книги / Проектирование устройств фильтрации радиосигналов
..pdf
|
где а |
в |
» |
1. |
|
*(я-л1)| * |
|||
*(л-л1) единичная матрица размером (п — пj) X (п — пх\ |
||||
Последнее уравнение |
эквивалентно системе из шести алгебраических |
|||
уравнении для элементов |
матрицы |
P . . t |
|
i, }= \, 2, 3. Так как ускорение в |
фильтре не оценивается, ошибка оценки ускорения равна величине ускоре
ния, и |
=(Та2. |
|
|
|
|
|
Таким образом, решение |
системы |
из пяти |
алгебраических |
уравнении |
||
сводится к решению алгебраического уравнения пятой степени [53]. |
||||||
При |
малых значениях Тп можно |
получить |
приближенные |
решения |
||
|
|
1/5 |
|
|
|
|
|
|
И |
|
|
|
(ЗЛО) |
и затем определить составляющие матрицы К(£+1): |
|
|
||||
|
/<i = с2 +ЯП |
z'i |
|
и |
12 |
|
|
|
|
|
|
||
При |
выводе выражений |
(3.10) использованы |
рекуррентные |
соотноше |
ния (3.9) для одношаговой оптимизации коэффициента усиления. Поэтому оптимальность стационарных значений К\ и К2 является сомнительной. Мож
но указать следующий путь проверки результата. При малых Та дискрет ная система приближается к непрерывной, для которой известны оптималь ные коэффициенты усиления.
На рис. 3.1 показаны проектируемая дискретная (я) и эквивалентная
о
Рис. 3.1.
ей непрерывная (б) системы. Производя замену дискретных элементов на непрерывные, получим
Из теории непрерывных систем известно другое |
оптимальное значение |
|
<Ка и Та (см. разд. 3.3) |
1/5 |
г_ |
|
||
Ка = 16 |
tk^lKo) |
2 |
|
°47"п
Таким образом, имеется существенное различие результатов, обусловленное неоптимальностью рекуррентного метода с одно шаговой оптимизацией коэффициента усиления при проекти ровании субоптимального фильтра. Несмотря на то, что метод рекуррентной оптимизации не пригоден для получения стацио нарных коэффициентов усиления, он оказывается полезным при проектировании нестационарных фильтров. Исследуем особен ности проектирования субоптимального алгоритма.
Вычисляя производную spP(A-M) по матрице К из выраже
ния (3.5) |
и приравнивая ее нулю, получим |
|
|
К(А + |
1) — P" (A-f- 1)НГ (А + |
1) [Н(А + 1)Р"(А + |
1) X |
|
XHJ ( f t+ l) + |
R (А+ !)]-•. |
(З.П) |
Это выражение совпадает со значением коэффициента усиле ния оптимального фильтра (см. Приложение 1). Часть элемен тов матрицы К(А+1), соответствующая отброшенной части век тора Х(А), в субоптимальном фильтре не используется. Исполь зуемая часть матрицы К(А +1) образует матрицу усиления суб оптимального фильтра Ki(A+l), которая равна
К ,(А + 1 )= А К (А + 1 ). |
(3.12) |
Ковариационная матрица ошибок Р(А + 1) определяется из |
|
-выражения (3.5), причем КГ(А + 1) = [K f(А + 1) О]. |
Исполь |
зование коэффициента Ki(A-f-l) в выражении (3.4) обеспечи вает наименьшую дисперсию ошибки фильтрации на (А+1)-м шаге. Так как процесс фильтрации неоптимален в том смысле, что часть вектора Х(А) не оценивается, в процессе экстрапо ляции на следующий такт можно извлечь дополнительную ин формацию из Y(A-|-1).
