SE519803C2 - Metod och anordning för analys av sensorsystems prestanda - Google Patents

Description

519 803 eftersom även andra sensorer kan komma ifråga används uttrycket sensor istället för radar.

En sensors mätegenskaper beskrivs ofta med ett antal prestandaparametrar; p fa= falsklarmssannolikheten per mätförsöki visst delområde, pß= detekteringssannolikhet per mätförsök (index ss avser single scan) för mål med viss målarea, R = mätnoggrannhet, här uttryckt som kovariansmatris, och T = avsökningstid för sensorns sökområde.

Från dessa parametrar kan sensorns medelmättakt (eller effektiva mättakt), :å i , beräknas som i T I; T e De tre första parametrarna, p fa , ps: och R, varierar ofta över sensorns sökområde. Sensorns detekteringsförmàga kan t. ex. ges ett värde genom att man beräknar det avstånd från sensorn där detekteringssannolikheten är 0,5.

Detta avstånd kallas ofta Rgøss Genom detta värde kan sensorns upptäoktsegenskaper visualiseras genom geometriska figurer i form av cirklar eller delar av cirklar där värdet Ræss skalas på sådant sätt att det skalade värdet på RSOSS utgör radien i nämnda figurer, gärna tillsammans med en karta över det aktuella området. Området som beskrivs av de geometriska figurerna kallas ofta sensorns täckningsområde.

Vissa förekommande planeringsverktyg (analysverktyg) för sensorer utgår från täckningsområden av ovan beskriven typ och kan dessutom ibland, genom tillgång till en kartdatabas, ta hänsyn till topografin och beräkna begränsningar i täckningsområdet på grund av terrängmasker. 10 15 20 25 30 '519 sos En sensors följeegenskaper kan beskrivas på motsvarande sätt som för nämnda upptäcktsegenskaperna, med ett fàngningsavstånd Ræaq givet att ett mål närmar sig sensorn radiellt med en viss fart. Detta finns beskrivet i referens 1.

Problem uppstår då prestanda för system av sensorer skall beräknas.

Svårigheten består i att få en uppfattning om systemets egenskaper, speciellt i följeavseende, när Sensorerna har kraftigt varierande egenskaper inte bara med avseende på täckningsområdena utan också med avseende på övriga egenskaper som mättakt, mätnoggrannhet och falsklarm.

Vid följning av mål inmätta med ett flertal sensorer är det tidigare känt att filtrera måldata. De två vanligaste teknikerna är: 1. Sensorerna följer var och en på målet och resultatet fusloneras därefter. 2. Mätningarna fusloneras och ett följefilter används därefter på den resulterande mätningen.

Dessa metoder avser fusionering av data vid verkliga system, men kan i princip också tillämpas vid viss analys analys.

Filtrering av måldata enligt punkt 1 innefattar beräkning av ett följefilter, ofta Kalmanfilter, för varje sensor. Vid fusionering av dessa värden skall värdena i filtrenas kovariansmatris fusloneras, vilket innebär arbetsbelastande beräkningar som tar mycket datakapacitet och lång tid. Ytterligare problem är att vid fusionering av följedata är graden av korrelation mellan skattningarna ej kända, vilket vid verkliga system ej är möjligt att räkna ut. Vid en analys skulle det dock vara möjligt att räkna ut korrelationerna, men dessa beräkningar skulle ytterligare addera till de tidigare redan arbetsbelastande beräkningarna. 10 15 20 25 549 eos Vid filtrering av måldata enligt punkt 2 kan ett flertal varianter förekomma, av vilka varianter två (2a och 2b) närmare kommer att belysas nedan. Det finns även beskrivet i referens 3.

Vid fusionering enligt 2a består fusioneringen i verkliga fallet av att mätdata processas i den kronologiska takt de kommer in, d.v.s. bidragen från de olika sensorerna kommer in vid olika tillfällen och processas av ett gemensamt filter. Detta är dock ej tillämpligt i det analytiska fallet då en bedömning av ett systems prestanda skall göras. Verkliga mätvärden finns då ej tillgängliga utan enbart mätvärdenas allmänna egenskaper enligt tidigare beskrivning.

En fusionering av dessa egenskaper skall göras, men då finns problemet med slumpmässigheter.

Vid en fusionering enligt 2b fusioneras mätningarna innan de tillförs ett följefilter. Detta kan göras på två sätt (2b1 och 2b2). För att kunna använda sig av ett filter enligt 2b1, krävs samtidighet för de mätningar som fusioneras.

Med samtidighet menas här att mätningarna görs i samma tidsögonblick för samtliga i systemet ingående sensorer samt att det ej finns några avvikelser i mättakt, upptäcktsegenskaper eller vinkel eller avstånd till mätobjektet. Vid användning av ett filter enligt punkt 2b1 ovan, viktas mätningarna för de olika sensorerna samman, fusioneras, med kända matematiska metoder där det sammanviktade vårdets noggrannhet, d.v.s. varians, beräknas enligt ekvation (7-1) nedan.

Denna ekvation gäller dock enbart om ovan beskrivna samtidighet är uppfylid, vilket i praktiken innebar att det ej finns några avvikelser i mättakt, upptäcktsegenskaper eller vinkel eller avstånd till mätobjektet. Sannolikheten 10 15 20 25 30 519 805 att dessa kriterier är uppfyllda för ett system av sensorer som följer ett rörligt mätobjekt är mycket små, nästan obefintliga.

Vid en fusionering enligt 2b2 utökas mätvektorn istället för att mätvärdena viktas ihop. l detta fail läggs de olika sensorernas mätbidrag efter varandra i en vektor, med resultatet att en stor mätmatris fås vilket ger tunga beräkningar vid beräkning av följefiltret. För att belysa problemet kan nämnas att en mätvektor med n element ger upphov till en kovariansmatris på n2 element. Även i fallet 2b2 krävs samtidighet, med de problem som nämnts ovan vid diskussionen om 2b1.

