Диссертация (Анализ и идентификация радиолокационных дальностных портретов воздушных целей на основе технологий вычислительного интеллекта)

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.