ S S
-
Синтезатор A
опоры S(×)
; ; Þ
Синтез следящего измерителя доплеровской частоты
Постановка задачи - вектор скорости
цели
Имеется РАС.
Посылается сигнал от РАС
с частотой . l=1¸3см. Обратный сигнал будет на частоте
; . Доплеровская частота используется
для повышения помехоустойчивости РАС и для наведения ра-
кет. Поскольку цель движется, то меняется a и следова-
тельно и . Отсюда вывод: за доплеровской частотой нуж-
но следить.
Проблема : синтезировать следящий измеритель доплеровской
частоты.
Приходящий сигнал :
j(t) будем записывать в дискретные моменты времени.
, i=1,2,...n ;
Дискретная модель фаз :
(1) ;
; ; T - период колебания.
g<1, такой, чтобы система была устойчива. Предполагаем,
что за Dt не меняется .
Синтез цифрового оптимального следящего измерителя доп-
леровской частоты.
y(t)=Acos(wt+j(t))+h(t)
j(t) - фаза, которая содержит доплеровскую частоту
j(t)=
- неизвестны, но постоянны.
Обычно для реализации цифрового измерителя используется
квадратичный канал :
´ RC-фильтр АЦП
Оптималный
рис. 1 нелинейный
y(t) тактовая ¾® фильтр (3)
синхронизация
После такого преобразования снимается несущая, остается
только доплеровская частота.
e(t) - низкочастотный шум.
Acosj(t),Asinj(t) - НЧ компоненты.
На большей требуются очень сложные и дорогие АЦП.
После цифровой обработки (АЦП) модель записывается :
(2) , где ;
h = |1 0| ; ;
Вектор динамической системы двумерный и динамическая сис-
темы тоже двумерная.
(3)
Фильтр (3) дает оцнеку . Реализация невязки ана-
логично как в a,b,g - фильтрах.
Синтез аналого-цифрового следящего измерителя.
Рис. 2 Ф-1 Д АЦП Фильтр
Калмана
экстра-
УПЧ ´ Ф-3 полятор
Ф-2 Д АЦП
Синтезатор
Ф-3 - узкополосный фильтр
Ф-1,Ф-2 - расстроенная пара фильтров
Ф-1 Дискриминационная
характеристика :
вычитателя
f
Ф-2 Df
Дискриминационная характеристика - это разность фильтров
Ф-1 и Ф-2. Она формирует невязку .
(1)
Эта система используется для оценки доплеровской частоты,
меняющейся во времени. Это следует из уравнения (1), где
нижнее уравнение дает поправку доплеровской частоты за
один шаг.Невязка формируется также как в a,b,g - фильтрах.
Глава 7
Устойчивость стохастических систем
В радиоавтоматике все без исключения системы являются
стохастическими, т.е. сама динамическая система описыва-
ется стохастическими разностными уравнениями. Наблюдения
тоже записываются с учетом шумов.
1) Линейные стохастические системы
- шум динамической системы
- шум наблюдений
- m-мерный вектор
с - матрица перехода
Устойчивость определяется нормой матрицы ‘c’.
Достаточным условием устойчивости (1) является :
, где
(2) , где - элементы матрицы ‘c’
с =||, i=1,...,m ; k=1,...,m
Если условие (2) выполняется, то система всегда бу-
дет устойчива.
Замечание: В некоторых случаях система может быть устой-
чивой , если , потому что условие (2) яв-
ляется достаточным, но не необходимым.
Пример стохастической системы 1-го порядка:
(1)’
Оценка - система будет устой-
чива при 0<c<1.
, 0<c<1 - является необходи-
c>1 мым и достаточным условием
устойчивости системы.
Устойчивость нелинейных систем
Нелинейная стохастическая система :
Устойчивость нелинейных динамических систем опре-
деляется функцией Ляпунова.
Определение устойчивости по Ляпунову для детерминирован-
ной системы.
Вводится специальная функция, называемая функцией Ляпуно-
ва. Обозначается : . Функция удовлетворяет следующим
условиям :
1. Если x=0, то =0
2. Приращение функции Ляпунова во времени D0,
т.е. функция должна быть убывающей:
Для стохастической системы (3)
обычно функцию Ляпунова выби-
рают так: . А условие
устойчивости для системы (3)
будет следующим:
1),
i®¥ (ассимптотически)
2)
Анализ качества работы стохастических систем радиоавтома-
тики
Качество линейных и нелинейных стохастических систем оп-
ределяется реальным качеством фильтра. (см. выше)
Синтез предполагает, что модель соответствует реальному случайному процессу, который мы фильтруем. В этом случае
качество определяется следующим образом :
Пример: Одномерный фильтр Калмана.
Фильтр : ;
- апостариорная дисперсия
- коэффициент усиления
фильтра Калмана
i - дискретное время
Качество фильтрации определяется адекватностью модели и реального процесса. Как проверить адекватность модели
реальному процессу ? Сделать это
можно только по невязке: ,
где .
i
Теорема : Процесс тогда и только тогда адекватен модели,
когда невязка является белым шумом.
Замечание: Это может случиться только тогда, когда
Проблема качества определяется проблемой экстраполяции.
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10