Questo rapporto tecnico descrive la forma d’onda utilizzata dal seeker RF e definisce i parametri liberi da poter utilizzare per il tracking di tipo cognitivo. Dopo aver introdotto le proprietà della funzione di ambiguità (Ambiguity Function - AF) e definito la sua relazione con la matrice dell’informazione di Fisher (Fisher Information Matrix - FIM) e con il limite di Cramér-Rao (Cramér-Rao Lower Bound - CRLB), verrà descritto come il seeker estrae le informazioni su range e range- rate attraverso il calcolo della mappa Range-Doppler, che rappresenta una stima della funzione di ambiguità, in funzione del range e del range-rate. Verranno inoltre calcolate in forma chiusa la AF del segnale trasmesso dal seeker, la FIM e la matrice di correlazione dell’errore di misura con i relativi CRLB. Come discusso nel rapporto tecnico della Rata 1.1 del WP1 [1], il calcolo in forma chiusa della matrice di covarianza dell’errore di misura risulta fondamentale per l’implementazione del filtro di tracking di tipo cognitivo, in quanto quest’ultimo si basa sulla minimizzazione di una funzione di costo, quest’ultima dipendente dalla matrice di covarianza dell’errore di misura, attraverso la selezione dinamica dei parametri liberi della forma d’onda trasmessa. Attraverso il calcolo della matrice di covarianza dell’errore di misura risulta possibile valutare come la variazione dei parametri liberi della forma d’onda influenza le prestazioni del seeker e permette quindi di implementare un algoritmo cognitivo per la selezione dinamica di tali parametri. In questo rapporto tecnico, inoltre, sono analizzate le prestazioni dell’algoritmo di tracking cognitivo in confronto a quelle di un algoritmo di tracking convenzionale e relativamente ad un problema di target tracking lineare rappresentato dal tracking di un bersaglio di tipo ABT (i.e. Air Breathing Target). Dopo una panoramica sui filtri lineari per la stima dello stato di un sistema dinamico, viene enunciato il problema del tracking di un target ABT in forma di state-space model e viene descritto il filtro di Kalman discreto che è alla base dei sistemi di tracking convenzionale come anche dell’innovativo sistema di tracking cognitivo per seeker RF descritto in questo rapporto tecnico. In seguito viene derivato rigorosamente l’algoritmo cognitivo per la selezione della forma d’onda che costituisce il fulcro per il funzionamento del sistema di tracking cognitivo.
Cognitive Tracking Radar Architecture for RF Missile Seeker
STINCO, PIETRO;GINI, FULVIO;
2014-01-01
Abstract
Questo rapporto tecnico descrive la forma d’onda utilizzata dal seeker RF e definisce i parametri liberi da poter utilizzare per il tracking di tipo cognitivo. Dopo aver introdotto le proprietà della funzione di ambiguità (Ambiguity Function - AF) e definito la sua relazione con la matrice dell’informazione di Fisher (Fisher Information Matrix - FIM) e con il limite di Cramér-Rao (Cramér-Rao Lower Bound - CRLB), verrà descritto come il seeker estrae le informazioni su range e range- rate attraverso il calcolo della mappa Range-Doppler, che rappresenta una stima della funzione di ambiguità, in funzione del range e del range-rate. Verranno inoltre calcolate in forma chiusa la AF del segnale trasmesso dal seeker, la FIM e la matrice di correlazione dell’errore di misura con i relativi CRLB. Come discusso nel rapporto tecnico della Rata 1.1 del WP1 [1], il calcolo in forma chiusa della matrice di covarianza dell’errore di misura risulta fondamentale per l’implementazione del filtro di tracking di tipo cognitivo, in quanto quest’ultimo si basa sulla minimizzazione di una funzione di costo, quest’ultima dipendente dalla matrice di covarianza dell’errore di misura, attraverso la selezione dinamica dei parametri liberi della forma d’onda trasmessa. Attraverso il calcolo della matrice di covarianza dell’errore di misura risulta possibile valutare come la variazione dei parametri liberi della forma d’onda influenza le prestazioni del seeker e permette quindi di implementare un algoritmo cognitivo per la selezione dinamica di tali parametri. In questo rapporto tecnico, inoltre, sono analizzate le prestazioni dell’algoritmo di tracking cognitivo in confronto a quelle di un algoritmo di tracking convenzionale e relativamente ad un problema di target tracking lineare rappresentato dal tracking di un bersaglio di tipo ABT (i.e. Air Breathing Target). Dopo una panoramica sui filtri lineari per la stima dello stato di un sistema dinamico, viene enunciato il problema del tracking di un target ABT in forma di state-space model e viene descritto il filtro di Kalman discreto che è alla base dei sistemi di tracking convenzionale come anche dell’innovativo sistema di tracking cognitivo per seeker RF descritto in questo rapporto tecnico. In seguito viene derivato rigorosamente l’algoritmo cognitivo per la selezione della forma d’onda che costituisce il fulcro per il funzionamento del sistema di tracking cognitivo.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