Några ytterligare nackdelar med befintlig teknik är att endast en uppfattning om sensorn/sensorernas mätegenskaper fås i form av räckvidder och mätnoggrannheter. Detta kombineras ofta med kartdatabaser för att ge en uppfattning om sensorsystemets täckningsförmåga, i form av terrängmasker och dylikt. Dessa metoder ger ej prestanda för sensorsystemet som helhet t. ex. i form av vilka följeegenskaper dessa mätegenskaper kan tänkas ge.

Ett önskemål finns att kunna utföra en analys av sensorprestanda hos ett system av sensorer, för planering av sensorers utplacering i ett aktuellt bevakningsområde. Sensorprestanda beräknas och beskrives normalt vid konstruktion och upphandling. Ett ökande behov finns dessutom för att: -vid planering av ett uppdrag, där sensorer skall användas, bedöma nödvändiga sensorresurser (alternativt hur befintliga resurser bäst skall utnyttjas), -i realtid anpassa sensorresurserna till aktuell situation; så kallad reaktiv spaning, -för adaptiva sensorer, både som automatiskt och manuellt "bes|utsstöd", bedöma effekten av möjliga eller föreslagna åtgärder/förändringar.

Ytterligare nackdelar med tidigare känd teknik är att de önskemål som beskrivits ovan ej kan tillmötesgås med tidigare kända analysmetoder. 10 15 20 25 30 519 805 REDOGÖRELSE FöR uPPFiNNiNeEN Uppfinningen avser lösa de problem/nackdelar som angivits ovan och avser ge ett analysverktyg för analys av sensorprestanda hos ett system av sensorer. Uppfinningen löser således bland annat problemet med att beräkna" prestandaparametrar, som kan ge mätegenskaper och följeprestanda för ett ”analytiskt systemets prestandaparametrar, analytiska system av sensorer, d.v.s. när flera sensorer "mäter in" samma mål, i varje punkt i ett angivet geografiskt område. En typisk sensor ingående i ett sensorsystem av ovan nämnda typ är en radar, men att använda det uppfinningsenliga i att beräkna analytiska prestandaparametrar för ett sensorsystem kan även användas på andra typer av sensorer. Begreppet sensor kommer därför fortsättningsvis att användas istället för radar.

Med "analytiskt beräkna" menas, till skillnad från att beräkna ett realiserat systems prestanda i en situation där verkliga inmätningar sker, att med matematiska metoder utifrån kända egenskaper hos sensorerna och mätobjekten, beräkna förväntade prestanda. l fall där slumpmässiga fenomen finns beräknas analytiskt i första hand effektiva värden för egenskaperna/prestanda och i andra hand spridningsmått för variationer kring de effektiva värdena. Det effektiva värdet beräknas med formler vilka presenteras i efterföljande text, där index ”e” står för den effektiva parametern.

Problem vid sensorsystem enligt tidigare känd teknik består dels i att sensorerna kan ha varierande inmätningsegenskaper, dels i att beräkna följeprestanda inte endast för en given målbana, utan att även beräkna prestanda över den yta (volym) som sensorsystemet skall övervaka.

Uppfinningen består således i en metod för ett. analysverktyg för analys av sensorprestanda hos ett system av sensorer, vilken metod innefattar analytisk beräkning av ett sensorsystems mätegenskaper i varje punkt (av 10 15 20 25 519 803 beräkningsskäl väljs i praktiken dock ett raster av punkter) i ett angivet geografiskt område. Metoden innefattar inhämtning av prestandaparametrar från NS stycken i systemet befintliga sensorer. Det uppfinningsenliga i metoden kännetecknas av att; -en uppsättning analytiska prestandaparametrar för systemet beräknas genom att prestandaparametrarna fusioneras oberoende av de i systemet ingående sensorernas olika mätegenskaper med avseende på de angivna prestandaparametrarna och att; -de analytiska parametrarna används vid analys av sensorsystemets prestanda. lnhàmtningen av prestandaparametrar innefattar inhämtning av prestandaparametrar innefattande; -pss_,.= detekteringssannolikhet per mätförsök (index ss avser single scan) i en viss punkt för mål med viss màlarea för sensorn NS =i ; -Ri = mätnoggrannhet uttryckt som kovariansmatris för sensorn NS = i; -Ti = avsökningstid för sökområdet hos sensorn NS = i, samt; - p fa l.= falsklarmssannolikheten för en sensor NS =i.

Beräkningen av de analytiska prestandaparametrarna innefattar beräkningar utifrån valda prestandaparametrar, vilka beräkningar innefattar formlerna; -1 NS %= 331 Um j: 1 % i 2 E pm: 10 15 20 519 803 -f ~, 8 pss, ' _ i ' _ T' (7 4) J I; 1 pssi _ = > 7-5 Te, T,- ( ) - T” (m) ”f H N '-1 R = :s p "1 ir-n j i: 1 i N __ J pfaj _ pfcnj _ (7 8) där T_, J T ef #1» R. och utgör de analytiska 1 pfaJ prestandaparametrarna, där NS står för antaiet i systemet ingående sensorer psgjl och där indexj står för ”joint", d.v.s. resulterande.

Cartesiskt första Här beskrivs mätfeiskovarianserna i ett gemensamt koordinatsystem. Den för sensorsystemet resulterande kovariansmatrisen, RJ., för mätfelen beräknas med metod som skiljer sig från kända metoder, med skillnaden att de enskiida sensorernas bidrag enligt uppfinningen skall viktas med p, se ekvation (7-6).

Den analytiska parametern p, avser ett viktmått för varje i systemet ingående sensors bidrag till systemet i form av att den effektiva mättakten, 10 15 20 25 '5i9 sus Ti, för sensorn NS= i, delas med den analytiska parametern "effektiv ef mättakt för systemet”, å. ej Viktningen med pí medför att beräkningarna av de analytiska prestandaparametrarna för systemet blir oberoende av de faktiska variationerna hos de i systemet ingående sensorernas mätprocesser, t. ex. pm), som är detekteringssannolikheten per mätförsök för mål med viss målarea för sensorn Ns= i, mättakten å eller mätobjektets faktiska geometriska förhållande till respektive sensor. Detta medför att uppfinningen har löst problemet med att analytiskt beräkna prestanda för ett system av sensorer med olika mätegenskaper med avseende på de angivna prestandaparametrarna. Sensorsystemet kan således ur angivna analytiska syfte betraktas som en sensor.

