Welcome to Scribd. Sign in or start your free trial to enjoy unlimited e-books, audiobooks & documents.Find out more
Download
Standard view
Full view
of .
Look up keyword or section
Like this
6Activity
0 of .
Results for:
No results containing your search query
P. 1
themeivop

themeivop

Ratings: (0)|Views: 661|Likes:
Published by dzcsconf

More info:

Published by: dzcsconf on Mar 06, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

12/08/2012

pdf

text

original

 
La poursuite de cibles dans un environnement radar PAR (phased array radar)(Simulation matlab)A.CHERIFI, A.Belghoraf Laboratoire de génie électrique université Mohamed Boudiaf usto OranAlgérie1. RESUME:
Le travail présenté dans ce mémoire, consiste à implémenter une technique depoursuite de manœuvres, basé sur l’estimation de l’accélération (amplitude de l’objet.* cible*) dansun système radar PAR (Phased Array Radar). Après la présentation de cette technique, en phase defiltrage on va utiliser trois filtre : le filtre
αβ 
, filtre
αβγ 
et filtre de Kalman , une analyse desrésultats de simulation a été effectuée avec logiciel matlab. A la base des résultats obtenus, une étudecomparative entre les trois filtres, a démontré une amélioration remarquable des performances de lapoursuite par l’estimation de l’accélération avec le filtre de
αβγ 
par rapport à la poursuite avec lesdeux filtres (kalman et
αβ 
) en terme de réduction des erreurs d’estimation de la position et de lavitesse des cibles.
Mot clet
Radar PAR
(Phased Array Radar)
, poursuite, Manoeuvre, filtre
αβ 
,
 
αβγ 
,
 
filtre de
kalman .
 
ABSTRACT:
The work presented in this memory, consists to implement a technique of manoeuvretracking based on the estimation of maneuver amplitude,. After a presentation of this technique, ananalyze of simulation results is done. From the obtained results, a comparison between this techniqueof thre tracker an the old one, has shown a remarkable amelioration of tracking performances by usingthe acceleration’s estimation in term of estimation position an velocity errors reduction. After, the newmaneuver tracker
αβγ 
has been integrated in the existent track program. The implementation of thisprogram has revealed an increase of about 15% in computation’s time.However, this increase has notaffected the real time restrain of the track algorithm.
Key words:Radar PAR
(Phased Array Radar)
, Tracking , Manoeuver,
αβ 
Tracker,
 
αβγ 
,
 
kalman
Tracker.2
.
IntroductionLe Radar tridimensionnel à balayage électronique* PAR* (phased-array radar_ enanglais)
est unradarqui utilise une antenne formée d'un très grand nombre d'ouvertures de tubes deguides d'ondessur une surface plane: une 
.
[1]
 
3. Principe 
Nous définissons la poursuite radar comme étant l'estimation des trajectoires des objectifsvolants dans l’espace de couverture radar, en se basant sur les plots issus du processeur dusignal. Elle consiste à associer à chaque cible détectée dans le champ de couverture radar [2],parmi les plots reçus, celui qui lui correspond, filtrer les bruits de mesure, et supprimer les faux plotscorrespondant au bruit. Pour cela on pose la question : comment poursuivent t’elles ; cibles de t’ellefaçon on combinant le radar (PAR) avec le filtre de kalman. La tâche de filtrage est un processusséquentiel qui estime le vecteur d'état des cibles et corrige ces paramètres. [4]. Le filtre de poursuitesert à estimer les paramètres cinématiques présents et futures par un changement de l’accélération.
 4. La Poursuite par le filtre de kalman
Le filtre de Kalman est un estimateur linéaire stochastique qui minimise l’erreur quadratiquemoyen des cibles à travers les mesures radar qu'on reçoit périodiquement. Ces paramètres sontsouvent la position, la vitesse et l’accélération [2]. Trois types de filtres sont utilisés dans lessystèmes de poursuit radar : filtres à coefficients constants dont le filtre
αβ 
,
αβγ 
et les filtres àcoefficients variables (adaptatifs) dans le temps tel que le filtre de Kalman [3] comme le montre lafigure.
[I].
CNTA ’09 Université A.MIRA BEJAIA
 
