მანევრირების სამიზნეების დამიზნების თავისებურებები. მიზნების ავტომატური თვალყურის დევნება დისერტაციების რეკომენდებული სია

სადისერტაციო თემის აქტუალობა

სამოქალაქო ავიაციის ერთ-ერთი ყველაზე მნიშვნელოვანი ამოცანაა ფრენის უსაფრთხოების გაუმჯობესება, განსაკუთრებით აფრენისა და დაფრენის დროს. ამ მიზნის მისაღწევად, საჰაერო მოძრაობის მართვის ავტომატიზირებულ სისტემებს (ATC) უნდა ჰქონდეთ საჭირო ხარისხის ინდიკატორები, რომლებიც გარკვეულწილად დამოკიდებულია შემომავალი რადარის ინფორმაციის ხარისხზე. ATC სისტემაში, სარადარო ინფორმაცია მარშრუტზე და აეროდრომის რადარებიდან გამოიყენება საჰაერო სამიზნეების მოძრაობის (AT), შეჯახების თავიდან აცილებისა და მიახლოების კონტროლისთვის. კომპიუტერის მოძრაობის კონტროლისას აუცილებელია თითოეული კომპიუტერის მიმდინარე კოორდინატების გამოთვლა, რათა თავიდან იქნას აცილებული კომპიუტერის საშიში მიდგომები. წინააღმდეგ შემთხვევაში, პილოტებს ეძლევათ ბრძანებები ტრაექტორიების გამოსწორების მიზნით. შეჯახების თავიდან აცილების რეჟიმში წარმოიქმნება ექსტრაპოლირებული კოორდინატების შეფასება, რის საფუძველზეც დგინდება საშიში სიახლოვის ზონები. გარდა ამისა, ბოლო წლებში გაიზარდა საჰაერო მიმოსვლის სიმჭიდროვე. საჰაერო მოძრაობის სიმკვრივის ზრდა იწვევს სახიფათო შეტაკებების რაოდენობის ზრდას. საავიაციო ცენტრებს შორის საშიში მიდგომების პრევენცია სამოქალაქო ავიაციის უმნიშვნელოვანესი ამოცანის ნაწილია - ფრენის უსაფრთხოების უზრუნველყოფა. სადესანტო მიდგომის დროს თვითმფრინავის მოძრაობის კონტროლისას რადარი ამოწმებს თვითმფრინავის სწორ მოძრაობას მითითებული ტრაექტორიების გასწვრივ.

ამიტომ, რადარის ინფორმაციის ხარისხის გაუმჯობესების საკითხები მუდმივად დიდ ყურადღებას იპყრობს. ცნობილია, რომ რადარის ინფორმაციის პირველადი დამუშავების შემდეგ, რადარის ინფორმაციის მეორადი დამუშავების პროცესი (SRIP) ჩვეულებრივ ხორციელდება ციფრული კომპიუტერის დაპროგრამებული ციფრული დამუშავების ალგორითმებით, ხოლო რადარის ინფორმაციის ნაკადის ხარისხი დიდად არის დამოკიდებული სანდოობაზე და დამუშავების ალგორითმების სიზუსტე. ეს ამოცანა მით უფრო აქტუალურია, თუ გათვალისწინებულია თვითმფრინავის მანევრირება აფრენისა და დაფრენის ეტაპებზე, რაც დაკავშირებულია ფრენის დონის შეცვლასთან, კურსის შეცვლასთან და სტანდარტული მიდგომის პროცედურების შესრულებასთან და ა.შ.

განვიხილოთ ATC ზონის საჰაერო სივრცის ელემენტების მდებარეობა და ტიპიური სადესანტო მიდგომა. სამოქალაქო ავიაციაში საჰაერო სივრცე დაყოფილია საჰაერო გზად - დადგენილი საჰაერო სივრცე დედამიწის ზედაპირის ზემოთ დერეფნის სახით, რომლის სიგანეა (10 - 20) კმ, რომლის გასწვრივ ხორციელდება რეგულარული ფრენები, აეროდრომის ტერიტორია - საჰაერო სივრცე აეროდრომის ზემოთ და მიმდებარე ტერიტორია და შეზღუდული ტერიტორია - საჰაერო სივრცე, რომელშიც აკრძალულია ყველა დეპარტამენტის საავიაციო ფრენები.

აეროდრომის ტერიტორიაზე მოწყობილია საჰაერო დერეფნები, ასაფრენი და სადესანტო ზონები და მოსაცდელი ადგილები. საჰაერო დერეფანი არის საჰაერო სივრცის ნაწილი, რომელშიც თვითმფრინავები ეშვება და სიმაღლეს იძენს. აფრენისა და დაფრენის ზონა არის საჰაერო სივრცე აეროდრომის დონიდან მეორე უსაფრთხო ფრენის დონის სიმაღლემდე. ამ ზონის ზომები განისაზღვრება მოცემულ აეროდრომზე მომუშავე კომპიუტერების ფრენის შესრულების მახასიათებლებით, საჰაერო მოძრაობის კონტროლის ნავიგაციისა და დაშვებისთვის რადიოტექნიკური დამხმარე საშუალებების შესაძლებლობებით, მიახლოების სქემებით და აეროდრომის ტერიტორიის სპეციფიკური მახასიათებლებით. როგორც წესი, აფრენ-დაფრენის ზონის საზღვრები აეროდრომიდან 25,30 კმ-ით არის დაშორებული. თუ რაიმე მიზეზით პილოტი არ დაჯდება თვითმფრინავს პირველ მიდგომაზე, მაშინ თვითმფრინავი გადადის მეორე წრეში, ანუ მოძრაობს სპეციალური მარშრუტის გასწვრივ წრის არეში (იხ. ნახ. B.1). თუ CC-ს არ ეძლევა უფლება გადაადგილდეს მისასვლელი მარშრუტის გასწვრივ ასაფრენი ბილიკის (ასაფრენი ბილიკის) დროებით დაკავებულობის ან მიუწვდომლობის გამო, მაშინ CC იგზავნება დაკავების ზონაში, რომელიც განკუთვნილია აეროდრომთან მისასვლელად ნებართვის მოლოდინში. ეს ზონები განლაგებულია აეროდრომის ზემოთ ან მისგან 50 - 100 კმ-ზე (ნახ. B.1). ამრიგად, აეროდრომის მიდამოში კომპიუტერის მანევრირების სიხშირე მაღალია. ეს აიხსნება იმით, რომ ამ ზონაში კომპიუტერების დიდი სიმკვრივეა და მოცემული მარშრუტებისა და დისტანციების შესანარჩუნებლად ისინი მუდამ მანევრირებენ ერთი ზონიდან მეორეში.