Vid beskrivningen av tidigare känd teknik nämndes att fusionering av mätningarna enligt 2b och att ekvation (7-1) är tillämplig under förutsättning att villkoren för samtidighet är uppfyllda, vilket i sig är orealistiskt varför sådana metoder ej är tillämpliga på det uppfinningsenliga i att analytiskt beräkna ett sensorsystems prestanda. Enligt ovan används p, vid ekvation (7-7) för att vikta sensorernas bidrag och möjliggöra en fusionering och beräkning av ett sensorsystems prestanda. Då samtidighet råder blir i vissa fallp, =1 och ekvation (7-1) blir tillämplig, dock skall tilläggas att ekvation (7- 1) enbart kan användas då det ej finns några avvikelser i mättakt, upptäcktsegenskaper eller vinkel eller avstånd till mätobjektet mellan sensorerna. Det enda sättet att uppnå detta i fallet med ett mål som befinner sig i närheten av sensorerna är att sätta sensorerna i samma punkt med samma prestanda, vilket i princip innebär användning av en sensor.

Enligt uppfinningen kan man oberoende av sensorernas placering och prestanda, slå ihop sensorernas mätvärden genom att varje sensors 10 15 20 25 519 803 .,»,.~ 10 avsökningstid, delas upp i Nsekvidistanta tidsdelar vilket sprider mätningarna ekvidistant, vilket medger att mätvärdena slås ihop vid de gemensamma bildade tidsögonblicken för tidsdelarna. Således erhålles ett medelvärde för varje sensors beteende, med en ökning av variansen med storleken NS som följd. Genom nämnda förfarande undviker man problemet med samtidighet och synkronisering.

Sensorsystemets mätegenskaper uppskattas genom avläsning av samtliga för systemet beräknade analytiska prestandaparametrar, Tj, pw , pi, ej RJ. och pm.. Det kan nämnas att kovariansmatrisen, RJ. , genom sina olika element i matrisen motsvarar mätfelen hos, t. ex., position hos ett mål eller mätobjekt, i förhållande till ett valt system. Ett sådant valt system är företrädesvis ett kartesiskt koordinatsystem, men kan även vara ett annat för ändamålet lämpligt system.

Den analytiska parametern pm = detekteringssannolikhet per mätförsök för mål med viss målarea i en viss punkt hos sensorsystemet.

Uppfinningen består även i en metod att beräkna följeprestanda för sensorsystemet, dels för givna målbanor och dels allmänt över hela det angivna området. Det är tidigare känt att beräkna ovan angivna följeprestanda för en sensor, men det har ej tidigare gått att analytiskt beräkna följeprestanda för ett system av sensorer om ej samtidighetsvillkoret varit uppfyllt. Uppfinningen kan användas för att med hjälp av nämnda formler beräkna antingen systemets "stationära" egenskaper eller systemets "dynamiska" egenskaper.

Med systemets "stationära" egenskaper menas att ett filters stationärtillstånd beräknas i varje punkt över området, d.v.s. likadana mätningar sker under en 10 15 20 25 30 519 803 11 tidsrymd tills ett fiktivt stationärt tillstånd, kvasistationärt tillstånd, uppnås i respektive punkt.

Med systemets "dynamiska" egenskaper menas systemets egenskaper givet viss målfart och kurs hos mål. Enligt uppfinningen fås systemets dynamiska egenskaper med hjälp av att parallella målbanor genereras över området och att ett filter appliceras på dessa målbanor. Nämnda filter kan dimensioneras efter olika antaganden om målets manöveregenskaper för att belysa systemets förmåga att följa under rådande förhållanden. Lämpligt filter för uppfinningen är ett Kalmanfilter, men kan vara ett annat för uppfinningen lämpligt filter.

Nämnda formler används för beräkning av sensorsystemets mätegenskaper och för att beräkna följeprestanda för sensorsystemet används de analytiska prestandaparametrarna för att med ett filter beräkna sensorsystemets följeprestanda för följning av inmätta objekt. Filtret för systemet ger en andra kovariantmatris, P, vilken avläses som en kovariansmatris som anger sensorsystemets följenoggrannhet i varje punkt i ett givet område. Elementen i nämnda andra kovariansmatris, P, avser varianser, t. ex. varianser av positioner, hastigheter och accelerationer.

Utifrån de resultat som fås genom ovan beskrivna följeprestanda kan nu ett antal egenskaper för systemet beskrivas, som t. ex. följenoggrannhet, konfliktrisker med andra mål eller falsklarm, antalet mål som kan följas etc.

En stor fördel följeprestanda för ett sensorsystem enligt ovan, är att sensorsystemets med det uppfinningsenliga i att analytiskt beräkna mätegenskaper är definierade i varje punkt i rummet. Följeegenskaperna för systemet kan därigenom beräknas genom att endast ett följefilter för sensorsystemet används, vilket skiljer sig från tidigare känd teknik där ett filter för varje sensor används. Eftersom sensorernas mätegenskaper 10 15 20 25 519 803 V r .- v . i u ~ š 12 sammanlagras idealt (alla inmätningar används) fås på detta sätt också en uppfattning av sensorsystemets möjliga prestanda.

Genom beskrivningen av sensorsystemets mätegenskaper enligt ovan, så kan man beräkna sannolikheter för olika händelser som berör följeförloppet genom utnyttjande av en beräknad mättakt, detekteringssannolikheten, J pm och falsklarmssannolikheten pfavl., hos sensorsystemet tillsammans med Markovanalys. Den beräknade mättakten, Ti , består av det reciproka i värdet av den analytiska parametern, Tj , vilken avser avsökningstid för sökområdet hos sensorsystemet i en viss given punkt. Denna metod kan användas för bestämning av upptäcktsräckvidd, d.v.s. var någonstans längs en viss målbana detekteras målet för första gången. Vid följning av mål är det också viktigt att veta fångningskriteriet för att veta när en följning skall starta.

