<p>Kongsberg Defense & Aerospace (KDA) benytter radarer av typen phased array i deres luftvernsystemer. På bakgrunn av nødvendige egenskaper som elektronisk styring av radarstråle tas denne radartypen også i bruk i denne oppgaven. En tilgjengelig signalkilde fra radaren er SNR data som brukes for utbedring av målfølgingen. På bakgrunn av valgt radar er det fremlagt beskrivelser for hvordan oppstart og avslutning av målfølging kan gjennomføres. Metoder for generering av observasjonsdata og observasjonsstøy er tilpasset SNR data innhentet fra radaren. Observasjonsdata er generert ved monopulsbasert og vinkelbasert metode i form av Amplitude Comparison Monopulse (ACM) og Sequential Lobing (SL). Observasjonsstøy er generert ved Bartons, NOAHs og vinkelstøybasert metode, der sistnevnte er utledet fra SL algoritmen. Samtlige metoder er beskrevet matematisk og funksjonelt. To forskjellige typer algoritmer basert på Kalman-filter (KF) er brukt for estimering. Disse benytter forskjellige metoder for å følge manøvrerende mål. Utvidet KF, Extended Kalman-filter (EKF), er satt i sammen med en manøverdeteksjonsalgoritme og Samvirkende multiple modeller, Interacting Multiple Modell (IMM), filter benytter sannsynlighetsberegninger for å skille mellom en hastighetsmodell og en akselerasjonsmodell. Sammensetninger av målfølgealgoritmer basert på modeller for observasjonsdata, observasjonsstøy og estimering er implementert i Matlab 2007a og simulert i manøvrerende miljø med ulik grad av akselerasjon og manøvrerbarhet. Det er vist at det mulig å generere tilstrekkelig nøyaktige observasjonsdata ved å benytte SNR data fra radar med vinkelbasert metode. Monopulsbasert metode gir større avvik i form av bias og er dermed uegnet for bruk med filtrene som brukes for estimering. Observasjonsstøy lar seg tilnærme med tilstrekklig nøyaktighet ved NOAHs og vinkelstøybasert metode. Bartons metode avhenger for lite av differansen i SNR dataene og genererer dermed for unøyaktige støydata for estimatorene. På bakgrunn av resultater fra ulike projeksjoner og statistiske beregninger er det vist at EKF og IMM filteret fungerer godt som estimatorer. IMM filteret gir noe bedre resultater ved manøvre grunnet bedre manøverhåndteringsmetoder. Allikevel fremgår det av konsistenstesten at IMM filteret er optimistisk ved harde manøvre, noe som kan skyldes en dårlig tilpasset akselerasjonsmodell. Både EKF og IMM filteret ble realisert med variabel målestøy i form av generert observasjonsstøy, og dette viste seg å gi vesentlig større nøyaktighet i estimatene. Det er altså vist at en fullstendig målfølgealgoritme lar seg realisere med tilgjengelige SNR data fra radarer av typen phased array, og at nøyaktigheten kan forbedres ved å innføre variabel målestøy basert på de samme SNR dataene.</p>
| Identifer | oai:union.ndltd.org:UPSALLA/oai:DiVA.org:ntnu-10444 |
| Date | January 2008 |
| Creators | Karlsen, Jan Sigurd |
| Publisher | Norwegian University of Science and Technology, Department of Engineering Cybernetics, Institutt for teknisk kybernetikk |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Norwegian |
| Detected Language | Norwegian |
| Type | Student thesis, text |
Page generated in 0.0019 seconds