Диссертация (Анализ и идентификация радиолокационных дальностных портретов воздушных целей на основе технологий вычислительного интеллекта)
Описание файла
Файл "Диссертация" внутри архива находится в папке "Анализ и идентификация радиолокационных дальностных портретов воздушных целей на основе технологий вычислительного интеллекта". PDF-файл из архива "Анализ и идентификация радиолокационных дальностных портретов воздушных целей на основе технологий вычислительного интеллекта", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве РТУ МИРЭА. Не смотря на прямую связь этого архива с РТУ МИРЭА, его также можно найти и в других разделах. Архив можно найти в разделе "остальное", в предмете "диссертации и авторефераты" в общих файлах, а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата технических наук.
Просмотр PDF-файла онлайн
Текст из PDF
ОглавлениеСписок сокращений ............................................................................................. 4Введение .................................................................................................................. 6Глава 1. Задача радиолокационного распознаваниялетательных аппаратов .................................................................................... 131.1. Радиолокационная система наблюдения воздушных целей ..................... 131.2.
Радиолокационные дальностные портреты летательных аппаратов ....... 191.3. Инструментарий моделирования дальностных портретов ....................... 27Выводы .................................................................................................................. 29Глава 2. Алгоритмические схемы распознаваниявоздушных целей ................................................................................................ 302.1. Общие положения теории распознавания образов .................................... 302.2.
Ретроспектива проблемы идентификации дальностных портретоввоздушных целей................................................................................................... 352.3. Формальные аспекты задачи распознавания...............................................
462.4. Задача формирования информативных признаков воздушных целей .... 512.5. Секторный принцип построения систем распознаваниявоздушных целей................................................................................................... 582.6. Эффекты неробастности характеристик и неразличимостидальностных портретов ........................................................................................ 602.7. Концепция динамического распознавания воздушных целей .................
61Выводы .................................................................................................................. 66Глава 3. Классификация воздушных целей на основе аппаратадеревьев решений ................................................................................................ 683.1.
Схемы распознавания воздушных целей на основе аппарата деревьев решений ...................................................................................................................... 683.2. Структура деревьев решений ....................................................................... 693.3. Алгоритм построения деревьев классификации CART ............................
7223.4. Организация вычислительных экспериментов .......................................... 793.5. Статическая схема распознавания воздушных целей ............................... 813.6. Двухступенчатая схема распознавания воздушных целей ........................ 82Выводы .................................................................................................................. 85Глава 4. Нейросетевые алгоритмы классификациивоздушных целей ................................................................................................
864.1. Ощие положения теории искусственных нейронных сетей ...................... 864.2. Нейросетевые схемы распознавания воздушных целей ............................ 894.3. Применение классификаторов персептронного типа................................. 914.4. Классификаторы на основе RBF-сетей ........................................................ 95Выводы .................................................................................................................. 98Глава 5. Вейвлет-технологии в задачах обработки и анализадальностных портретов воздушных целей ................................................... 995.1.
Ретроспектива исследований в области вейвлет-анализарадиолокационных сигналов................................................................................ 995.2. Вейвлет-преобразование сигналов ............................................................ 1025.3. Многоуровневый вейвлет-анализ .............................................................. 1065.4.
Задача очистки дальностьных портретов от шумов и помех ................. 1105.5. Вейвлет-сглаживание дальностных портретов ......................................... 1145.6. Корреляционный метод распознавания воздушных целей .................... 1155.7. Проблема выбора базисного вейвлета ...................................................... 122Выводы ................................................................................................................ 124Заключение ........................................................................................................
126Список литературы ......................................................................................... 128Приложение 1. Метод радиолокации с внутриимпульснойлинейно-частотной модуляцией .................................................................... 137Приложение 2. Программа моделирования дальностныхпортретов BSS ...................................................................................................
141Приложение 3. Акты внедрения результатов работы .............................. 1453Список сокращенийАД агрегирование данныхАЦП аналого-цифровой преобразовательБД база данныхВП вейвлет-преобразованиеВЦ воздушная цельДОР диаграмма обратного рассеянияДП дальностный портретДР дерево решенийИД – информационный датчикИК истинный курсИП истинный пеленгИСЗ – искусственный спутник ЗемлиКМА кратномасштабный анализКУ курсовой уголКУР курсовой угол радиостанцииЛА летательный аппаратЛЧМ линейная частотная модуляцияНС нейронная сетьОЛ объект радиолокацииОН объект наблюденияРЛС радиолокационная станцияТАКФ тройная автокорреляционная функцияУОИ устройство отображения информацииФП формирование признаковШПС широкополосный сигнал4ЭВМ электронная вычислительная машинаЭПР эффективная площадь рассеянияBP back propagationBSS программа «Radar Target Back Scattering Simulation»CART classification and regression treeLVQ learning vector quantizationMLP multi-layer perceptronMSE mean squared errorPNN probabilistic neuron networkRBF radial basis functionTSVQ tree structured vector quantizer5ВведениеСовременный этап развития автоматики характеризуется широкимприменением методов и технологий вычислительного интеллекта для алгоритмизации процессов обработки информации и принятия решений.