1 - მარშრუტები; 2 - აეროდრომის ტერიტორიის დერეფნები;3 - წრის ფართობი; 4-აფრენ-დაფრენის ზონა;

5 - მოსაცდელი ადგილები.

გარდა ამისა, დაშვებისას თვითმფრინავისა და მგზავრების უსაფრთხოების გასაუმჯობესებლად, ამჟამად ფართოდ გამოიყენება „ყუთის“ მიდგომის სქემა, რომლის დროსაც თვითმფრინავმა დაშვებამდე უნდა დაგეგმოს (1-2) წრეები აეროდრომზე (ნახ. B.2). . ეს ნიმუში შედგება რამდენიმე სწორი მონაკვეთისა და ოთხი 90 გრადუსიანი მობრუნებისგან.

ბრინჯი. 2-ზე. „ბოქსის“ მიდგომის სქემა.

მეორეს მხრივ, კომპიუტერული ტექნოლოგიის მდგომარეობა და განვითარება შესაძლებელს ხდის უფრო რთული და ეფექტური ალგორითმების გამოყენებას რადარის ინფორმაციის დასამუშავებლად, რათა გაზარდოს კომპიუტერის კოორდინატებისა და სიჩქარის შეფასების სიზუსტე.

ამრიგად, TC ტრაექტორიების თვალთვალის ალგორითმების შესწავლა, რომლებიც აუმჯობესებენ რადარის ინფორმაციის ხარისხს, გადაუდებელი პრობლემაა.

რადარის ინფორმაციის დამუშავებისას განსაკუთრებით გადაუდებელი ამოცანაა დამუშავების ალგორითმების შესწავლა CC მანევრის ადგილებში, რაც იწვევს შეუსაბამობას CC-ის რეალურ მოძრაობასა და ალგორითმში გამოყენებულ მოძრაობის მოდელს შორის. შედეგად, შეფასების შედეგების სიზუსტე უარესდება და მიღებული რადარის ინფორმაცია არასანდო ხდება. კომპიუტერის ტრაექტორიის თვალთვალის სიზუსტის გაზრდის ცნობილი მიდგომები მანევრის განყოფილებებში ძირითადად ემყარება მანევრის დასაწყისისა და დასასრულის აღმოჩენის პრობლემის გადაჭრას და, შესაბამისად, თვალთვალის ფილტრის პარამეტრების შეცვლას. ეს მიდგომები იწვევს "ალფა - ბეტა" და "ალფა - ბეტა - გამა" ფილტრების სქემას, ან კალმანის ფილტრს (KF) მანევრის დეტექტორთან ერთად.

ცნობილია, რომ გამოვლენისა და შეფასების თეორიაში აპრიორული გაურკვევლობის გადასაჭრელად ასევე შეიძლება გამოყენებულ იქნას ბაიესის ადაპტური მიდგომა. მდგომარეობის სივრცეში ფილტრაციისას, ეს მიდგომა მოიცავს მდგომარეობის მოდელების ყველა შესაძლო ვარიანტის გათვალისწინებას და თითოეულ ვარიანტთან ერთად გამოითვლება მისი უკანა ალბათობა. მისი გამოყენება მანევრირების კომპიუტერების ტრაექტორიების თვალყურის დევნების პრობლემის გადასაჭრელად ბოლო წლებში შემუშავდა. ამ შემთხვევაში, TC-ის ტრაექტორია აღწერილია ერთდროულად რამდენიმე მოდელით და ვარაუდობენ, რომ მოდელებს შორის გადასვლის პროცესი აღწერილია უბრალოდ დაკავშირებული მარკოვის ჯაჭვით. ლიტერატურაში შემოთავაზებულია ერთი ვარიანტი ასეთი ალგორითმის შესაქმნელად, რომელიც ეფუძნება გაუსიან დაახლოებას მდგომარეობის ვექტორის ალბათობის აპრიორული სიმკვრივისთვის. მისი არსი არის შესაძლო მოდელის ჰიპოთეზების გაერთიანება და მიღებულ ალგორითმს ეწოდება "მრავალმოდელური ალგორითმი" (MMA).

დისერტაცია აანალიზებს ზემოთ ჩამოთვლილ მიდგომებს, აჩვენებს მათ უპირატესობებსა და ნაკლოვანებებს და შეიმუშავებს ახალ MMA-ს. ცნობილი MMA-სგან განსხვავებით, შემოთავაზებული ალგორითმი იქმნება VC მდგომარეობის ვექტორის უკანა ალბათობის სიმკვრივის გაუსის მიახლოების საფუძველზე; ამის მიხედვით, მიღებულ ალგორითმს აქვს უპირატესობა ცნობილ ადაპტირებულ ალგორითმებთან შედარებით. სტატისტიკური მოდელირების შედეგმა აჩვენა, რომ შესწავლილი ალგორითმი შესაძლებელს ხდის გაზარდოს კომპიუტერის მდებარეობის შეფასების სიზუსტე ადაპტაციურ FC-თან და ცნობილ MMA-სთან შედარებით მანევრირების კომპიუტერის ტრაექტორიაზე თვალყურის დევნისას. კვლევის შედეგებმა აჩვენა, რომ პირველი გამარტივებული FC-ის გამოთვლის ღირებულება მცირდება მეორე გამარტივებულ და გაფართოებულ FC-სთან შედარებით, ხოლო ამავე დროს მისი სიზუსტე კომპიუტერის ორივე კოორდინატებისა და სიჩქარის შეფასებისას იზრდება (30-50)%-ით. "ალფა - ბეტა" და "ალფა - ბეტა - გამა ფილტრებთან შედარებით. ამიტომ, პირველი გამარტივებული FC-ის გამოყენება არამანევრირებადი CC-ების ტრაექტორიის თანმხლები უფრო სასურველია.