Действительно, субоптимальная |
оценка фильтрации |
X 1(k), |
|||
■построенная |
с использованием |
коэффициента |
усиления |
К, (А), |
|
эквивалентна |
m |
rj% |
0]. Если |
вместо субопти |
|
оценке X (A)=[Xi (A) |
мальной процедуры выполнить оптимальную оценку с коэф
фициентом |
К (А), то при введенных предположениях получит |
ся оценка |
ХГ(А) = [х? (A) (Ко (A) [Y (А) — Н (А)Х-(А)]}7], где |
К Г(А) = [КГ(А) К2Г(А)].
Рассматривая далее процесс экстраполяции оптимальной оценки, получим
Х -(А + 1) = Ф(А)Х(А)= Ф]1 (А)X! (А) -f- Ф|2 (А) Х2 (А) (3.13) Ф22(А)Х2(А)
Если Х2 (ft) — 0, то достаточно выполнить субоптимальную про-
цедуру |
Л |
Л |
экстраполяции: Xf (А + |
1) = Фц(А)Х, (ft). Но если |
|
Л |
А |
|
Х2 (А) = К2 (А) [V (А) — H (А) X" (А)], то вид экстраполированной оценки изменится в соответствии с (3.13):
ХГ (А + 1 ) = Ф„ (ft) (ft) + Ф12 (ft) Х2 (ft) = Ф(1 (ft) (X, (ft) +
+ Ф111 (А)Фд2(А)К2(А'[У(А)-Н(А)Х-(А)]). (3.14)
Выражение (3.14) показывает, что оценка Xi(ft) с учетом экстраполяции может быть уточнена путем введения поправки, содержащей наблюдение Y(ft).
Используя выражение (3.4), можно привести выражение
(3.14) к виду, позволяющему определить коэффициент |
усиле |
ния, обеспечивающий оптимальную оценку экстраполяции: |
|
ХГ (ft ■+1) = Ф„ (ft) (Xr(ft) + [К, (ft) + |
|
+ ФП1(ft)«P,2(ft)Ks(ft)] [Y (ft) — Hj (ft) ХГ(ft)])- |
(3.15) |
Если фильтр проектируется по минимуму ошибки фильтра-
Л
ции X i(ft+1)— Xi(ft+1), то Ki(ft4“ 1) в алгоритме (3.4) выби рается из выражения (3.12). Этот результат был известен [34, 52, 60], но подобное решение не единственное. Если необходимо
минимизировать ошибку экстраполяции X ^ ft+ l)— Хд |
(A-H), |
то, как следует из выражения (3.15), в алгоритме (3.4) |
необхо |
димо использовать величину |
|
КД(А + 1) = К , (fc + 1) + ФП1(А+ 1)Ф,а(А + 1)К,(А + |
1). |
|
(3.16) |
В оптимальном фильтре подобная неоднозначность в выборе коэффициента отсутствует, и использование значения К(А+1) из выражения (3.11) гарантирует оптимальность фильтрации и экстраполяции. В субоптимальных фильтрах пониженного порядка однозначное решение невозможно, так как оценку
можно улучшить, |
используя предыдущие измерения: Y(l), |
Y (2), ... , Y (ft) [38, |
42]. Рассмотренные алгоритмы являются |
простейшими, поскольку они используют только последнее изме
рение Y(ft+1) |
и, следовательно, не требуют увеличения емкости |
|
памяти при реализации фильтра. |
|
|
П р и м е р 3.2. |
Определим оптимальные коэффициенты усиления |
неста |
ционарного субоптимальиого фильтра для модели, рассмотренной в |
приме |
|
ре 3.1. Коэффициенты фильтра с оптимальной фильтрацией согласно |
(3.12) |
|
равны [38] |
|
|
! P n W l
у2
1
К,(Л) =
Pu W + 12 Pÿ2W + Pu (b) Tn
На рис. 3.2 показан процесс установления ошибок экстраполяции в оп тимальном (сплошная кривая) и субоптимальных фильтрах пониженного порядка, дающих минимальную ошибку фильтрации на одном шаге (штрихпунктирная кривая) и экстраполяции (пунктирная). Значение о о=10 м/с2.
