Modelo de integración de información contextual y radar en sistemas neuronales para seguimiento de maniobras de combate aéreo

• Autores: Antonio Navidad Pineda
• Directores de la Tesis: José Raúl Fernández del Castillo Díez (dir. tes.) , Luis Usero Aragonés (codir. tes.)
• Lectura: En la Universidad de Alcalá ( España ) en 2015
• Idioma: español
• Tribunal Calificador de la Tesis: Jesús García Herrero (presid.) , Juan José Cuadrado Gallego (secret.) , Miguel Ángel Patricio Guisado (voc.) , León Atilano González Sotos (voc.) , Ángel Arroyo Castillo (voc.)
• Enlaces
  • Tesis en acceso abierto en: TESEO
• Resumen
  • español

    Los sistemas de vigilancia y control de tráfico aéreo presentan en la actualidad un conjunto de problemas conocidos relacionados con la incertidumbre e imprecisión en las medidas radar, utilizadas como entradas en estos sistemas. En este trabajo se detallan aspectos teóricos de los algoritmos de seguimiento, centrándose en una propuesta basada en la utilización del paradigma de las redes neuronales, donde, a partir de las medidas discretas proporcionadas por sistemas radar, el objetivo será estimar el estado de un objetivo con la intención de alcanzar un seguimiento lo más preciso posible.

    La ausencia de una solución estadística óptima hace este enfoque atractivo en contraposición a los ya descritos en abundante literatura como algoritmo clásicos de filtrado.

    Las redes neuronales presentan entre sus capacidades características que permiten utilizarlas como una herramienta para capturar información difícilmente accesible a partir de modelos aprendidos de un conjunto de entrenamiento. Se utilizarán estas capacidades para hacer a la red neuronal aprender, no solo de la información contenida en los datos radar recibidos, sino también del contexto en el que se desarrolla la maniobra del avión sobre el que se ejecuta el algoritmo de seguimiento. Esta información, información contextual, sobre la que el algoritmo de seguimiento trabaja, en este caso concreto se obtendrá de maniobras a priori predefinidas, al menos en sus parámetros generales.

    La solución descrita se aplica de forma concreta a distintos casos típicos de maniobras en combate aéreo, las curvas de persecución, curvas del perro, trayectorias modelo en maniobras de combate aéreo.

    Se demuestran las ventajas de incorporar esta información contextual en la propuesta de algoritmo de seguimiento basado en redes neuronales.

    La solución descrita debe tomarse como una propuesta que puede ser fácilmente generalizable para ser aplicado a distintos entornos donde diferente información contextual pueda ayudar en el problema de seguimiento a resolver

  • English

    Air surveillance and traffic control radar tracking systems present a variety of known problems related to uncertainty and lack of accurately in radar measurements, used as source in these systems. In this work, we feature the theoretical aspects of a tracking algorithm based on neural network paradigm where, from discrete measurements provided by surveillance radar, the objective will be to estimate the target state for tracking purposes as accuracy as possible.

    The absence of an optimal statistical solution makes the featured neural network attractive despite the availability of complex and well-known filtering algorithms.

    Neural networks exhibit universal mapping capabilities that allow them to be used as a control tool for capturing hidden information about models learned from a dataset. We use these capabilities to let the network learn, not only from the received radar measurement information, but also from the aircraft maneuvering context, contextual information, where tracking application is working, taking into account this new contextual information which could be obtained from predefined, commonly used, and well-known aircraft trajectories.

    In this case study, the described solution is applied to a typical air combat maneuvering, a dogfight, a form of aerial combat between fighter aircraft. Advantages of integrating contextual information in a neural network tracking approach are demonstrated.

    The scheme described as a solution to the tracking problem in maneuvering trajectories should be considered as a proposal that could be used in several environments where contextual information could help in the tracking problem to be solved.