სამუშაოს მიზანი და ამოცანები

სადისერტაციო სამუშაოს მიზანია TC ტრაექტორიების თვალთვალის ალგორითმების შესწავლა და ანალიზი, ახალი MMA-ის შემუშავება და მიღებული MMA ცნობილ ადაპტირებულ ალგორითმებთან შედარება. დასახული მიზნის შესაბამისად, სადისერტაციო ნაშრომში გადაწყდა შემდეგი ამოცანები:

მდგომარეობის სივრცეში შეფასების ზოგადი თეორიის შესწავლა და მისი გამოყენება კომპიუტერის მოძრაობის ტრაექტორიების გაფილტვრაში.

"ალფა - ბეტა" და "ალფა - ბეტა - გამა" ფილტრების ანალიზი და მათი გაზრდის ფაქტორების შერჩევის მეთოდი მანევრულ და არამანევრულ განყოფილებებში.

ადაპტაციური FC-ების შესწავლა მანევრირების კომპიუტერების ტრაექტორიების თვალყურის დევნებისთვის მანევრის დაწყების მომენტის დეტექტორით.

ოპტიმალური შეფასება მდგომარეობის სივრცეში გაფართოებული მდგომარეობის ვექტორით, რომელიც მოიცავს მდგომარეობის პარამეტრების ვექტორის გარდა უცნობ პარამეტრს, რომელიც განსაზღვრავს მდგომარეობის მოდელის ყველა შესაძლო ვარიანტს.

ცნობილი MMA-ს შესწავლა და ახალი MMA-ის შემუშავება მანევრირების კომპიუტერების თვალყურის დევნებისთვის, კომპიუტერის ტრაექტორიის აღწერილობის საფუძველზე ერთდროულად რამდენიმე მოდელის მიერ, რომლებიც წარმოადგენენ მარკოვის უბრალოდ დაკავშირებული ჯაჭვის მდგომარეობას.

Კვლევის მეთოდები

თეორიული კვლევა და VC ტრაექტორიების თვალთვალის ალგორითმების შექმნა განხორციელდა დისკრეტულ დროში პირობითი მარკოვის პროცესების ფილტრაციის თეორიის საფუძველზე. მიღებული ალგორითმები გაანალიზებულია სტატისტიკური მოდელირების საფუძველზე. ნაშრომის სამეცნიერო სიახლე მდგომარეობს შემდეგში: MMA შემუშავებულია VC-ის ტრაექტორიის აღსაწერად ერთდროულად რამდენიმე მოდელის გამოყენებით უბრალოდ დაკავშირებული მარკოვის ჯაჭვისთვის.

მიღებული სამუშაოს შედეგების სანდოობა დასტურდება სტატისტიკური მოდელირების შედეგებით.

სამუშაოს შედეგების პრაქტიკული მნიშვნელობა

შემუშავებულია და შესწავლილია მანევრირების კომპიუტერის ტრაექტორიის თვალთვალის ალგორითმი, რომელიც აუმჯობესებს თვალთვალის სიზუსტეს მანევრირების განყოფილებებში.

სამუშაოს შედეგების და პუბლიკაციების დამტკიცება

სამუშაოს ძირითადი სამეცნიერო შედეგები გამოქვეყნდა სტატიებში ჟურნალებში "Radio Engineering", "Electronic Journal Proceedings of the MAI" და "Aerospace Instrumentation" და წარმოდგენილი იყო მე-5 საერთაშორისო კონფერენციაზე "ციფრული დამუშავება და მისი გამოყენება" (მოსკოვი). , 2003), საერთაშორისო კონფერენციაზე და გამოფენაზე "ავიაცია და კოსმონავტიკა 2003" (MAI 2003). სამუშაოს მოცულობა და სტრუქტურა

დისერტაცია შედგება შესავლის, ოთხი თავის, დასკვნისა და ცნობარების ჩამონათვალისგან. ნამუშევარი შეიცავს 106 გვერდ ტექსტს. ცნობარების სიაში 93 სათაურია. პირველ თავში განხილულია და გაანალიზებულია არამანევრირებადი და სუსტად მანევრირებადი კომპიუტერების ტრაექტორიების თვალთვალის ზოგიერთი არსებული მეთოდი საჰაერო მოძრაობის მართვის პრობლემაში. მეორე თავში გაანალიზებულია მანევრირების სამიზნეების თვალთვალის ცნობილი ადაპტური ალგორითმები, რომლებიც ეფუძნება მანევრის დეტექტორების გამოყენებას და პარამეტრების ან ფილტრის სტრუქტურის კორექტირებას. მესამე თავი აანალიზებს MMA-ს მდგომარეობას საჰაერო მოძრაობის მართვის სისტემებში. მეოთხე თავში შემოთავაზებულია ზოგადი მიდგომა საჰაერო მოძრაობის მართვის პრობლემისთვის მრავალმოდელიანი ალგორითმების აგების მიმართ, როდესაც აღწერს საჰაერო მოძრაობის ცენტრის მოძრაობის შესაძლო მოდელების უბრალოდ დაკავშირებული მარკოვის ჯაჭვს.

