Диссертация (Анализ и идентификация радиолокационных дальностных портретов воздушных целей на основе технологий вычислительного интеллекта), страница 8

2.3, принимая p0  5 , получим: R  (4,5,3, 2,1) .Геометрические характеристики ДПДля сравнительного анализа ДП предлагается использоваться их геометрические характеристики: глубину, положение центра тяжести ДП и моменты.53Определим глубину D ДП, как расстояние между его крайними отчетами, амплитуда которых превышает заданный порог, определяемый уровнем шумов.Заметим, что понятие момента используется в математической статистике [28] (это т.н.

моменты статистических распределений) и широко используются в задачах распознавания образов, причем здесь они строятся поаналогии с моментами статистических распределений [19]. Понятие моментов функций применяется в функциональном анализе [2] и теории управления [23].Момент k -го порядка ДП () вычисляется по формулеDM k    k π()d .0Положение центра тяжести ДП  0 определяется моментами нулевого ипервого порядков согласно равенству0  M 1 M 0 .Самостоятельный интерес представляет также относительное значениеположения центра тяжести ДП:0  0 D .Центральный момент k-го порядка ДП π ( ) ( k  2 ):Dmk   (   0 ) k π()d .0Очевидно, для инженерных применений предпочтительнее центральныенормированные моменты: k  mk / M 0 ,поскольку они инвариантны к мощности принимаемого сигнала.54Пример расчета информативных признаков ВЦПриведем результаты расчета описанных выше признаков для 10 типовВЦ для КУ   176 . На рис.

2.4 приведены их ДП.140.35AH-6412100.2580.260.1540.120.0500ALCM0.350100150520000501001504An-264200B-1B332211002.550100150002200B-52250100150200F-151.51.5110.50.500501001500.3500200GLCM0.3501001501200MiG-210.80.250.60.20.150.40.10.20.0500501001501.400200Tornado1.212.520.61.50.410.20.55010015010020000Примем следующие обозначения:кортеж спектральных признаков:55200Tu-1650100Рис. 2.4. ДП ряда воздушных целей15030.800503.5150200 , x12 ,..., x1, K )  (a0 , a1 ,..., a K , b1 , b2 ,..., bK ) ,( x10 , x11,..., x1, K , x11где коэффициенты ak , bk определяются формулой (2.9);кортеж морфологических признаков:(x21, x22, x23,...,x2, p0 1)  ( p, R) ,где p - число доминирующих пиков в структуре ДП, p0  7 - максимальноечисло учитываемых доминирующих пиков; R - набор рангов этих пиков:R  ( R1 , R 2 ,...

, R 7 ) ;кортеж геометрических признаков:( x31 , x32 , x 33 , x34 , x 35 )  ( D , 0 , 1 ,  2 ,  3 ) ,где D глубина ДП,  0 - относительное значение положения центра тяжестиДП, 1 ,  2 ,  3 - центральные нормированные моменты первого, второго итретьего порядка для рассматриваемого ДП.В таблице 2.1 приведены значения морфологических и геометрическихпризнаков рассматриваемых типов ВЦ.Таблица 2.1Значения информативных признаков (  176 )AH64ALCMАN26B-1BB-52F-15GLCMMIG-21TORNADOTU-16x214137631462x 223131331111x 232022620262x 241014410350x 254002200430x 260005500040x 270007100020x 280005000000x31949311180909696929276x3234936215030125227226637508316x33151411910151312161356Для примера на рис.

2.5 представлены значения гармонических признаков для рассматриваемых типов ВЦ.150100bk F-1520ak B-521005005100010-100-10-505200ak AH-6400-5-5010-100010bk AH-64510a GLCM-2004520000-500-100-5-21510510-10051005ak ALCM10-200010200105100ak An-26100-50-20105100bk An-2650-50010-400ak Tornado5020000-100-50-50-20520010-10005200ak B-1B10-10005200bk B-1B10-4001001000000-100-100-100-50510-2000510-200055-100010bk Tu-16501010bk Tornado100ak Tu-16100-20005400-2000b MiG-2100510k-5-10052000-40k505b GLCM40a MiG-21bk ALCM10k10055k500-10000bk B-52105050-100015010ak F-15510Рис.

2.5. Примеры расчета спектральных признаков ДПКомбинирование информативных признаковВ задачах распознавания ВЦ важную роль играет выбор информативных признаков. При правильном их выборе задача распознавания может быть57упрощена, а достоверность классификации образов повышена. В связи с этимнаилучший результат, скорее всего, будет достигнут посредством комбинирования разнородных признаков. В этом случае совокупность всех признаковВЦ представляется кортежем:x  ( x1 , x 2 , x 3 ) ,гдеx1 - кортеж спектральных признаков;x 2 - кортеж морфологических признаков;x3 - кортеж геометрических признаков.2.5.

Секторный принцип построения системраспознавания ВЦПри разработке систем распознавания ВЦ необходимо учитывать зависимость формы ДП от КУ ВЦ. Следовательно, классификаторы ВЦ могутбыть построены лишь для определенных достаточно узких диапазонов изменения КУ. В связи с этим логично декомпозировать исходную задачу распознавания на ряд подзадач, которые решаются для выделенных диапазоновКУ. Для этого предлагается полный интервал изменения КУ 0–360º разбиватьна достаточно узкие сектора и далее решать задачу распознавания для каждого из них.Положим, в результате такого разбиения получены равновеликие сектора ширины   .

