Kalman Filtering Techniques for Radar Tracking

دسته بندی: موجک و پردازش سیگنال
ویرایش:  
نویسندگان: Ramachandra K.V.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 252 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 مگابایت 

قیمت کتاب (تومان) : 52,000

Издательство Marcel Dekker, 2000, -252 pp. نظریه فیلتر کالمن که در سال 1960 منتشر شد به طور قابل توجهی توسعه الگوریتم های فیلتر دیجیتال پیچیده برای ردیابی وسایل نقلیه فضایی را تقویت کرد. در نتیجه، تعداد زیادی فیلتر ردیابی توسعه یافته و الگوریتم‌های آن‌ها در مجلات منتشر شده است.
ردیابی اشیاء بر اساس نظریه فیلتر کالمن به یک تکنیک تثبیت‌شده از اهمیت اساسی هم در کاربردهای مهندسی و هم در تحقیقات علمی تبدیل شده است. مشکل اصلی این است که سیستم‌های رادار و سونار، تلسکوپ‌های نوری و حسگرهای مادون قرمز مورد استفاده در برنامه‌های غیرنظامی و دفاعی به اطلاعات به‌روزشده‌ای نیاز دارند که به‌طور مداوم در مورد پارامترهایی که پویایی اهدافی مانند ماهواره‌ها، موشک‌ها، هواپیماها، کشتی‌ها، زیردریایی‌ها، RPV‌ها را توصیف می‌کنند، به دست می‌آیند. و سایر اجسامی که حرکت نسبی قابل توجهی نسبت به حسگر دارند.
پیشرفت‌های اخیر مانند سیستم‌های ردیابی در حین اسکن، ردیابی رادار آرایه‌ای مرحله‌ای، ردیابی رادار هوابرد، ردیابی چند هدفه، ردیابی چند سنسوری، و ردیابی چند حسگر چند هدفه تنها دامنه فناوری ردیابی را افزایش داد، بلکه ابعاد جدیدی به آن افزود. به طور خاص، موقعیت یک هدف مانند یک هواپیما یا وسیله نقلیه مشابه در فواصل زمانی گسسته توسط یک حسگر رادار خودکار مسیر در حین اسکن اندازه گیری می شود و اندازه گیری ها به یک پردازشگر داده راداری (RDP) گزارش می شود. گزارش های به دست آمده از اسکن‌های متوالی رادار توسط RDP پردازش می‌شوند و مسیرهای مناسب تشکیل می‌شوند.
یک فیلتر ردیابی رایانه‌ای برای صاف کردن داده‌های گزارش خراب شده توسط نویز دامنه و نویز زاویه‌ای ناشی از اجزای الکترونیکی و مکانیکی دستگاه اندازه‌گیری استفاده می‌شود.
/> فیلتر ردیابی مهمترین جزء یک سیستم نظارتی RDP/ است. اندازه‌گیری‌های رادار هدف را پردازش می‌کند، خطاهای اندازه‌گیری را کاهش می‌دهد، موقعیت، سرعت و/یا شتاب هدف را در هر لحظه تخمین می‌زند و موقعیت آینده هدف را پیش‌بینی می‌کند. از این رو فیلتر ردیابی قلب و روح یک سیستم پردازش داده راداری است.
این کتاب به توسعه انواع فیلترهای ردیابی بر اساس تکنیک های فیلتر کالمن برای کاربردهای ردیابی رادار می پردازد. فیلتر کالمان
فیلترهای ردیابی یک بعدی گسسته زمان
فیلترهای ردیابی دو بعدی گسسته زمان
فیلترهای ردیابی سه بعدی گسسته زمان
فیلترهای ردیابی یک بعدی پیوسته با اندازه گیری موقعیت
فیلترهای ردیابی یک بعدی گسسته پیوسته با اندازه گیری موقعیت
فیلترهای ردیابی یک بعدی گسسته پیوسته با اندازه گیری موقعیت و
/>فیلترهای ردیابی کالمن یک بعدی پیوسته با اندازه گیری موقعیت و سرعت
ردیابی هدف مانور
ردیابی هدف مانور در شلوغی
مقدمه ای بر ردیابی چند هدف

Издательство Marcel Dekker, 2000, -252 pp. The Kalman filter theory published in 1960 significantly boosted the development of sophisticated digital filter algorithms for tracking space vehicles. As a result, a large number of tracking filters have been developed and their algorithms published in journals.
Tracking of objects based on Kalman filter theory has become an established technique of fundamental importance in both engineering applications and scientific investigations. The central problem is that radar and sonar systems, optical telescopes, and infrared sensors used in civil and defense applications require updated information obtained continuously on the parameters that describe the dynamics of such targets as satellites, missiles, aircraft, ships, submarines, RPVs, and other objects having a significant relative motion with respect to the sensor.
Recent developments such as track-while-scan systems, phased array radar tracking, airborne radar tracking, multitarget tracking, multisensor tracking, and multitarget multisensor tracking have not only increased the scope of tracking technology but also added new dimensions to it. Specifically, the position of a target such as an aircraft or similar vehicle is measured at discrete intervals of time by an automatic track-while-scan radar sensor, and the measurements are reported to a radar data processor (RDP).The reports obtained from successive radar scans are processed by the RDP and suitable tracks are formed.
A computer tracking filter is used to smooth the report data corrupted by range noise and angular noise caused by the electronic and mechanical components of the measuring device.
The tracking filter is the most important component of an RDP/ surveillance system. It processes the target radar measurements, reduces the measurement errors, estimates the position, velocity, and/or acceleration of the target at any instant of time, and predicts the future position of the target. Hence the tracking filter is the heart and soul of a radar data processing system.
This book deals with the development of different types of tracking filters based on the Kalman filtering techniques for radar tracking applications. Kalman Filter
Discrete-Time One-Dimensional Tracking Filters
Discrete-Time Two-Dimensional Tracking Filters
Discrete-Time Three-Dimensional Tracking Filters
Continuous-Time One-Dimensional Tracking Filters with Position Measurements
Continuous-Discrete-Time One-Dimensional Tracking Filters with Position Measurements
Continuous-Discrete-Time One-Dimensional Tracking Filters with Position and Rate Measurements
Continuous-Time One-Dimensional KalmanTracking Filters with Position and Velocity Measurements
Maneuvering Target Tracking
Tracking a Maneuvering Target in Clutter
Introduction to Multitarget Tracking