Fångningskriteriet anger en acceptabel nivå på antalet detekteringar per antal försök att detektera ett mål. Det äri sammanhanget också intressant att veta fångningsräckvidd, d.v.s. var i målbanan fångningskriteriet är uppfyllt, och motsvarande avslutningskriterier, d.v.s. var och när avslutas följningen.

Samtliga dessa fall kan analytiskt bedömas utifrån det uppfinningsmässiga i att använda mättakten för systemet, detekteringssannolikheten och falsklarmssannolikheten för systemet tillsammans med Markovanalys, enligt OVaFl.

Som tidigare nämnts kan man också enligt uppfinningen använda sig av sensorsystemets mätegenskaper genom beräkning av ett filter för följeegenskaperna hos sensorsystemet. Vid beräkningar av ett filter för följeegenskaperna utnyttjas den beräknade effektiva mättakten, L, för je systemet , vilken effektiva mättakt är en form av medelvärdering av de i systemet ingående sensorerna mättakter enligt formel (7-3). 10 15 20 25 519 805 13 Detekteringssannolikheten, pm, blir då lika med 1 för systemet. Den effektiva mättakten används för att eliminera slumpfelen hos systemet, d.v.s. skillnader mättakt, upptäcktsegenskaper (detekteringssannolikhet m.m.) eller vinkel eller avstånd till mätobjektet.

Utifrån dessa mätegenskaper för systemet av sensorer beräknas sedan följeegenskaperna. Detta kan enligt uppfinningen göras dels för givna màlbanor och dels för att beskriva egenskaperna inom ett visst område (eller volym).

För en given målbana kan sensorsystemets följeprestanda beräknas. Ett filters, t. ex. ett Kalmanfilters, kovariansmatris för prediktionsfelet (fel i förutsägelse) kan också användas för att bedöma en följnings risk att sammanblandas med falsklarm eller andra mål. För att beskriva sensorsystemets följeegenskaper i ett område görs enligt uppfinningen följande: 1. Enligt uppfinningen kan en användare antingen välja att beräkna följeegenskaperna för en viss målbaneriktning eller att beräkna följeegenskaperna med hjälp av det tidigare beskrivna kvasistationära tillståndet. För vissa màlbanor genereras mål på rakbanor, med visst mellanrum, från en vald riktning. För dessa màlbanor beräknas de följeegenskaper, som avses belysas. Metoder för detta står att läsa i referens 1. Vissa följeegenskaper är beroende av målbanans riktning i förhållande till de inmätande sensorerna. 2. Beroende på önskemål och/eller applikation kan följeegenskaperna nu väljas att representeras med tredimensionella grafer (där höjdkoordinaten representerar värdet på egenskapen) över det valda området, med "nivåkurvor" markerande områden d” egenskaperna uppfyller vissa villkor 10 15 20 25 30 519 805 14 eller med ett enda siffervärde genom att egenskaperna integreras över valt område.

För adaptiva sensorer, är mättakten inte känd på förhand, utan beror på antalet mål och på hur sensorns tid fördelas på olika uppgifter, t. ex. kan sensorns sökfrekvens ändras. Enligt uppfinningen kan system av sådana sensorer, eller system av sensorer där sådana ingår, analyseras/beskrivas genom att: 1. Sökfunktionens och följefunktionens mätningar definieras som separata "sensorer", enligt tidigare, och att de kombineras enligt den uppfinningsenliga ovan angivna tekniken. Som exempel kan nämnas att mer sensorresurser kan läggas mot redan etablerade mål, vilket i sig innebär en styrning av sensorns resurser beroende på önskemål. 2. Varje adaptiv sensor beskrivs dessutom meden funktion för bestämmande av hur sensorns resurser skall utnyttjas och som ser till att de två "sensormodellerna" enligt punkt 1) är kopplade i den meningen att de tillsammans delar på sensorns resurser. 3. Ett sensorsysterns gemensamma adaptiva förmåga kan analyseras genom att systemets mätegenskaper bestäms på sätt som beskrivits enligt tidigare. På samma sätt som för en enskild adaptiv sensor kan nu visas effekterna av en vald fördelning mellan sensorsystemets sök- respektive följe- "uppgift". Dessutom kan, enligt uppfinningen, härmed visas hur resurserna kan fördelas mellan sensorerna på lämpligt sätt. Detta möjliggörs enkel beräkning av hela genom att uppfinningen möjliggör en sensorsystemets egenskaper, vilket är det som skall optimeras. 4. Uppfinningen är speciellt lämpad för att visa ett adaptivt sensorsystems prestanda givet att vissa målbanor genereras. 10 15 20 25 30 519 805 15 Uppfinningen kan också användas för att visa effekterna av att alla mål i ett område, givet att viss måltäthet anges, skall ges en viss följekvalitet.

För så kallade passiva sensorer, där målets avstånd ej kan mätas, förfares på motsvarande sätt som ovan beskrivits. Vid beräkning av prestanda för givna målbanor används därvid målets kända position. Vid beräkning av sensorsystemets allmänna egenskaper så bestäms ju, som ovan beskrivits, inmätningsegenskaperna i ett antal punkter i området. Skillnaden mot fallet med aktiv sensor är att i ogynnsamma geometrier är inte beskrivningen av mätfelen med en kovariansmatris enligt ovan tillräcklig. Uppfinningen är därvid väl lämpad för användning av tekniker beskrivna i referens 2, med t.ex. multipla kalmanfilter eller utvidgade kalmanfilter.

Som exempel pà fördelar hos uppfinningen kan nämnas att en ledningscentral kontinuerligt kan göra förutsägelser för ett sensorsystems prestanda och ge svar på frågor som t. ex. vad händer med systemets prestanda om vi flyttar en sensor från ett ställe till ett annat?, eller vilka sensorresurser behövs på en viss plats inom systemets täckningsområde för att systemet skall ha en tillräckligt hög kapacitet på angivna plats? Ett annat exempel på hur uppfinningen kan användas är då man har mobila sensorer i systemet som pga. sin rörlighet påverkar systemets prestanda beroende på befintlighet i förhållande till andra sensorer. Uppfinnlngen kan i detta fall ge svar på om den mobila sensorn kan ges tillstånd att flytta sig på önskat vis, eller om det krävs omdirigering av den mobila sensorn för att stärka upp sensorsystemets egenskaper i en viss punkt eller geografiskt område.