§4.4. დასკვნები

ამ თავში შემოთავაზებული იყო ზოგადი მიდგომა მრავალმოდელური ალგორითმების აგებისადმი კომპიუტერული ცენტრის მოძრაობის შესაძლო მოდელების აღწერისთვის უბრალოდ დაკავშირებული მარკოვის ჯაჭვის მდგომარეობების მიხედვით და მიღებული იქნა შემდეგი შედეგები.

პირობითი მარკოვის პროცესების ფილტრაციის ზოგადი თეორიის საფუძველზე შეიქმნა ალგორითმი, რომელშიც პარამეტრების გაფილტრული ვექტორი მოიცავს არა მხოლოდ სამიზნის მოძრაობის პარამეტრებს, არამედ უცნობ პარამეტრს, რომელიც განსაზღვრავს სამიზნის მოძრაობის შესაძლო მოდელებს. შედეგად, მიღებული ალგორითმი არის არაოპტიმალური, რომელიც განისაზღვრება გაუსის დაახლოებით უკანა ალბათობის სიმკვრივისთვის.

მანევრირების კომპიუტერების ტრაექტორიის თვალყურის დევნებასთან დაკავშირებით, მიღებული ალგორითმი სიმულირებული იქნა M=2 შემთხვევისთვის. შედეგებმა აჩვენა, რომ მანევრის ტრაექტორიის მონაკვეთებში შესწავლილი ორგანზომილებიანი ალგორითმი ზრდის მდებარეობის შეფასების სიზუსტეს (30 - 60)%-ით ცნობილ ალგორითმებთან შედარებით. თუმცა, ფილტრაციის ხარისხის გაზრდა მიიღწევა გამოთვლითი ხარჯების გაზრდით.

დასკვნა

სადისერტაციო ნაშრომში შესწავლილი იქნა სათვალთვალო რადარის მონაცემებზე დაფუძნებული TC ტრაექტორიების თვალთვალის ალგორითმები. მიღებული შედეგები საშუალებას გვაძლევს შევაფასოთ თითოეული ტექნიკური ალგორითმის დადებითი და უარყოფითი მხარეები. დისერტაციაში შესწავლილი და შემუშავებული იქნა ალგორითმები საშიში მიდგომების თავიდან აცილებისა და კომპიუტერის როგორც კოორდინატების, ასევე სიჩქარის შეფასების სიზუსტის გაზრდის მიზნით. ცნობილია, რომ რადარის ინფორმაციის მეორადი დამუშავება (SRIP) ჩვეულებრივ ხორციელდება ციფრული კომპიუტერის ან ციფრული აღჭურვილობის გამოყენებით. ბოლო წლებში სწრაფად განვითარდა კომპიუტერული ტექნოლოგიები, მიკროპროცესორები, ციფრული ტექნოლოგიების ელემენტარული ბაზა, განსაკუთრებით VLSI, FPGA და ტექნიკისა და სისტემის აღწერის ენები, როგორიცაა URUL, ASHEL და ა.შ. დანერგვის ტენდენცია იყო. VLSI შექმნას ღია სისტემები საერთაშორისო სტანდარტებზე დაფუძნებული, მათ შორის VORI სისტემები. ეს შესაძლებელს ხდის რეალურ დროში კომპიუტერების ტრაექტორიების თვალთვალის უფრო რთული ალგორითმების შესწავლას. წარმოდგენილ ნაშრომში შესწავლილია სტატისტიკური მოდელირების საფუძველზე არამანევრირებისა და მანევრირების კომპიუტერების თვალთვალის სხვადასხვა ალგორითმები. დისერტაციაში მიღებული იქნა შემდეგი შედეგები:

1. შესწავლილია "ალფა - ბეტა" და "ალფა - ბეტა - გამა" ფილტრები და შემოთავაზებულია მათი გაზრდის ფაქტორების არჩევის ვარიანტი CC ტრაექტორიის თანხლებით. "ალფა - ბეტა" და "ალფა - ბეტა - გამა" ფილტრები შესაძლებელს ხდის გამოთვლითი ხარჯების შემცირებას და TC ტრაექტორიების თვალთვალის პროცედურის გამარტივებას, თუმცა, ისინი ერთდროულად ამცირებენ თვალთვალის ხარისხს (30 - 40)% დიაპაზონის მიხედვით. , სიჩქარე და დაკვირვების რაოდენობა ჩვეულებრივ ფილტრებთან შედარებით.

2. შესწავლილია არაწრფივი ფილტრაციის პრობლემა, როდესაც სათვალთვალო რადარი ზომავს CC-ის პოლარულ კოორდინატებს, ხოლო გაფილტრული ვექტორი მოიცავს მოძრაობის პარამეტრებს დეკარტის კოორდინატთა სისტემაში. შემოთავაზებულია გამარტივებული კალმანის ფილტრი, რომელიც გარდაქმნის გაზომვის კოორდინატებს პოლარული სისტემიდან დეკარტის სისტემაში და გაფართოებული კალმანის ფილტრი, რომელიც ხაზობრივად აახლოებს გაზომვის განტოლებას ტეილორის სერიის მაღალი რიგის ტერმინების გაუქმებით. ანალიზმა აჩვენა, რომ მეორე გამარტივებული და გაფართოებული კალმანის ფილტრები ერთსა და იმავე შედეგს იძლევა როგორც პოზიციის, ასევე სიჩქარის შეფასების სიზუსტის თვალსაზრისით, მაგრამ გამოთვლითი ხარჯების თვალსაზრისით, მეორე გამარტივებული კალმანის ფილტრი უფრო ეკონომიურია.

