Диссертация (Анализ и идентификация радиолокационных дальностных портретов воздушных целей на основе технологий вычислительного интеллекта), страница 17
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 17 страницы из PDF
Севастополь. 2015. С. 136138.58. Фор А. Восприятие и распознавание образов. М.: Машиностроение. 1989.– 272 с.59. Хайкин С. Нейронные сети: полный курс. М.: Изд. дом «Вильямс». 2006. 1104 с.60. Чабан Л.Н. Теория и алгоритмы распознавания образов. Учебное пособие.М.: МИИГАиК. 2004. – 70 с.61. Чубукова И.А. Data Mining.
М.: Интернет-университет INTUIT. 2006. –326 с.62. Чуи Ч. Введение в вэйвлеты. М.: Мир. 2001. – 412 с.63. Ширман Я.Д., Горшков С.А., Лещенко С.П., Братченко Г.Д., ОрленкоВ.М. Методы радиолокационного распознавания и их моделирование //Радиолокация и радиометрия. 2000. № 2. Вып. III. – 97 с.64. Rihaczek A.W., Hershkowitz S.J.
Theory and practice of radar target identification. Artech House. 2000. – 738 p.65. Baras J.S., Wolk S.I. Wavelet based progressive classification of high rangeresolution radar returns // SPIE Wavelet Applications. 1994. Vol. 2242. – P.967–977.13366. Berni A. J. Target identification by natural resonance estimation // IEEETransaction on Aerospace and electronic systems.
1975. Vol. AES-11. March.– P. 147–154.67. Bezdek. J.C. What is computational intelligence? / Computational Intelligence:Imitating Life. Edited by J. Zurada. R. Marks. and C. Robinson. New York:IEEE Press. 1994. – P. 1–12.68. Bishop CM. Neural Networks for Pattern Recognition. Oxford: Oxford University Press. 1995. – 482 p.69. Breiman L., Friedman J.H., Olshen R.A., Stone C.J. Classification and regression trees. Monterey.
CA: Wadsworth & Brooks. 1984. – 358 p.70. Computer Simulation of Aerial Target Radar Scattering. Recognition. Detection.andTracking/Y.D.Shirman,S.A.Gorshkov,S.P.Leshchenko,V.M.Orlenko, S.Y.Sedyshev, O.I.Sukharevskiy / Y.D.Shirman editor. Boston–London: Artech house. 2002. – 294 p.71. Engelbrecht A.P. Computional intelligence: introduction. John Wiley&SonsLtd. 2007. – 597 p.72. Huang S. Application of generalized radial basis networks to recognition of radar targets // Int. J. Pattern Recognit. Artif. Intell.
(Singapore). Sept. 1996. Vol.13. No. 6. – P. 945-962.73. Hudson S., Psaltis D. Corelation filters for aircraft identification from radarrange profiles // IEEE Transaction on aerospace and electronic systems. 1993.Vol. 29. July. – P. 741–748.74. Hunt E.В., Mann I., Stone P.T. Experiments in Induction.
New York: Academic Press. 1966.75. Inggs M.R., Robinson A.D. Ship target recognition using low resolution radarand neural network // IEEE Trans. on AES. 1999. Vol. 35. No. 2. – P. 386-393.76. Jouny I., Garber F.D., Moses R.L. Radar Target Identification using theBispectrum // IEEE transactions on aerospace and electronic systems.
1995.Vol. 31. No. 1. – P. 69–77.13477. Jouny I., Kanapathipillai M. Neural network adaptive wavelet classification ofradar targets // Proceedings of the 1994 International Geoscience and RemoteSensing Symposium. 1994. Vol. 4. P. 1889–91.78. Li H.J., Yang S.H. Using Range Profiles as Feature Vectors to Identify Aerospace Objects // IEEE transactions on antennas and propagation.
1993. Vol. 41.No. 3. – P. 261–268.79. Michie D., Spiegelhalter D.J.. Taylor C.C. Machine learning. neural and statistical classification New Delhi: Overseas Press India. 2009. – 290 p.80. Nigrin A. Neural Networks for Pattern Recognition. Cambridge. MA: The MITPress. 1993. – 413 p.81. Ripley B.D. Pattern Recognition and Neural Networks. Cambridge: CambridgeUniversity Press.
1996. – 403 p.82. Rokach L., Maimom O. Data mining with decision trees: Theory and applications. –New Jersey: World Scientific. 2008. – 305 p.83. Stirman C., Nachman A. Applications of wavelets to radar data processing.//Defense Technical Inform Center.