Это вполной мере относится к классу систем автоматического распознавания образов.Вычислительный интеллект (Computational Intelligence) - ответвлениеискусственного интеллекта [71], развиваемое как альтернатива классическому искусственному интеллекту, основанному на строгом логическом выводе.Существует несколько определений термина вычислительный интеллект [20]. Впервые данный термин был введен Бездеком [67], который определил его так: «система является интеллектуальной вычислительно, если она:оперирует только с цифровыми данными; имеет компоненты распознаванияобразов; не использует знания в смысле искусственного интеллекта и вдобавок когда она проявляет: а) вычислительную адаптивность; б) вычислительную отказоустойчивость; в) уровень ошибок, аппроксимирующий характеристики человека».
В дальнейшем, это определение уточнялось и расширялось.Достаточно подробное разъяснение понятия вычислительного интеллекта дано в книге [84]: «Вычислительный интеллект является наследникомискусственного интеллекта. Он основывается на эвристических алгоритмах,применяемых в нечетких системах, искусственных нейронных сетях (НС) иэволюционных вычислениях. Кроме того вычислительный интеллект такжевключает инструменты, использующие роевой интеллект, фракталы и теорию хаоса, искусственные иммунные системы, вейвлеты и др.
Вычислительный интеллект является комбинацией процессов обучения, адаптации и эволюции... Исследования в области вычислительного интеллекта не отвергаютстатистические методы, но предоставляют дополнительный аспект для ихприменения. Вычислительный интеллект связан с технологией мягких вы6числений, которая объединяете искусственные НС, нечеткую логику и генетические алгоритмы».Тема диссертации - анализ и идентификация радиолокационныхдальностных портретов воздушных целей на основе технологий вычислительного интеллекта.Радиолокация решает задачи радиолокационного наблюдения - обнаружение объектов (целей) и определение их местоположения и параметровдвижения в пространстве с помощью радиотехнических средств и методов[3].
Устройствами такого назначения являются радиолокационные станции(РЛС). В области активной радиолокации с пассивным ответом объект облучается радиоволнами, посылаемыми РЛС, в результате чего возникают отраженные от него сигналы.Завершающим этапом радиолокационного наблюдения является распознавание целей.
Оно осуществляется на основе анализа характеристик эхосигналов при их обработке в РЛС. Устройство РЛС зависит от используемогопринципа радиолокационного наблюдения. Для распознавания радиолокационных объектов используются характерные свойства отраженных сигналов,обусловленные специфическими свойствами этих объектов. В современныхРЛС осуществляется цифровая обработка информации.Актуальность. Задачи распознавания объектов радиолокационногонаблюдения относятся к числу важнейших задач радиолокации. Одно из актуальных направлений в теории и практике радиолокационного распознавания протяженных объектов (целей) основано на анализе их радиолокационных дальностных портретов (ДП), называемых в англоязычной литературе«range profile».РЛС с высокой разрешающей способностью и точностью по дальностипозволяют воспроизвести профиль цели по дальности.
К примеру, возможнораспознавать корабли по их длине и контуру надстроек при определенныхракурсах относительно РЛС. При этом необходима разрешающая способ7ность по дальности порядка единиц метров, наличие библиотеки образцовпрофилей различных целей для разных ракурсов.Разрабатываются различные подходы к решению проблемы анализарадиолокационных дальностных портретов воздушных целей (ВЦ). Эта область научных исследований в настоящее время активно развивается и представлена в работах следующих авторов: C.R.Smith, P.M.Goggans (1993),H.J.Li, S.H.Yang (1993), A.Zyweck, R.E.Bogner (1996), S.P.Jacobs (2000 г.),D.Zhoum, G.Liu, J.Wang (2000), С.П.Лещенко (2001, 2009), А.В.Тоцкий,П.А.Молчанов, Б.Б.Поспелов (2010) и др.Данная область находится в стадии развития, в связи с чем теоретический и прикладной интерес представляет расширение ее методологическойбазы.
В диссертационной работе акцент сделан на применении методов итехнологий вычислительного интеллекта.Процесс радиолокационного распознавания включает решение двух задач:1)формирование по данным радиолокационного наблюдения информативных признаков, позволяющих отличать радиолокационные объекты другот друга;2)идентификация объектов по совокупности полученных признаков.Надежность распознавания в значительной мере зависит от выбора комплекса информативных признаков.Диссертационное исследование направлено на алгоритмизацию задачанализа и идентификации дальностных портретов протяженных воздушныхцелей на основе технологий вычислительного интеллекта: искусственныхнейронных сетей, деревьев решений и вейвлет-преобразования сигналов.Цель диссертации состоит в решении следующего комплекса теоретических задач:1)исследование проблемы формирования информативных признаков ВЦна основе анализа их дальностных портретов;82)рациональный выбор и комплексирование информативных признаковВЦ;3)динамическое распознавание в процессе сопровождения ВЦ;4)идентификация ДП ВЦ на основе технологии искусственных нейронныхсетей и деревьев решений;5)анализ перспектив применения аппарата вейвлет-анализа в алгоритмахраспознавания ВЦ.Научная новизна.