3. ადაპტაციური ალგორითმები შემოთავაზებულია CC მანევრის ერთობლივი გამოვლენისა და შეფასების საფუძველზე. მანევრის გამოვლენის პრობლემა მიეკუთვნება სასარგებლო სიგნალების გამოვლენის პრობლემათა კლასს თეთრი გაუსის ხმაურის ფონზე. ამ შემთხვევაში, გამოვლენილი სასარგებლო სიგნალი არის განახლების პროცესის მათემატიკური მოლოდინი, რომელიც განსხვავდება ნულიდან მანევრის არსებობისას. მანევრის გამოვლენის პრობლემის გადაჭრისას გამოვიყენეთ ალბათობის კოეფიციენტის მეთოდი და მისი ინტენსივობის შესაფასებლად აჩქარებას არა შემთხვევით პროცესად მივიჩნევთ, შედეგად, შემფასებლის სინთეზისთვის საჭიროა მაქსიმალური გამოყენება. ალბათობის კრიტერიუმი. მანევრირების კომპიუტერთან ერთად, მანევრის გამოვლენის შემდეგ, იცვლება პარამეტრები ან ფილტრის სტრუქტურები.

4. გამოკვლეული და შემუშავებულია ადაპტური მრავალმოდელიანი ალგორითმი, რომელიც ითვალისწინებს VC მოძრაობის ტრაექტორიის შესაბამის ყველა შესაძლო მოდელს. ამრიგად, მოძრაობის პარამეტრების ვექტორის შეფასების გარდა, აუცილებელია ყველა მოდელის უკანა ალბათობის შეფასება. VC-ის კოორდინატების ამჟამინდელი შეფასება წარმოიქმნება შეფასებების შეწონილი ჯამის სახით ყველა მოდელთან მიმართებაში, რომელიც დაფუძნებულია წინა ალბათობებზე. ეს საშუალებას აძლევს თვალთვალის ალგორითმს რეაგირება მოახდინოს მანევრზე დაწყებისთანავე. ადაპტაციური მრავალ მოდელის ალგორითმების შესაქმნელად, უცნობი პარამეტრი, რომელიც განსაზღვრავს კომპიუტერის მოძრაობის ერთ-ერთ M შესაძლო მოდელს დროის თითოეულ მომენტში, აღწერილია უბრალოდ დაკავშირებული მარკოვის ჯაჭვით. შედეგად, მიღებული ალგორითმი იქმნება M2 პარალელური კალმანის ფილტრების ნაკრებიდან. M = 2 შემთხვევის სიმულაციის შედეგებმა აჩვენა, რომ მანევრის ტრაექტორიის მონაკვეთებში შესწავლილი ორგანზომილებიანი ალგორითმი ზრდის TC-ის მდებარეობის შეფასების სიზუსტეს (30 - 60)%-ით ცნობილ ალგორითმებთან შედარებით. თუმცა, ფილტრაციის ხარისხის გაზრდა მიიღწევა გამოთვლითი ხარჯების გაზრდით.

5. ციფრულ კომპიუტერზე შემუშავებული ექსპერიმენტული პროგრამები საშუალებას იძლევა შეფასდეს ალგორითმების დადებითი და უარყოფითი მხარეები, რის საფუძველზეც დგინდება მათი განხორციელების შესაძლებლობა კონკრეტულ პირობებში.

1. Farina A., Studer F. რადარის ინფორმაციის ციფრული დამუშავება. პერ. ინგლისურიდან -მ.: რადიო და კომუნიკაცია, 1993, 319 გვ.

2. Sage E., Mele J. შეფასების თეორია და მისი გამოყენება კომუნიკაციასა და მენეჯმენტში. პერ. ინგლისურიდან -მ.: კომუნიკაცია, 1976, 496 გვ.

3. Bakulev P. A., Stepin V. M. მოძრავი სამიზნეების შერჩევის მეთოდები და მოწყობილობები. მ.: რადიო და კომუნიკაცია, 1986, 288 გვ.

4. Kuzmin S. 3. ციფრული რადარი. გამომცემლობა KV1Ts, კიევი 2000, 426 გვ.

5. სოსულინი იუ.გ. რადარის და რადიო ნავიგაციის თეორიული საფუძვლები. -მ.: რადიო და კომუნიკაცია, 1992, 303 გვ.

6. Bakut P. A., Zhulina Yu. V., Ivanchuk N. A. მოძრავი ობიექტების გამოვლენა. მ.: საბჭოთა რადიო, 1980, 287 გვ.

7. Kuzmin S. 3. რადარის ინფორმაციის ციფრული დამუშავება. მ.: სოვ. რადიო, 1967,399 გვ.

8. Kuzmin S. 3. სარადარო ინფორმაციის ციფრული დამუშავების თეორიის საფუძვლები. მ.: სოვ. რადიო, 1974, 431 გვ.

9. Kuzmin S. 3. სარადარო ინფორმაციის ციფრული დამუშავების სისტემების დიზაინის საფუძვლები. მ.: რადიო და კომუნიკაცია, 1986, 352 გვ.

10. იუ.სოსულინი იუ.გ. სტოქასტური სიგნალების გამოვლენისა და შეფასების თეორია. მ.: სოვ. რადიო, 1978, 320 გვ.

11. P. Shirman Ya. D., Manzhos V. N. რადარის ინფორმაციის დამუშავების თეორია და ტექნოლოგია ჩარევის ფონზე. მ.: რადიო და კომუნიკაცია, 1981, 416 გვ.

12. ტიხონოვი V.I. სტატისტიკური რადიოინჟინერია. მ.: რადიო და კომუნიკაცია, 1982, 624 გვ.

13. Z. Tikhonov V. I., Kharisov V. N. რადიოსაინჟინრო მოწყობილობებისა და სისტემების სტატისტიკური ანალიზი და სინთეზი. მ.: რადიო და კომუნიკაცია, 1991, 608 გვ.

14. M. Bochkarev A. M., Yuryev A. N., Dolgov M. N., Shcherbinin A. V. რადარის ინფორმაციის ციფრული დამუშავება // უცხოური რადიო ელექტრონიკა. No3, 1991, გვ. 3 22.

15. პუზირევი ვ.ა., გოსტიუხინა მ.ა. საჰაერო ხომალდის მოძრაობის პარამეტრების შეფასების ალგორითმები // უცხოური რადიოელექტრონიკა, No4, 1981 წ., გვ. 3-25.