РН,М2 7n=7c, G0=WM/C2, 62=7м2
W |
/ |
/ |
/ |
|
/ |
||||
/ |
|
/ |
||
WI/ |
/ |
/ - |
- |
|
10 |
11 |
12 |
|
|
|
Рис. |
3.3. |
|
Характер изменения ошибок на интервале временной дискретизации в ста ционарном режиме показан на рис. 3.3. Минимизация ошибок экстраполяции сопровождается увеличением ошибок фильтрации и, наоборот, минимизация ошибок фильтрации ведет к ро
сту |
ошибок |
экстраполяции. |
Для |
|||||
субоптимального |
фильтра |
пони |
||||||
женного |
порядка |
с |
минимальной |
|||||
ошибкой |
экстраполяции |
(штрих) |
||||||
характерен |
малый |
диапазон |
изме |
|||||
нения ошибок. |
|
|
|
|
||||
На рис. 3.4 показана зависи |
||||||||
мость |
отношения |
ошибки |
Рц |
|||||
фильтра |
с |
минимальными ошиб |
||||||
ками фильтрации к ошибке филь |
||||||||
тра |
с минимальными |
ошибками |
||||||
экстраполяции (£) от периода |
||||||||
временной дискретизации Тп |
( /— |
|||||||
отношение |
ошибок |
экстраполя |
||||||
ции, |
2 — отношение ошибок филь |
|||||||
трации). Рассматривается стационарный режим |
работы |
фильтра. Как видно |
||||||
из рисунка, при небольшом Тп (7*„ <0,1 с) |
фильтр |
с |
минимальными |
ошибками экстраполяции дает лучшие результаты. Однако в нестационар ном режиме фильтр с минимальными ошибками экстраполяции характери зуется большей колебательностью, что видно на рис. 3.2.
3.2. Субоптимальная фильтрация при многомерном наблюдении
При наличии нескольких каналов измерения однородных ра дионавигационных параметров (многомерном наблюдении) реа
лизация |
оптимального |
фильтра часто затруднена из-за боль |
|||||||||
шого |
числа |
перекрестных |
свя |
|
|||||||
зей. На рис. 3.5 показана струк |
|
||||||||||
турная |
схема |
|
оптимального |
|
|||||||
фильтра |
при |
двумерном |
наблю |
|
|||||||
дении, |
|
когда |
вектор |
измерений |
|
||||||
имеет |
вид |
Y(А) = |
[è, (k)b2(k)'\T. |
|
|||||||
Перекрестные связи |
с весовыми |
|
|||||||||
коэффициентами Кг и Кз услож |
|
||||||||||
няют |
фильтр, |
требуя |
дополни |
|
|||||||
тельных |
ячеек |
запоминающего |
|
||||||||
устройства |
и увеличения |
быстро |
|
||||||||
действия вычислителя. Кроме то |
|
||||||||||
го, перекрестные |
связи |
лишают |
Рис. 3.5. |
||||||||
некоторые |
измерительные |
кана |
|||||||||
|
лы возможности автономной, не зависимой от других каналов работы. Обеспечение же автоном
ности некоторых измерительных каналов часто является необ ходимым условием построения всего измерительного устройст ва. Например, в задаче проектирования однопутевого измерите ля дальности, которая будет рассмотрена в разделе 6, канал синхронизации, обеспечивающий работоспособность других ка налов радионавигационного измерителя, целесообразно строить независимо от дальномерного канала. При комплексированин дальномера с датчиком воздушной скорости реализация пере крестной связи от дальномера к датчику воздушной скорости затруднительна. Поэтому представляет интерес задача проек тирования субоптимального фильтра с ограниченным числом
перекрестных связей |
(задача понижения порядка фильтра пока |
||
не рассматривается). |
|
|
|
Пусть |
переходная |
матрица Ф,„ |
субоптимального фильтра |
совпадает |
с переходной матрицей |
Ф оптимального фильтра, |
|
|
|
л |
|
размерность вектора оценки Х„, равна размерности вектора со стояния объекта. Ограничение на число перекрестных связей представим в виде ограничения на весовой коэффициент (анало
гично ограничению |
(3.12)) |
L(£) субоптимального алгоритма |
|
фильтрации: |
|
|
|
Хм (А + 1) = |
ФтХ,„ (к) + |
L {k) [Y (k) - Н Ф„,Х„, (*)]. |
(3.17) |
Пусть |
|
|
|
L (к) = AK (k) + (I — А) К (k) В, |
(3.18) |
АЧ» (х) L (ft) С (ft) + (I ~ А) Ч»(х ) L (ft) С (ft) В = |
(3.20) |
||
= A4» |
(х ) D (к) + (I - А) ЧГ (х ) D (ft) В, |
||
|
причем Ч* (т), |
С(ft) и D(ft)— симметричные матрицы. |
|
Размерность |
Ч» | (т) — п\Х.щ, |
Ct (ft) — (т—mj) х ( т —т{)у |
Dj(ft) —n i X ( m —mi).