Referens 1: Kronhamn T.R., "Surveil|ence Performance", Radar '95, IEEE International Radar Conference, 1995, Washington, USA. 10 15 20 25 30 519 8016 16 Referens 2: Kronhamn T.R., ”Target Range Estimation with Cooperating Airborne Passive Sensors", Radar '97, lEEE International Radar Conference, Edinburgh, UK, 1997.

Referens 3: Gan Q., Harris J.C., ”Comparison of Two Measurement Fusion methods for Kalman-filter Based Multisensor Data Fusion", lEEE Trans. on AES, Vol. 37, No1, pp. 273-280, Jan. 2001.

FlGURBESKR|VNlNG Uppfinningen kommer att beskrivas närmare nedan, med hjälp av exempel på utföringsformer och med hänvisning till de bifogade ritningarna, där: Fig. 1 visar ett flödessohema över en metod enligt en utföringsform av uppfinningen.

F ig. 2 visar en anordning för användning av en metod enligt uppfinningen.

Fig. 3 visar en skiss över täckningsområde och målbana enligt tidigare känd teknik för ett exemplifierat sensorsystem innefattande tre sensorer, i=1,2,3, med olika mättakt.

Fig. 4 visar ett diagram över effektiva avsökningstider, Tel., för tre enskilda sensorer enligt fig. 3, och enligt uppfinningen effektiva avsökningstider, Tej, för sensorsystemet vid olika tidpunkter hos ett i sensorområdet definierat mål.

ALTERNATIVA UTFÖRINGSFORMER Fig. 1 visar ett flödesschema över en metod enligt en utföringsform av uppfinningen. Metoden avses att användas vid ett analysverktyg för analys av sensorprestanda hos ett system av sensorer. Metoden är företrädesvis avsedd att användas vid radar, men kan även användas på andra typer av 10 15 20 25 519 803 |.-.,.

A17 sensorer varför den mer allmängiltiga benämningen sensor har valts i nedanstående text. Metoden innefattar analytisk beräkning av ett sensorsystems mätegenskaper i varje punkt i ett angivet geografiskt område, vilken metod innefattar; -inhämtning av prestandaparametrar 1, 2, 3 från Ns stycken i systemet befintliga sensorer. För att underlätta beskrivningen av uppfinningen visas i fig. 1 inhämtning av prestandaparametrar 1, 2, 3 fràn tre stycken i systemet befintliga sensorer 11, 12, 13, men systemet är givetvis ej begränsat till detta antal sensorer. Metoden kännetecknas av att; -en uppsättning analytiska prestandaparametrar 5 för systemet beräknas 6 genom att prestandaparametrarna 1, 2, 3 fusioneras 7 oberoende av de i systemet ingående sensorernas olika mätegenskaper med avseende pà de angivna prestandaparametrarna och att; -de analytiska parametrarna används vid analys 8 av sensorsystemets prestanda.

Resultatet från analysen 8 presenteras 9 pä lämpligt sätt för en användare, t.ex. via en display, eller en utskrift. Analysen beror dessutom av vilken typ av analys som användaren önskar. Ett par' olika analyser kommer att diskuteras närmare nedan.

Med prestandaparametrar 1, 2, 3 genom beräkningar. fusioneras menas hopslagning av respektive sensors Prestandaparametrarna 1, 2, 3 innefattar var och en; -pm,.= detekteringssannolikhet per mätförsök för mål med viss målarea för sensorn NS = i; -Ri = mätnoggrannhet uttryckt som kovariansmatris för sensorn NS = i; -Ti = avsökningstid för sökomrädet hos sensorn NS = i, samt; 519 8025' 18 - p fa I.= falskiarmssannolikheten för en sensor.

Beräkningen av de analytiska prestandaparametrarna 5 innefattar beräkningar utifrån prestandaparametrarna 1, 2, 3, vilka beräkningar fusionerar prestandaparametrarna 1, 2, 3 genom användning av formlerna; -1 NS T_ = 2 ff* (7-2) f r=1 1 NS p T-= Z (7-3) ef 1=1 i T. pssf z-L ' 1 I; 1 P i _=_¿f¿ (7-5) Tfl- T,~ p, I ITP-ff' (m) -1 R = .Rïl 7-7 J tål/I, l ( ) N' p a; _ pfa, j = <7 s) 10 15 20 25 519 803 19 där T., i J T ej utgör de analytiska Ypsgj l luí och pfm prestandaparametrarna, där NS står för antalet i systemet ingående sensorer (här NS =3) och där indexj står för “joint", d.v.s. resulterande.

De analytiska parametrarna kan användas vid analys av sannolikheter för olika händelser som berör följeförloppet och beräknas genom utnyttjande av en beräknad mättakt, detekteringssannolikheten, och j pss,j falsklarmssannolikheten pm, hos sensorsystemet tillsammans med Markovanalys.

De analytiska parametrarna kan användas vid analys av systemets följeegenskaper genom att ett filter för sensorsystemet beräknas genom utnyttjande av den beräknade effektiva måttakten, -1~ , för systemet . ej Nämnda formler används för beräkning av sensorsystemets mätegenskaper för att med ett filter beräkna sensorsystemets följeprestanda för följning av inmätta objekt, och att -filtret för systemet ger en kovarlantmatris, P, vilken avläses som en kovariansmatris som anger sensorsystemets följenoggrannhet i varje punkt i ett givet område.

Vidare analys av sensorsystemet kan göras genom att sensorsystemets stationära egenskaper kan beräknas genom att ett filters stationärtillstànd i varje punkt över ett givet område beräknas, vilken beräkning innefattar nämnda formler. 10 15 20 25 30 20 Ytterligare analys av sensorsystemet kan göras genom att sensorsystemets dynamiska egenskaper kan beräknas genom att ett filter beräknas utifrån parallella målbanor hos ett mål med givna värden på fart och kurs, vilken beräkning även innefattar nämnda formler.