16. გრიცენკო ნ. 3 30.

17. Detkov A. N. ტრაექტორიის ინფორმაციის ციფრული ფილტრაციის ალგორითმების ოპტიმიზაცია მანევრირების სამიზნეზე თვალყურის დევნებისას // რადიოინჟინერია, 1997, No12, გვ. 29-33.

18. ჟუკოვი მ. 67 - 71.

19. Bulychev Yu. G., Burlai I. V. კონტროლირებადი ობიექტების ტრაექტორიების პარამეტრების კვაზი-ოპტიმალური შეფასება // რადიოინჟინერია და ელექტრონიკა, 1996, ტ.41, No3, გვ. 298-302 წწ.

20. Bibika V.I., Utemov S.V. ფილტრი მანევრირების სტელსი სამიზნეების თვალთვალისათვის //რადიოინჟინერია, 1994, No3, გვ. 11-13.

21. Merkulov V.I., Drogapin V.V., Vikulov O.V. რადარის ინკლინომეტრის სინთეზი ინტენსიურად მანევრირების სამიზნეებზე თვალყურის დევნებისთვის // რადიოინჟინერია, 1995, No11, გვ. 85 91.

22. Merkulov V. I., Dobykin V. D. ალგორითმის სინთეზი გაზომვების ოპტიმალური იდენტიფიკაციის დროს საჰაერო ობიექტების ავტომატური თვალთვალის დროს მიმოხილვის რეჟიმში // რადიოინჟინერია და ელექტრონიკა, 1996, T. 41, No. 8, გვ. 954-958 წწ.

23. მერკულოვი ვ.ი., ხალიმოვი ნ.რ. სამიზნე მანევრების გამოვლენა ავტომატური თვალთვალის სისტემების ფუნქციონირების ალგორითმების კორექტირებით // რადიოინჟინერია, 1997, No11, გვ. 15-20.

24. Bar-Shalom Y., Berver G., Johnson S. ფილტრაცია და სტოქასტური კონტროლი დინამიურ სისტემებში. რედ. Leondes K. T.: ტრანს. ინგლისურიდან მ.: მირ. 1980, 407 გვ.

25. რაო ს.რ. ხაზოვანი სტატისტიკური მეთოდები და მათი გამოყენება: თარგმანი. ინგლისურიდან -მ.: ნაუკა, 1968 წ.

26. მაქსიმოვი მ.ვ., მერკულოვი ვ.ი. რადიო-ელექტრონული თვალთვალის სისტემები. სინთეზი ოპტიმალური კონტროლის თეორიის მეთოდებით. -მ.: რადიო და კომუნიკაცია, 1990, 255გვ.

27. Kameda N., Matsuzaki T., Kosuge Y. Target Tracking for Maneuvering targets Using Multiple Model Filter // IEEE Trans. საფუძვლები, ტ. E85-A, No3, 2002, გვ. 573-581 წწ.

28. Bar-Shalom Y., Birmiwal K. Variable Dimension Filter for Maneuvering Target Tracking // IEEE Trans, on AES 18, No. 5, 1982, გვ. 621 - 629 წწ.

29. Schooler S. C. Optimal a p Filters For Systems with Modeling Inaccuracies // IEEE Trans, on AES - 11, No. 6, 1975, გვ. 1300-1306 წწ.

30. ქერიმ დემირბასი. სამიზნის მანევრირება ჰიპოთეზის ტესტირებით // IEEE Trans, AES 23, No6, 1987, გვ. 757 - 765 წწ.

31. მაიკლ გრინი, ჯონ სტენსბი. Radar Target Pointing Error Reduction Using Extended Kalman Filtering // IEEE Trans, AES 23, No. 2, 1987, გვ. 273 -278 წწ.

32. McAulay R. J., Denlinger E. A. Decision-Directed Adaptive Tracker // IEEE Trans, on AES 9, No. 2, 1973, გვ. 229 - 236 წწ.

33. Bar-Shalom Y., Fortmann T. E. თვალთვალის მონაცემთა ასოციაცია. Boston: Academic Press, 1988, 353 გვ.

34. Kalata P. R. The Tracking index: გენერალიზებული პარამეტრი P და a - p -y სამიზნე ტრეკერებისთვის // IEEE Trans, on AES - 20, No. 2, 1984, გვ. 174 - 182 წწ.

35. Bhagavan V. K., Polge R. J. Performance of g-h Filter For Tracking Maneuvering Targets/ IEEE Trans, on AES-10, No. 6, 1974, გვ. 864 866.

36. Ackerson Guy A., Fu K. S. On State Estimation in Switching Environments // IEEE Trans, on AC-15, No. 1, თებერვალი 1970, გვ. 10 17.

37. Bar-shalom Y., Chang K.C., Blom H.A. Tracking a Maneuvering Target Using Input Estimation Versus the Interacting Multiple Model Algorithm // IEEE Trans, on AES-25, No. 2, March 1989, გვ. 296 300.

38. Wen-Rong Wu, Peen-Pau Cheng, A Nolinear IMM Algorithm for Maneuvering Target Tracking // IEEE Trans, on AES-30, No. 3, ივლისი 1994, გვ. 875 -885 წწ.

39. ჯიინ-ან გუუ, ჩე-ჰო ვეი. მანევრირების სამიზნე თვალყურის დევნება IMM მეთოდის გამოყენებით მაღალი გაზომვის სიხშირეზე // IEEE Trans, on AES-27, No. 3, May 1991, გვ. 514-519 წწ.

40. Blom H. A., Bar-shalom Y. The Interacting Multiple Model Algorithm for Systems with Markovian Switching Coefficients // IEEE Trans, on AC-33, No. 8, August 1988, გვ. 780-783 წწ.