 
( ) ( ) ( )
[ ]
)1()(1)(
+==
nxnGnynnnxnxnnx
s
 
FIG I Structure de filtre de kalman
Le vecteur de mesure est :
)()()(
nvnGxny
+=
 
Le bruit de distribution gaussien blanc avec la covariance de moyen nul
c
 
c
= E 
{
y (n ) +
y
(n )
}
 
Le vecteur de gain :
[ ]
1
)1()1()(
+=
GnnGPGnnPn
 
)()(
nunuQ
=
 La matrice de covariance de prédiction,
Q
la matrice de covariance pour l'entrée
 
u
 
P (n+ 1 / n )= E{
S
Χ
(n + 1 )
Χ
S
 
(n )} =ΦP (n/n )
Φ
+ Q
L'équation de correction (covariance de correction de l’estimation) est :
P (n/ n ) = [ I – K (n )G ] P (n/ n– 1 )
En conclusion, l'équation de prédiction est :
)()1(
nnxnnx
Φ=+
 
4.1. Le Filtre
αβ 
 
Le filtre
αβ
est un algorithme à base des équations du filtre de Kalman. Dessimplifications ont été apportées à ce dernier pour faciliter d’avantage son implémentation surmachine et réduire le temps de calcul . Dans ce type de filtre, les gains de position et de vitesse quisont respectivement
α
et
β/T
sont constants, ce qui réduit énormément les calculs[5] :
=
)1()1(1
β β α α 
A
;
=
β α 
;
[ ]
01
=
G
;
=Φ
101
.
Figure II
.
Schémas d’implémentation du filtre.
αβ 
[5]
 
=Φ
1001021
2
T  T  T  
CNTA ’09 Université A.MIRA BEJAIA
 
 
4.2Le Filtre
αβγ 
 
Le filtre de poursuite
αβγ 
est un cas particulier à base des équations du filtre de Kalman ,Dans ce type de filtre, les gains de position, vitesse et accélération qui sont respectivement
α 
,
β/T
et
2
γ 
sont constants, ce qui réduit énormément les calculs. Le modèle mathématique du filtre estdéfini par les équations suivantes [5].
))()(()()(
0
nxnxnxnx
pps
+=
α 
 
))()(()1()1()(
0
nxnx nxnxnx
PSSS
++=
β 
 
))()(( 2)1()(
02
nxnx nxnx
pSS
+=
γ 
 
)(2)( )()1(
2
nxnxnxnx
SSSP
++=+
 
La matrice de transition d'état pour le filtre
αβγ 
est :
=Φ
1001021
2
;
=
2
γ β α 
;
[ ]
001
=
G
;
+ =Φ=
)1(22 )21(1 2)1()1(1 )(
22
γ γ γ β β β α α β 
GA
 
Figure III. Schémas d’implémentation du filtre.
αβγ 
[5]
 
5
.
Simulation
Nous présentons les résultats de simulation du filtre de poursuite. Les modifications (adaptations)apportées aux paramètres des filtres de poursuite, sont effectuées sur la base de la position estiméeUne fois estimé le module de la position on va comparé à trois (3) filtre : (
αβ 
,
αβγ 
et le filtrede kalman), ensuite des corrections sur les vecteurs d’état prédit et filtré seront apportées Pour évaluerles performances du trois filtre
[6]
, on doit se mettre dans des conditions qui approchent au mieux lessituations réelles. En effet, il existe deux types d’accélérations ; une accélération longitudinale quiproduit un changement de vitesse, et latérale qui produit un changement de direction, cette dernière estla plus fréquente dans le domaine militaire. Pour cela, nous présentons une méthode de génération detrajectoire [7], qui peut fournir des mesures de la cible (position, vitesse), pour différentesaccélérations latérales, et différentes périodes de balayage (scan). On peut modéliser l’accélération(manœuvre) d’une cible dans le cas idéal par un échelon d’amplitude donnée, mais dans la réalité, lesgrandeurs physiques, quelque soit leurs natures (vitesse, accélération, etc…), ne varient pas d’unemanière brusque. Dans cette simulation, nous adoptons le modèle d’accélération proposé par Singer[8], sa forme évolue d’une manière exponentielle. Une fois que les mesures sont générées, lesperformances du nouveau algorithme seront évaluées en analysant les erreurs de position prédite, cegrandeur nous renseignent fidèlement sur la qualité de la poursuite et Nous comparons les résultatsobtenus.
CNTA ’09 Université A.MIRA BEJAIA

Activity (6)

You've already reviewed this. Edit your review.
1 hundred reads
1 thousand reads
parazit34 liked this
Midou Ghanou liked this
Midou Ghanou liked this
Luna Fraise liked this

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->