Estimarea Erorii Sistematice în Sistemele Multisenzor

ESTIMAREA ERORII SISTEMATICE LA URMARIREA MULTISENZOR

Lucrarea prezinta o metoda de estimare a erorilor de masura sistematice de la senzori pasivi si activi utilizti la urmarirea multitinta multisenzor. Ea se bazeaza pe compararea masuratorilor de la tintele existente si nu necesita tinte de referinta sau senzori de referinta. Metoda se ocupa de erori de masura sistematice care variaza în timp si este potrivita pentru procesare on-line.

Aspectele esentiale ale metodei sunt: includerea valorilor a priori si incertitudinilor; minimizarea functiei corespunzatoare; liniarizare în jurul punctelor nominale; introducerea zgomotului de proces; procesare cvasi-recursiva.

Introducere

Una dintre premisele obligatorii pentru urmarirea multisenzor în conditii bune este îndepartarea erorilor de masura sistematice (cunoscute de asemenea sub denumiri ca erori de înregistrare, sistematice sau de aliniere) din datele senzorilor. Estimatorul de eroare sistematica descris aici este destinat unui sistem de urmarire ce tine sub observatie mai multe tinte, cum ar fi avioane de lupta, rachete sau nave cu senzori multipli: radare, detectori pentru strobii de bruiaj, ESM, GPS, altimetre bazate pe presiune dar principiile pot fi aplicate unei game largi de tinte si senzori.

Tehnica se bazeaza pe estimarea unui set de parametri de eroare, un termen folosit pentru erorile de masura sistematice ce apartin fiecarui senzor. Un exemplu de un parametru de eroare sistematica este eroarea de aliniere dupa Nord Dq. La modul mai general erorile sistematice pot fi dependente de tinta: parametrul de eroare Dq genereaza eroarea sistematica rDq, unde r este distanta la tinta. Alte exemple de parametri de eroare sunt eroarea de timp (întârzierile), eroarea de localizare a senzorului, erori de distanta si diferite unghiuri de înclinare. Senzorii implicati pot fi diferiti, iar parametrii lor de eroare corespunzatori pot diferi în numar si tipuri.

Estimatorul de eroare sistematica prezentat aici ar trebui sa lucreze în conjunctie cu un tracker. Masuratorile care au fost asociate cu traiectele stabilite si care întrunesc anumite criterii de încredere sunt trimise la estimatorul de eroare, conform reprezentarii din figura 1. Estimatorul de eroare întretine un sistem liniar de ecuatii cu structura (U+V)b = m, unde b este un vector ce contine toti parametrii de eroare necunoscuti de la toti senzorii. Matricea U si vectorul m sunt actualizate de catre masuratorile care intra în estimatorul de eroare, în timp ce V este o matrice fixa. U si m sunt de asemenea actualizate periodic pentru a încorpora zgomotul de proces. Când sunt necesare noi estimate de eroare, de exemplu o data pe minut, sistemul este rezolvat pentru b. Corectiile erorii sunt stocate într-o baza de date a senzorului pentru a fi folosite de tracker. În continuare, actualizarea lui U si m se desfasoara ca mai înainte, fara nici o reinitializare. Acest tip de procesare, unde datele partiale sunt construite recursiv, în timp ce solutiile dorite sunt obtinute periodic (sau la cerere) poate fi numit ca procesare cvasi-recursiva. El necesita mult mai putine resurse de calcul fata de un algoritm complet recursiv, de tip Kalman.

Cercetarea anterioara în care se reflecta aceste idei prezentate aici se gaseste în [1]. Totusi nici o alta metoda anterioara nu pare sa combine toate proprietatile urmatoare atractive ale noii metode: (1) Ea estimeaza un numar mare de parametri de eroare pentru fiecare senzor. (2) Se bazeaza pe compararea tintelor existente astfel încât nu este nevoie de puncte fixate de calibrare, ca transponderele de test. (3) Lucreaza la fel de bine cu senzori activi si pasivi, adica nu este nevoie de informatie de distanta. (4) Nu este necesara etichetarea unuia din senzori ca „master” sau „referinta”. (5) Masuratorile senzorilor nu trebuie sa fie facute neaparat simultan. (6) Algoritmii pot rula în timp real. (7) Primele estimate sunt produse rapid si, ulterior, sunt îmbunatatite. (8) Algoritmii tin cont de dependenta de timp a parametrilor de eroare prin includerea zgomotului de proces. (9) Sunt obtinute incertitudinile estimatelor de eroare. (10) Exista facilitati pentru a rezolva situatiile de modificari neasteptate ale parametrilor ca si ale efectelor de modelare a erorilor. (11) Exista facilitati de a face sistemul robust la datele asociate incorect. (12) Algoritmii sunt completi si implementati în sistemele de urmarire operationale. Aceasta lucrare descrie modul de obtinere a proprietatilor (1)-(9).