Technical Report. 1991. –P. 239–297.84. Sumathi S., Surekha P. Computational intelligence paradigms: Theory and application using MATLAB. Boca Raton: CRC Press. 2010. – 821 p.85. Świercz E. Automatic classification of LFM signals for radar emitter recognition using wavelet decomposition and LVQ classifier // Acta Physica PolonicaA.
2011. Vol. 119. – P. 488–494.86. Tait P. Introduction to radar target recognition. London: Institution of Electrical Engineers. 2005. IET radar series. No. 18. – 396 p.87. Yan W., Zhu Z., Нu R. A hybrid genetic/BP algorithm and its application forradar target classification // IEEE NAECON 1997. Dayton. OH. USA. 1997(14-17 July). Vol. 2. – P. 981–984.88. Zhao Q., Bao Z. Radar target recognition using a radial basis function neuralnetwork / Neural network.
1996. Vol. 9. No.4. – P. 709–720.13589. Zwart J.P. Aircraft Recognition from Features Extracted from Measured andSimulated Radar Range Profiles. PhD thesis. 2003. – 120 p.136Приложение 1Метод радиолокации с внутриимпульснойлинейно-частотной модуляциейСигналы с линейным законом изменения частоты несущей внутри импульса (ЛЧМ-сигналы) являются наиболее распространенными сложнымисигналами, используемыми в радиолокации.
Частотная модуляция дает возможность сжимать импульсы по времени, что повышает разрешающую способность РЛС по дальности. Предпочтение, отдаваемое ЛЧМ сигналам, объясняется относительной простотой схем их формирования и обработки. Вчастности, в случае применения ЛЧМ сигналов достаточно проста конструкция согласованного фильтра с дисперсионной линией задержки и упрощаетсясхема гетеродинной обработки принимаемого эхо-сигнала [42].В [44] показано, что для увеличения потенциальной точности измерения дальности нужно использовать сигналы с широким спектром. Заметим,что ширина спектра радиоимпульса с постоянной частотой заполнения обратно пропорциональна его длительности. Для повышения разрешающейспособности по дальности необходимо укорачивать зондирующий импульс,что сопряжено с расширением его спектра.
Однако при ограничении пиковоймощности импульса уменьшение его длительности ведет к уменьшению излучаемой энергии и, следовательно, к снижению дальности действия РЛС.Это противоречие можно устранить, если расширять спектр зондирующего сигнала не за счет его укорочения, а за счет введения внутриимпульсной фазовой или частотной модуляции, т.е. если перейти к сложным сигналам.Для простых сигналов база сигнала В, т.е.
произведение ширины егоспектра f на длительность t , удовлетворяет условиюB f t 1 .137(1)В частности, прямоугольный радиоимпульс с постоянной частотой заполнения относится к классу простых сигналов, так как для негоf 1 / и , t и ,где и - длительность импульса, и, следовательно, для него выполняетсяусловие (1).Для сложных сигналов величина В значительно больше единицы:B f t 1 .Упрощенная блок-схема РЛС с линейно-частотно модулированным излучающим радиоимпульсом изображена на рис.
1Рис. 1. Блок-схема РЛС с внутриимпульснойлинейной частотной модуляциейПередающее устройство формирует радиоимпульсы большой длительности и . Частота внутри импульса изменяется по линейному закону:f f 0 at ,где а - скорость изменения частоты. Каждой частотной составляющей f iспектра радиоимпульса отвечает достаточно продолжительный синусоидальный импульс, облучающий цель.138Отраженные от цели сигналы принимаются приемником станции и подаются на специальный сжимающий (согласованный) фильтр. Структурафильтра показана на рис. 2.а)б)в)Рис. 2.
Структура согласованного фильтраВ качестве сжимающего фильтра используется линия задержки, времязадержки которой линейно зависит от частоты (рис. 2,б). В таком фильтревысокие частоты импульса, пришедшие раньше, задерживаются больше, анизкие частоты, пришедшие позже, задерживаются меньше (рис. 2,а). В результате все частотные составляющие импульса смещаются во времени кконцу импульса (рис.
2,в), т.е. импульс сжимается во времени. Степень сжатия зондирующего импульса полностью определяется пределами изменениячастоты в импульсе (девиацией частоты):f a и .Длительность импульса на выходе сжимающего фильтра равнас 1.f139(2)Коэффициент сжатия импульсаkи f и .сМощность импульса на выходе сжимающего фильтра возрастает в kраз. Так, например, для сжатия импульса длительностью 500 мкс в 100 разнеобходимо, чтобы девиация частоты в импульсе была f = 200 КГц, скорость изменения частоты а = 400 МГц/сек.Будем рассматривать цель как совокупность «блестящих точек» (рис.3).