En ytterligare fördel med det uppfinningsenliga i att använda fusionering av prestandaparametrar enligt ovan för beräkning av analytiska prestandaparametrar för ett system fås vid adaptiva sensorer, vilka var och en kan betraktas som ett sensorsystem. En adaptiv sensor kan alltså betraktas som flera olika sensorer, beroende på hur den adaptiva sensorn ställs in.

Metoden för ett analysverktyg enligt ovan används företrädesvis genom en anordning för analytisk beräkning av sensorsystemets prestanda. En sådan anordning kan vara t.ex. en dator, vilken också används för att grafiskt visa en användare av analysverktyget sensorsystemets prestanda med avseende på önskad information, tex. systemets detekterings och följesannolikheter.

Fig. 2 visar en anordning 20 för användning av en metod enligt en utföringsform av uppfinningen, där sensorsystemet innefattar tre stycken 22, 23, 24 för sammanslagning av prestandaparametrar i form av mätegenskaper från sensorer 21, och anordningen innefattar medel respektive nämnda sensorer 21, 22, 23. För att prestandaparametrarna skall kunna överföras från respektive sensor till anordningen 20 används ett för ändamålet lämpligt medel 25, t.ex. ett interface, d.v.s. en anordning som omvandlar signaler, t.ex. från analoga till digitala, för att möjliggöra en digital databehandling. Medlet 25 kan också bestå i en anordning som används som summeringspunkt av digitala signaler.

Samtliga i texten angivna medel hänför sig till anordningar lämpliga för ändamålet, t.ex. en extra datorenhet, ett interface eller en i en befintlig dator lämplig algoritm. 10 15 20 25 30 - . l , , , 519 sus ;:ç¿;¿¿;¿ 21 Anordningen innefattar också medel 26 för fusionering av prestandaparametrarna genom viktning av respektive nämnda sensorers 21, 22, 23 mätbidrag, vilken anordning innefattar medel 27 för beräkning av analytiska prestandaparametrar för sensorsystemet, vilket medel 27 för beräkning av analytiska prestandaparametrar för systemet på grund av viktningen av respektive nämnda sensorernas mätbidrag är oberoende av de i systemet ingående sensorernas olika mätvärden, t.ex. slumpmässiga variationer och olika mättakt. Medlet 27 för beräkning av analytiska prestandaparametrar för sensorsystemet innefattar bland annat medel 28 för beräkning av en kovariansmatris Anordningen innefattar medel 29 för beräkning av ett filters stationärtillstånd i varje punkt över ett givet området.

Anordningen innefattar medel 30 för beräkning av ett filters dynamiska egenskaper utifrån parallella målbanor hos ett mål med givna värden på fart och kurs.

Anordningen innefattar även medel 31 för presentation av analysresultat för en användare. Ett sådant medel 31 kan t.ex. vara en display, eller en skrivare.

Enligt en utföringsform av uppfinningen är åtminstone en av de i sensorsystemet ingående sensorerna en passiv sensor.

Enligt en annan utföringsform av uppfinningen är åtminstone en av de i sensorsystemet ingående sensorerna en aktiv sensor.

Enligt ytterligare en utföringsform av uppfinningen är åtminstone en av de i sensorsystemet ingående sensorerna en adaptiv sensor. 10 15 20 25 519 803 22 Enligt ytterligare en utföringsform av uppfinningen är åtminstone en av de i sensorsystemet ingående sensorerna en radarenhet.

För att ytterligare visa fördelarna med föreliggande uppfinning kommer nedan att ges ett exempel på hur analysverktyget ökar en användares möjlighet att analysera systemets prestanda. Exemplet avser analys av en målbana och kommer att visas med hjälp av figurerna 3 och 4.

Fig. 3 visar en skiss över täckningsområde och målbana enligt tidigare känd teknik för ett sensorsystem innefattande tre sensorer, i=1,2,3, med olika mättakt. l det här fallet avser sensorerna tre stycken radarenheter som sveper 360 grader, d.v.s. ett helt varv per svep, vilket innebär att avsökningstiden, för sökområdet hos sensorn N= i avser ett helt varv. Ett annat sätt att ange hur en radar sveper är att ange mättakt, vilket innebär det reciproka värdet på tiden mellan mätningarna, d.v.s. i F ig. 3 visar ett koordinatsystem för ett område på X km (x-axeln i skissen) och Y km (y-axeln i skissen). l figuren visas en första sensor 31, en andra sensor 32 och en tredje sensor 33. Origo i koordinatsystemet har lagts i centrum på den andra sensorn 32. Figuren visar också sannolikheter för detektering av ett mål vid en inmätning (ett svep) genom att cirklar 311, 321, 331 har ritats ut för respektive sensorerna 31, 32, 33, markerande gränsen för 50% sannolikhet att detektera målet vid en inmätning, d.v.s. cirklarna anger Rwss. Den första sensorn 31 har en avsökningstid T1=5s, den andra sensorn 32 har en avsökningstid T2=1s och den tredje sensor 33 har en avsökningstid T3 =2s i fig. 3 visas också en målbana 34 för ett mål med viss màlarea och med en konstant hastighet av 250 m/s. Målbanan utgörs av en konstant linje 10 15 20 25 519 805 23 utgörandes av tre rakbanor med två målmanövrar mellan. Den första målmanövern 341 sker mellan tidpunkterna t=110s och t=120s vid 3g och den andra målmanövern 342 sker mellan tidpunkterna t=260s och t=280s vid 1g.

Figur 3 visar huvudsakligen hur ett senstorsystems prestanda bedömts vid tidigare känd teknik, varvid de olika cirklarna 311, 321, 331 som anger Rsoss har lagts ut och en tolkning av täckningsområdet görs utifrån cirklarnas geografiska utsträckning.