Заметим, что в случае оптимальной фильтрации А=1, В = 0
и при неособенной матрице |
Ч» (т) из (3.20) |
получается извест |
ное соотношение |
|
|
K(ft) = |
D(ft)C-i(ft). |
(3.21) |
В случае субоптимальной фильтрации, когда имеются ограни чения на элементы матричного коэффициента L(ft), из (3.20) получаем
|
К, (ft) = |
D, (ft) Fx (ft) - D2 |
(ft) F2(ft) + |
|
|
+ |
ч'Г1(1) |
(t) [Da (ft) Ft (ft) - |
D4 (ft) F2 (ft)l, |
(3.22) |
|
K2 (ft) = |
[D2 (ft) - |
K, (ft) C2 (ft)] c r ‘ (ft), |
(3.23) |
||
|
|
K4 (ft) = D4 (ft) СГ1 (ft), |
(3.24) |
||
где |
Fx (ft) = [C, (ft) - |
C2 (ft) CJ-1(ft) C3 (ft)]"1; |
(3.25) |
||
|
F2 (ft) = C.” 1(ft) c3(ft) F, (ft). |
||||
|
|
||||
Из выражения (3.24) |
следует, |
что весовой коэффициент следя |
щей системы, использующей „свои” сигналы и не охваченной перекрестной связью, зависит только от ошибок этой системы и определяется независимо от выбора т (выражение (3.24) по добно выражению (3.21) для весового коэффициента оптималь ного фильтра). Весовые коэффициенты следящей системы, использующей все принятые сигналы, как следует из выраже ний (3.22) и (3.23), зависят от ошибок обеих систем и, кроме того, от т.
Из выражения (3.21), пользуясь правилом обращения мат риц при помощи разбиения на клетки [6], нетрудно получить весовые коэффициенты Ki(ft) и Кг (ft) оптимального фильтра:
K, (ft) = |
D, (ft) F, (ft) - D2 (ft) F2 (ft), |
(3.26) |
K, (ft) = |
[D,(ft) — K, (ft) C2 (ft)] C41 (ft). |
(3.27) |
Сравнение (3.22) и (3.26), а также (3.23) и (3.27) показывает,
что коэффициенты, вычисленные по этим формулам, совпадают,
если ФГ1(т) Ф гМ [D3(Æ)F!(é)—D4(Æ)F2(£)] =0. Это возможно при т=0, а также если переходная матрица Ф (Гп) имеет вид
или C2(k) = Cl (k) = 0, D2 {k) = D37 (£) = 0 , что соответствует независимой работе следящих систем обоих каналов измерения (это условие выполняется при измерении различных навига ционных параметров, модели сообщений для которых никак не связаны друг с другом).
Таким образом, при минимизации spP(£7n), когда т = 0, ве совые коэффициенты Ki(£) и К2(k) субоптимального фильтра (3.17) следует брать равными соответствующим элементам ве сового коэффициента оптимального фильтра. При т^=0 к этим значениям следует добавлять поправочные члены в соответствии с. (3.22) и (3.23), зависящие от выбора т е [0 , Тп].