Тогда их общее число равноΝ  360  /   .Построение секторов иллюстрирует рис. 2.6. Заметим, что k -й сектор включает углы( k  1)      k   ( k  1 : N ) .58Рис. 2.6. Разбиение КУ на сектораС каждым сектором свяжем отдельный - секторный распознаватель. Витоге мы получаем банк секторных распознавателей, представленный на рис.2.7.Рис. 2.7. Многосекторная структура системыраспознавания ВЦКаждый сектор решает свою задачу распознавания ВЦ.Заметим, что РЛС выполняет функции обнаружения и определения координат, скорости и направление движения ВЦ, на основе которых вычисля59ется текущее значение КУ. Далее определяется соответствующий ему секторный распознаватель.2.6.

Эффекты неробастности характеристики неразличимости ДППроведенные исследования свойств ДП ВЦ выявили два эффекта, существенных для решения задач распознавания: во-первых, это высокая чувствительность формы ДП ВЦ к малым изменениям ракурса наблюдения; вовторых, - потеря различимости ДП различных целей при некоторых ракурсахнаблюдения.Потеря различимости ДП ВЦПри определенных значениях КУ дальностные портреты ВЦ разноготипа не будут различаться в построенном пространстве признаков X. Данный эффект иллюстрирует рис. 2.8. На нем представлены ДП бомбардировщика B1-B и ракеты GLCM для   178,95 . Видно большое сходство формыДП (без учета амплитудных значений).Данное обстоятельство носит объективный характер и не зависит отвыбора информативных признаков. В этом случае, очевидно, рассматриваемая схема идентификации ДП будет давать ошибочные ответы.Эффект схожести ДП различных типов ВЦ показывает, что для эффективного распознавания ВЦ необходимо комплексировать данные, полученные в различные моменты времени радиолокационного наблюдения движущейся ВЦ.

Это соображение подтверждает сравнение ДП самолета B1-B иракеты GLCM для   178,8 , представленных на рис. 2.9. Выше мы подчеркнули схожесть ДП данных ЛА для КУ   178,95 . Видно, что в новыхусловиях наблюдения между их ДП возникают весьма заметные различия600.0125GLCM0.008200.006150.004100.00250050100150200B-1B0050100150200Рис. 2.8. ДП самолета B1-B и ракеты GLCM, КУ= 179°80.07B-1BGLCM0.0660.050.0440.030.0220.0100501001500020050100150200Рис. 2.9. ДП самолета B1-B и ракеты GLCM, КУ= 178,8°Неробастность формы ДПВысокая степень изменчивости ДП к малым изменениям ракурсанаблюденияранееотмечаласьрядомисследователей,вчастностиЯ.Д.Ширманом [63].Наглядно данный эффект иллюстрируется рис.

2.10, где показано изменение ДП B-52 при изменении КУ с шагом 0,2º в диапазоне 30–30,6º.Данный эффект дает основание утверждать, что статические схемыраспознавания заведомо могут давать ошибочные результаты в реальныхусловиях наблюдения вследствие действия различных возмущающих факторов, включая явление рефракции радиоволн в атмосфере.613.510КУ=30°КУ=30,2°382.5621.5412000.55010015000200501002.53200КУ=30,6°КУ=30,4°2.5150221.51.5110.50.500501001500020050100150200Рис. 2.10.

Эффект неробастности формы ДП2.7. Концепция динамического распознавание ВЦНегативные последствия схожести ДП для отдельных значений КУможно избежать посредством динамического распознавания ВЦ, основанногона использовании совокупности данных наблюдения для КУ, получаемых вразные моменты времени сопровождения ВЦ.Пусть ВЦ движется по некоторой траектории, как показано на рис.2.11. Поскольку в процессе движения меняется его угловое положение относительно РЛС, то различным моментам времени наблюденияt1  t 2  ...  t d(2.10)будут отвечать различные КУ (ti ), i 1: d .

В итоге получим семейство соответствующих ДП:π ((ti ),), i 1: d ,(2.11)совместное использование которых позволит кардинально повысить надежность распознавания ВЦ.62Условимся обозначать через T множество моментов времени съема радиолокационной информации:T  {ti , i 1 : d }.(2.12)Рис. 2.11. Изменение КУ в процессе сопровождения ВЦНа основе проведенных исследований предложены два метода динамического распознавания ВЦ, отличающихся порядком обработки данных,полученных для разных условий наблюдения.В первом методе применяется агрегирование входных данных, подаваемых на вход классификатора. Во втором методе используется двухступенчатая схема классификации, включающая первичный и вторичный классификаторы, причем процедура агрегирования применяется по отношению к выходным данным первичного классификатора.Динамическое распознавание с агрегированиеминформативных признаковСуть первого метода состоит в расширении пространства информативных признаков.

Соответствующую схему распознавания поясняет рис. 2.12.63Она включает три блока: блок формирования информативных признаков,блок агрегирования данных (АД) и классификатор ВЦ.π((ti ), )(ti T)Рис. 2.12. Динамическая схема распознавания ВЦ с агрегированиеминформативных признаковДля каждого ДП в (2.11) формируется кортеж признаков x (ti ) , которыедалее объединяются в массив данных:x(T ) [x(t1), x(t2 ),...,x(td )].(2.13)Он представляет динамический образ ОН в расширенном пространстве признаков X - декартовой степени исходного пространства признаков:x(T ) X ,гдеX Xd.На вход классификатора подается вектор признаков (2.13).Существенным недостатком такого подхода является d -кратное увеличение размерности признакового пространства, что будет неизбежно сказываться на увеличении вычислительных ресурсов, необходимых для программной реализации и обучения классификатора.Двухступенчатая схема динамического распознаванияВторой метод динамического распознавания выгодно отличается отпервого тем, что не вызывает кратного увеличения размерности решаемыхзадач распознавания ВЦ.