Fig. 4 visar ett diagram över effektiva avsökningstider ,Te1, 411, Tez, 421, Te3, 431, för respektive tre enskilda sensorer 3.1, 32, 33, enligt fig. 3, och för sensorsystemets effektiva avsökningstider, Tej, 441 vid olika tidpunkter hos ett i sensorområdet definierat mål. De effektiva avsökningstiderna, Tell, beräknas som På y-axeln visas avsökningstiden Te [s] och på x-axeln ss,z visas målbanans tid t [s]. I fig. 4 visas också tre parallella streckade linjer 412, 422, 432 som anger respektive effektiva avsökningstider, Tel, 411, Tez, 421, Te3, 431 då detekteringssannolikheten för varje sensor, pm är lika med ett, d.v.s. de streckade parallella linjerna 412, 422, 432 anger respektive sensors avsökningstid. l fig. 4 syns tydligt hur de enskilda sensorernas effektiva avsökningstider, Tel, 411, Tez, 421, och Te3, 431 skiljer sig från sensorsystemets effektiva avsökningstider, Tej, 441. Efersom den effektiva avsökningstiden är beroende av det reciproka värdet på detekteringssannolikheten skall diagrammet tolkas som att ett högt värde på y-axeln innebär en låg detekteringssannolikhet. Detekteringssannolikheten avtar med avståndet från 10 15 20 25 519 803 24 centrum på sensorn, vilket kan ses t.ex vid t=28O (andra målmanövern 342 i fig. 3) där den första sensorns 31 effektiva avsökningstid, Tel, 411 ligger nära den parallella linjen 412, vilket markerar en detekteringssannolikhet nära ett för den första sensorn, och där den andra sensorns 32 effektiva avsökningstid, Tez, 421 går mot oändligheten (visas dock ej i bild utan enbart en skarpt uppåtgàende kurva som tar slut vid ca 330s) i förhållande till den parallella linjen 422, vilket markerar en detekteringssannolikhet nära noll för den andra sensorn, och där den tredje sensorns 33 effektiva avsökningstid, Te3, 431 går mot oändligheten (visas dock ej i bild utan enbart en skarpt uppåtgående kurva som tar slut vid ca 430s) i förhållande till den parallella linjen 432, vilket markerar en detekteringssannolikhet nära noll för den tredje sensorn. Deteketeringssannolikheten är, som tidigare nämnts, ett mått på sannolikheten att detektera ett mål med given målarea och avstånd vid “single scan", d.v.s. vid ett mätförsök. l fig. 3 syns att den andra målmanövern 342 görs utanför cirklarna 321, 331 för täckningsomràdena för respektive andra och tredje sensorn 32, 33 och att manövern görs innanför cirkeln 31 förtäckningsomràdet för den första sensorn. I fig. 4 visas också att vid andra målmanövern 342 i fig. 3, är sensorsystemets effektiva avsökningstider, Tej, 441 ungefär samma som för den första sensorns 31 effektiva avsökningstider, T men det skall dock nämnas att el, 411, sensorsystemets effektiva avsökningstider, Tej, 441 alltid är strikt mindre än de effektiva avsökningstider för den sensor som ligger närmast i effektiva avsökningstider. l en annan punkt i fig. 4, tex. vid t=400 syns att den första sensorns 31 effektiva avsökningstider, Tel, 411 och den tredje sensorns 33 effektiva avsökningstid, Te3 , 431 ökar resp. går mot oändligheten, men att den andra sensorns 32 effektiva avsökningstid, Tez, 421 när sitt minimum, vilket är en 10 15 20 25 519 803 .ß ß =i > > . -....; 25 följd av målets avstånd till respektive sensor. Den andra sensorns 32 effektiva avsökningstid, Tez, 421 har sitt minimum på ett avstånd från den parallella linjen 422, vilket är en följd av målets avstånd till den andra sensorn 32.

Sensorsystemets effektiva avsökningstid, Tej, 441 vid t=4OO skiljer sig dock från den andra sensorns 32 effektiva avsökningstid, Tez, 421, och är till och med lägre. Eftersom sensorsystemets effektiva avsökningstid, Tej, 441 vid t=4OO är lägre än den den andra sensorns 32 effektiva avsökningstid, Tez, 421, är sensorsystemets detekteringssannolikhet, pm, högre än den närmaste sensorns, vilken är den andra sensorn 32. Således har sensorsystemet lika bra eller bättre effektiv avsökningstid än de enskilda i systemet sensorerna, d.v.s. lika bra eller ingående högre detekteringssannolikhet.

Vetskapen om att sensorsystemet har bättre prestanda än de enskilda sensorerna i visa punkter är en viktig uppgift för en användare av systemet.

Det kan t.ex. användas vid planering om var sensorer skall ställas uppför att täcka så stor yta som möjligt med avseende på detekteringssannolikhet, eller var sensorerna skall ställas upp för att koncentrerat möta vissa krav, tex. genom att öka detekteringssannolikheten i ett visst geografiskt avsnitt genom användning av de synergieffekter som uppkommer då sensorernas täckningsområde överlappar varandra.

Ytterligare analyser av en målbana kan göras utifrån de uppfinningsenligt beräknade analytiska parametrarna, tex. kan följenoggrannheter beräknas för enskilda sensorer respektive sensorsystemet, och följesannolikheter av det aktuella målet för enskilda sensorer respektive för systemet. 10 =.= J, 26 Vidare analyser kan givetvis göras över en yta hos sensorsystemet, t.ex. kan risker för varierande målförväxling i associeringsluckor fås med filterdimensionering. Associeringslucka avser den volym som gäller för ett mål. Dessutom kan följesannolikheter över ytan analytiskt göras utifrån de analytiska parametrarna.

Uppfinningen skall ej anses begränsad av de angivna utföringsformerna och exemplen, utan kan förekomma i ytterligare utföringsformer inom ramarna för patentkraven, t. ex. kan uppfinningen användas vid sensorer som ej är av elektromagnetisk karaktär. Som exempel pà sådana sensorer kan nämnas sonar, vilka sensorer baseras på ljudvàgor.