Упрощение перекрестных связей фильтра приводит к увели чению его ошибок, которые зависят от многих факторов: от точ ности работы каждого измерительного канала, от периода изме рений, от структуры модели сообщения (и оптимального фильтра) и т. д. Поэтому использование представленных резуль татов проектирования субоптимального фильтра при многомер ном наблюдении обязательно должно сопровождаться сопостав лением точности оптимального и субоптимального фильтров.
Теперь рассмотрим задачу одновременного понижения по рядка и упрощения перекрестных связей фильтра при многомер ном наблюдении. В этом случае переходная матрица Фт суб оптимального фильтра (3.17) отличается от переходной матри цы Ф оптимального, и использование выражения (3.19) для минимизации ошибок субоптимального фильтра, вообще говоря, не допустимо. Ковариационная матрица ошибок несогласован ной с моделью сообщения фильтрации, в общем случае, опреде ляется из выражения
P {kTa+ |
X) = StP [ (k - |
1) Тп+ x] sГ + |
S2P , [(Æ— 1) тп-\- |
|||
-f- "] Sf + |
S,PM \{k — 1) T„ + x] s2r + S2Plv [{k — 1) Ta -J- x] SIT + |
|||||
|
+ |
W L (k) RLr (&) Фт(T) + Q (x) + [Ф (x) - |
||||
- |
Фт(x) L (k) H] Q ( Ta - T) [Ф (x) - |
Фт (x) L (k) H]r, (3.28) |
||||
где |
S, == Фт(x) [I — L (k) H] Фт (7’„ - |
T); 82 = |
ДФ(7'п) - |
|||
Фщ (x) L (k) НДФ (Tn T); |
ДФ(7’п) = Ф(7'11) - Ф |
т (Гп); РА.(^ п + |
||||
+ т)==£{Х(*Гп+ |
т)Х г (А7'п-Н )); Pex{kTn + *) = E { e ( k T a + |
|||||
-Ь *)х г (£Г„+■')]; |
е (kTn+ x)= X (кТп+ x) - Фш(x)x m(kTuy, |
I, * = 0 , |
0, X^ о, |
Ф(х) = |
Q(Tu) = Q, Х= т„. |
Ф(7и) = Ф. * = Т п\ |
При т=0 выражение (3.28) соответствует ковариационной матрице ошибок фильтрации P(kTn) несогласованного с мо делью сообщения фильтра [58]. Запись выражения (3.28) мож но упростить, если заменить ковариационную матрицу ошибок субоптимальной фильтрации P(kT„+x) расширенной ковариа ционной матрицей:
р::= (кТа) = |
РЛкТп+ х) |
P« № |
+ *)' |
|
.Рех(ЬТа + х) |
р № |
+ *) . |
||
|
||||
размерностью (п+п\) X (п+п\)у где |
ti\ — размерность субопти |
мального фильтра [60].
Здесь мы будем полагать, что переходная матрица оптималь
ного фильтра имеет вид |
|
|
|
Ф(7'п) = Ф, |
Ф2 |
Фз |
(3.29) |
Ф5 |
Фо |
||
0 |
0 |
Фэ1 |
|
Ограничение (3.29) аналогично условию, |
накладываемому |
на переходную матрицу в задаче понижения порядка фильтра (см. разд. 3.1). Для того чтобы переходная матрица опти мального фильтра Ф имела вид (3.29), необходимо сгруппи ровать все неоцениваемые компоненты вектора состояния объ екта в нижней его части, причем при выборе неоцениваемых компонентов должно быть выполнено условие: линейная комби нация оцениваемых компонентов вектора состояния объекта не должна влиять на неоцениваемые компоненты. Выполнение усло вия (3.29) допускает использование упрощенного выражения (3.19) для ковариационной матрицы ошибок субоптимального фильтра.