41. Mazor E., Averbuch A., Bar-shalom Y., Dayan J. The Interacting Multiple Model Methods in Target Tracking: A Survey // IEEE Trans, on AES-34, No. 1, 1998, გვ. 103-123 წწ.

42. ბენედიქტ ტ.რ., ბორდნერი გ.რ. რადარის ტრასების სკანირებისას დამარბილებელი განტოლებების ოპტიმალური ნაკრების სინთეზი // IRE Trans, AC-7, ივლისი 1962, გვ. 27 32.

43. Chan Y. T., Hu A. G. C., Plant J. B. A Kalman Filter Based Tracking Scheme with input Estimation // IEEE Trans, on AES 15, No. 2, July 1979, გვ. 237 - 244 წწ.

44. Chan Y. T., Plant J. B., Bottomley J. R. T. A Kalman Tracker With a Scheme with Input Estimator // IEEE Trans, on AES 18, No. 2, 1982, გვ. 235 - 240 წწ.

45. Bogler P. L. მანევრირების სამიზნის თვალყურის დევნება შეყვანის შეფასების გამოყენებით // IEEE Trans, AES 23, No. 3, 1987, გვ. 298 - 310 წწ.

46. ​​სტივენ რ. როჯერსი. Alpha Beta Filter With Correlated Measurement Noise // IEEE Trans, on AES - 23, No. 4, 1987, გვ. 592 - 594 წწ.

47. Baheti R. S. კალმანის ფილტრის ეფექტური მიახლოება სამიზნე თვალყურის დევნებისთვის // IEEE Trans, AES 22, No1, 1986, გვ. 8 - 14.

48. Miller K. S., Leskiw D. M. Nonlinear Estimation With Radar Observations // IEEE Trans, on AES 18, No. 2, 1982, გვ. 192 - 200 წწ.

49. Murat E. F., Atherton A. P. Maneuvering target tracking using Adaptive turn rate models in he IMM algorithm // 35th Conference on Decision & Control. 1996, გვ. 3151 -3156 წწ.

50. Alouani A. T., Xia P., Rice T. R., Blair W. D. On the Optimality of Two-Stage State Estimation in the Presence of Random Bias // IEEE Trans, on AC 38, No. 8, 1993, გვ. 1279-1282 წწ.

51. Julier S., Uhlmann J., Durrant-Whyte H. F. A New Method for the Nonlinear Transformation of Means and Covariance in Filters and Estimators // IEEE Trans, on AC 45, No. 3, 2000, გვ. 477 - 482 წწ.

52. Farina A., Ristic B., Benvenuti D. Tracking a Balistic Target: Comparison of Several Nonlinear Filters // IEEE Trans, on AES 38, No. 3, 2002, გვ. 854 - 867 წწ.

53. Xuezhi Wang, Subhash Challa, Rob Evans. Gating Techniques for Maneuvering Target Tracking in Clutter // IEEE Trans, on AES 38, No. 3, 2002, გვ. 1087 -1097 წწ.

54. Doucet A., Ristic B. რეკურსიული მდგომარეობის შეფასება მრავალი გადართვის მოდელებისთვის უცნობი გადასვლის ალბათობით // IEEE Trans, on AES 38, No. 3, 2002, გვ. 1098-1104 წწ.

55. Willett B., Ruan Y., Streit R. PMHT: Problems and Some Solutions // IEEE Trans, on AES 38, No. 3, 2002, გვ. 738 - 754 წწ.

56. Watson G. A., Blair W. D. Interacting Acceleration Compensation Algorithm For Tracking Maneuvering Targets // IEEE Trans, on AES -31, No. 3, 1995, გვ. 1152-1159 წწ.

57. Watson G. A., Blair W. D. Interacting Multiple Bias Model Algorithm with Application to Tracking Maneuvering Targets // 31-ე კონფერენციის მასალები გადაწყვეტილების და კონტროლის შესახებ. 1992 წლის დეკემბერი, გვ. 3790 3795.

58. Kameda H., Tsujimichi S., Kosuge Y. A Comparison of Multiple Model Filters for Maneuvering Target Tracking // SICE 2000, გვ. 55 60.

59. Kameda H., Tsujimichi S., Kosuge Y. Target Tracking Under Dense Environments using Range Rate Measurements // SICE 1998, გვ. 927 - 932 წწ.

60. Rong Li X., Bar-Shalom Y. Performance Prediction of the Interacting Multiple Model Algorithm // IEEE Trans, on AES 29, No. 3, 1993, გვ. 755 - 771 წწ.

61. Ito M., Tsujimichi S., Kosuge Y. სამგანზომილებიანი მოძრავი სამიზნის თვალყურის დევნება ორგანზომილებიანი კუთხის გაზომვებით მრავალი პასიური სენსორებიდან // SICE 1999, გვ. 1117-1122 წწ.

62. De Feo M., Graziano A., Miglioli R., Farina A. IMMJPDA versus MHT და Kalman Filter NN კორელაციით: შესრულების შედარება// IEE Proc. რადარი, სონარის ნავიგაცია, ტ. 144, No2, 1997 წლის აპრილი, გვ. 49 56.

63. Lerro D., Bar-Shalom Y. Interacting Multiple Model Tracking with Target Amplitude Feature // IEEE Trans, on AES 29, No. 2, 1993, გვ. 494 - 509 წწ.

64. ჟილკოვი ვ.პ., ანგელოვა დ.ს., სემერჯიევი ტ.ზ. A. Mode-Set Adaptive IMM Algorithm-ის დიზაინი და შედარება სამიზნის თვალყურის დევნებისთვის მანევრირების მიზნით // IEEE Trans, on AES 35, No. 1, 1999, გვ. 343 - 350 წწ.

65. He Yan, Zhi-jiang G., Jing-ping J. Design of Adaptive Interacting Multiple Model Algorithm // ამერიკის საკონტროლო კონფერენციის მასალები, 2002 წლის მაისი, გვ. 1538-1542 წწ.