Claims (17)

10 15 20 25 519 805 27 PATENTKRAV

1. Metod för ett analysverktyg för analys av sensorprestanda hos ett system av sensorer, vilken metod innefattar analytisk beräkning av ett sensorsystems mätegenskaper i varje punkt i ett angivet geograflskt område, vilken metod innefattar; -inhämtning av prestandaparametrar (1,2,3) fràn NS stycken i systemet befintliga sensorer (11,12,13;21,22,23;31,32,33), k ä n n e t e c k n a d a v att; -en uppsättning analytiska prestandaparametrar (5) för systemet beräknas (6) genom att prestandaparametrarna (1 ,2,3) fusioneras (7) oberoende av de ingående sensorernas (11,12,13;21,22,23;31,32,33) mätegenskaper med avseende på de angivna prestandaparametrarna (1 ,2,3) i systemet olika och att; -de analytiska prestandaparametrarna (5) används vid analys (8) av sensorsystemets prestanda.

2. Metod enligt patentkrav 1, k ä n n e t e c k n a d a v att inhämtning av prestandaparametrar (1,2,3) innefattar inhämtning av prestandaparametrar (1 ,2,3) innefattande; -p,,,,= detekteringssannolikhet per mätförsök för mål med viss mâlarea för sensorn NS = i; -Rj = mätnoggrannhet uttryckt som kovariansmatris för sensorn NS = i; -Ti = avsökningstid för sokomràdet hos sensorn NS = i, samt; - p fa í= falsklarmssannolikheten för en sensor.

3. Metod enligt patentkrav 2, k ä n n e t e c k n a d a v att beräkningen (6) av de analytiska prestandaparametrarna (5) innefattar beräkningar utifrån prestandaparametrarna (1 ,2,3), vilka beräkningar innefattar formlerna; 10 15 20 519 803 28 NS " f, = z Tf* 0-2) 1:1 1 NS p i: Z ss,í Tej i=1 Tf (7 4) pssj :___ I _ J Trej 1 pssi _: ' 7-5 721 T,- ( ) TW. M' I T (76) N -1 S -1 R j = E xg-Rí (7-7) í=1 N _ I pfax _ .. 1 _. _ dar Tj, TJUW i M- Rjoch p få”. utgör de analystiska ef prestandaparametrarna (5), där NS står för antalet i systemet ingående sensorer och där indexj står för "joint”, d.v.s. resulterande.

4. Metod enligt patentkrav 3, k ä n n e t e c k n a d a v att sannolikheter för olika händelser som berör följeförloppet beräknas genom utnyttjande av den 10 15 20 25 519 805 29 beräknade mättakten, i, detekteringssannolikheten, pm. och J falsklarmssannolikheten pm., hos sensorsystemet tillsammans med Markovanalys.

5. Metod enligt patentkrav 3, kännetecknad av att ett filter för sensorsystemet beräknas genom utnyttjande av den beräknade effektiva mättakten, L, för systemet _ e:

6. Metod enligt patentkrav 5, k ä n n e t e c k n a d a v att; -nämnda formler används för beräkning av sensorsystemets mätegenskaper för att med ett filter beräkna sensorsystemets följeprestanda för följning av inmätta objekt, och att -filtret för systemet ger en kovariantmatris, P, vilken avläses som en kovariansmatris som anger sensorsystemets följenoggrannhet i varje punkt i ett givet område.

7. Metod enligt patentkrav 5, k ä n n e t e c k n a d a v att sensorsystemets stationära egenskaper beräknas genom att ett filters stationärtillstånd i varje punkt över ett givet område beräknas, vilken beräkning innefattar nämnda formler;

8. Metod enligt patentkrav 5 k ä n n e t e c k n a d a v att sensorsystemets dynamiska egenskaper beräknas genom att ett filter beräknas utifrån parallella màlbanor hos ett mål med givna värden pà fart och kurs, vilken beräkning även innefattar nämnda formler;

9. Metod enligt något av föregående patentkrav, k ä n n e t e c k n a d a v att en adaptiv sensor betraktas som ett sensorsystem. 10 15 20 25 30 519 803 30

10. Anordning (20) för analytisk beräkning (6) av sensorsystems prestanda innefattandeNSstycken sensorer (11,12,13;21,22,23;3132,33), vilken anordning innefattar medel (24) för sammanslagning av prestandaparametrar (1,2,3) i (11,12,13;21,22,23;31,32,33), innefattar medel (24, 26) för fusionering av prestandaparametrarna (1,2,3) form av mätegenskaper från respektive nämnda sensorer kännetecknat av att anordningen genom viktning av respektive nämnda sensorers mätbidrag, vilken anordning innefattar medel (27) för beräkning av analytiska prestandaparametrar (5) för sensorsystemet, vilket medel för beräkning av analytiska prestandaparametrar (5) för sensorsystemet på grund av viktningen av respektive nämnda sensorernas mätbidrag är oberoende av de i systemet ingående sensorernas olika måtegenskaper_

11. Anordning enligt patentkrav 10, k ä n n e t e c k n at a v att anordningen innefattar medel (29) för beräkning av ett filters stationärtillstånd i varje punkt över ett givet området.

12. Anordning enligt patentkrav 10, k ä n n e t e c k n at a v att anordningen innefattar medel (30) för beräkning av ett filters dynamiska egenskaper utifrån parallella målbanor hos ett mål med givna värden på fart och kurs.

13. Anordning enligt något av patentkraven 10-12, k ä n n e t e c k n at a v att åtminstone en av de i sensorsystemet ingående sensorerna (11,12,13;21,22,23;31,32,33) är en passiv sensor.

14. Anordning enligt något av patentkraven 10-12, k ä n n e t e c k n at a v att åtminstone ett av en de i sensorsystemet ingående sensorerna(11,12,13;21,22,23;31,32,33) är en aktiv sensor. 10 803 31

15. Anordning enligt något av patentkraven 10-12, k ä n n e t e c k n at a v att åtminstone en av de i (11,12,13;21,22,23;31,32,33) är en adaptiv sensor. sensorsystemet ingående sensorerna

16. Anordning enligt något av patentkraven 10-15, k ä n n e t e c k n at a v att åtminstone en av de i sensorsystemet ingående sensorerna(11,12,13;21,22,23;31,32,33) är en radarenhet.

17. Användning av en metod enligt patentkrav 1-9 och en anordning enligt patentkrav 10-16 vid sensorsystem innefattande åtminstone en sensor.