Пусть переходная матрица Ф^Гп) субоптимального алго-
ритма (3 17) равна |
ФОТ(7'П)= (А 1 -(- А2) Ф (Тп) (А, + |
А2), |
|||||
|
1/12 |
0 |
о' |
|
0 |
0 |
0' |
где А! “ |
0 |
0 |
0 |
; А.2 = |
0 |
I//3 |
0 |
|
.0 |
0 |
0 |
|
0 |
0 |
0 |
а ограничения на весовой коэффициент L(ft) представлены в следующей форме:
L (А) = А,К (k) 4- А2К (k) В, |
(3.30) |
|
Кг (к) |
К» (к) |
|
где К(А) = Кз(А) |
К* (*) |
|
1_К5 (к) |
Ко W J |
|
Согласно выражению (3.30) одна следящая система (размер ностью ri2< ni) корректируется всеми т принятыми сигналами в соответствии с коэффициентами Ki(&) и Кг (Л), а вторая — раз мерностью «з<(ге—ni) — частью пц принятых сигналов, так как Кз(А) заменено нулем. Матрицы Кв(^) и Кв(А) являются коэф фициентами той части оптимального фильтра, которая выраба тывает неоцениваемые в субоптимальиом фильтре компоненты
вектора состояния объекта.
Также, как и в предыдущих задачах, можно определить инте ресующие нас коэффициенты Ki(A), Кг (А) и К4(А). Опуская промежуточные выкладки, запишем окончательные выражения:
К, (А) = |
Dx (A) F, (А) - |
D2 (A) F2 (А) + |
ФГ1 (х) Ф2 (т) [D3 (A) F, (А) - |
||||
- D4 (A) F2 (А)] + |
ФГ1 (') Ф3 (х) (D5 (A) F, (А) - |
D« (A) F2 (A)J |
|||||
|
|
|
|
|
|
|
(3.31) |
|
К2 (А) = |
[D2 (А) - |
К, (А) С2 (А)] С4-1 (Л) + |
||||
|
+ |
G r1(') G2 (-) Dd (А) СГ1 (А), |
(3.32) |
||||
|
|
K4(A) = D4(A) СГ1(ft) + |
|
||||
+ |
ФГ1(т) 1Ф0 (') - |
Ф. W Gr* (*) 0 2 (т)] De (А) СГ1(А), (3.33) |
|||||
|
где Gi (•:) = |
Ф, (т) - Ф, (т) Ф5- ' (t) Ф4 (t); |
|||||
|
G2(T) = |
Ф3 (т) - |
Ф2 (т) Фб"1(-) Ф8 (т); |
||||
Ц/(,) = ф г (т)ф(т) = |
ГФг(^) |
Ф2(*) |
■Ч»,(*Л |
||||
Ф4(х) |
Ф5(т) |
Ф0(т) ; |
|||||
|
|
|
|
|
|_Ф,(*) |
Фз W |
Ф9 |
|
ГМ А ) |
D2(A)] |
D(A) = p-(A r„)H r = |
D;<(A) |
D4 (A) ; |
|
|_D5(A) |
De(A)J |
C(A) и F (А) определены в (3.20) |
и (3.25). |
|
Сравнение выражений (3.31) — (3.33) |
и (3.22) — (3.24) пока |
зывает, что при одновременном понижении порядка фильтра и упрощении перекрестных связей
1) выражения, определяющие весовые коэффициенты суб оптимального фильтра, содержат в общем случае дополнитель ные поправочные члены, зависящие от дисперсии неоценнваемых компонентов вектора состояния объекта и от выбора т;
2) весовой коэффициент автономной следящей системы, не охваченной перекрестной связью, зависит от ошибок только этой системы и дисперсии „своей” части неоцениваемых компо нентов, а также, в отличие от выражения (3.24), от выбора т;
3) весовые коэффициенты следящих систем, охваченных пе рекрестной связью, зависят, кроме т, от ошибок обеих систем и дисперсии всех неоцениваемых компонентов вектора состояния объекта;