66. Buckley K., Vaddiraju A., Perry R. A New Pruning/Merging Algorithm for MHT Multitarget Tracking // IEEE International Radar Conference 2000, გვ. 71 -75.

67. Bar-Shalom Y. განახლება თანმიმდევრობის გარეთ გაზომვებით ზუსტი ამოხსნის თვალყურის დევნებისთვის // IEEE Trans, AES 38-ზე, No. 3, 2002, გვ. 769 - 778 წწ.

68. Munir A., ​​Atherton A. P. მანევრირების სამიზნე თვალყურის დევნება სხვადასხვა ბრუნვის სიჩქარის მოდელების გამოყენებით IMM ალგორითმში // 34th Conference on Decision & Control, 1995, გვ. 2747 2751.

69. Bar-Shalom (რედ.) Y. Multitarget-multisensor Tracking: Advanced applications. ტ. I. Norwood, MA: Artech House, 1990 წ.

70. Bar-Shalom (რედ.) Y. Multitarget-multisensor Tracking: Advanced applications. ტ. II. ნორვუდი, MA: Artech House, 1992 წ.

71. Blackman S. S. მრავალჯერადი სამიზნის თვალყურის დევნება რადარის აპლიკაციებით. ნორვუდი, MA: Artech House, 1986 წ.

72. Campo L., Mookerjee P., Bar-Shalom Y. State Estimation for Systems with Sojourn-Time-Dependent Markov Model Switching // IEEE Trans, AC-36-ზე, No. 2, 1991, გვ. 238-243 წწ.

73. Sengupta D., litis R. A. Neural Solution to the Multitarget Tracking Data Association Problem // IEEE Trans, on AES 25, No. 1, 1989, გვ. 96 - 108.

74. მერკულოვი V.I., Lepin V.N. საავიაციო რადიო მართვის სისტემები. 1996, გვ. 391.

75. Perov A.I. ადაპტური ალგორითმები მანევრირების სამიზნეების თვალთვალისათვის //რადიოინჟინერია, No7, 2002 წ., გვ. 73 81.

76. Kanashchenkov A. I., Merkulov V. I. რადარის სისტემების დაცვა ჩარევისგან. - მ.: "რადიო ინჟინერია", 2003 წ.

77. Qiang Gan, Chris J. Harris. კალმან-ფილტრზე დაფუძნებული მულტისენსორული მონაცემთა შერწყმის ორი გაზომვის შერწყმის მეთოდის შედარება // IEEE Trans, AES 37, No. 1, 2001, გვ. 273-280 წწ.

78. Blackman S., Popoli R. თანამედროვე თვალთვალის სისტემების დიზაინი და ანალიზი. Artech House, 1999, 1230 გვ.

79. Neal S. R. Discussion on “Parametric Relations for the a-^-y filter predictor” // IEEE Trans, on AC-12, June 1967, გვ. 315 316.

80. Repin V. G., Tartakovsky G. P. სტატისტიკური სინთეზი აპრიორი გაურკვევლობის პირობებში და საინფორმაციო სისტემების ადაპტაცია. მ.: „საბჭოთა რადიო“, 1977, 432 გვ.

81. Stratonovich R. L. ადაპტაციური ტექნიკის პრინციპები. მ.: სოვ. რადიო, 1973, 143 გვ.

82. Tikhonov V.I., Teplinsky I.S. მანევრირების ობიექტების კვაზიოპტიმალური თვალთვალი // რადიოინჟინერია და ელექტრონიკა, 1989, T.34, No4, გვ. 792-797 წწ.

83. პეროვი ა.ი. რადიო სისტემების სტატისტიკური თეორია. სახელმძღვანელო. -მ.: რადიოინჟინერია, 2003 წ.

84. Darymov Yu. P., Kryzhanovsky G. A., Solodukhin V. A., Kivko V. G., Kirov B. A. საჰაერო მოძრაობის კონტროლის პროცესების ავტომატიზაცია. მ.: ტრანსპორტი, 1981, 400 გვ.

85. Anodina T. G., Kuznetsov A. A., Markovich E. D. საჰაერო მოძრაობის კონტროლის ავტომატიზაცია. მ.: ტრანსპორტი, 1992, 280 გვ.

86. ბაკულევი P.A., Sychev M.I., Nguyen Chong Lyu. მანევრირების სამიზნის თვალყურის დევნება ინტერაქტიული მრავალმოდელური ალგორითმის გამოყენებით // ელექტრონული ჟურნალი, No. 9, 2002 Proceedings of MAI.

87. ბაკულევი P.A., Sychev M.I., Nguyen Chong Lyu. სარადარო სამიზნეების მანევრირების ტრაექტორიების ფილტრაციის ალგორითმის შესწავლა // ციფრული სიგნალის დამუშავება და მისი გამოყენება, მე-5 საერთაშორისო კონფერენციის მოხსენება. M.: 2003, T. 1. - გვ. 201 - 203 წწ.

88. ბაკულევი P.A., Sychev M.I., Nguyen Chong Lyu. სათვალთვალო რადარის მონაცემებზე დაყრდნობით მანევრირების სამიზნის ტრაექტორიის თვალთვალის მრავალმოდელური ალგორითმი // რადიოინჟინერია, No1, 2004 წ.

89. ნგუენ ჩონგ ლუუ. მანევრირების სამიზნის ტრაექტორიის თვალთვალის მრავალმოდელიანი ალგორითმის სინთეზი // აეროკოსმოსური ინსტრუმენტაცია, No1, 2004 წ.

90. ნგუენ ჩონგ ლუუ. სარადარო სამიზნეების მანევრირების ტრაექტორიების ფილტრაციის მრავალმოდელური ალგორითმების შესწავლა // მოხსენების აბსტრაქტი, საერთაშორისო კონფერენცია და გამოფენა „ავიაცია და კოსმონავტიკა 2003“, MAI 2003 წ.