Автореферат (1090368), страница 3
Текст из файла (страница 3)
Вдиссертации предлагаются три типа признаков, представляющих спектральные, морфологические и геометрические характеристики ДП ВЦ.Спектральные характеристики ДПДП аппроксимируется конечным рядом Фурье:K 2k 2k 1π() a0 ak cos bk sin ,2LLk 1(1)где L – ширина строба дальности зондирующих сигналов. КоэффициентыФурье в данном разложении:ak 2LL0 2k π () cos d , bk 2L L L0 2k π () sin d , L (2)предлагается использовать в качестве спектральных информативных признаков ВЦ.Морфологические характеристики ДППод морфологическими признаками ДП понимаются характеристикиего формы (структуры). Учитываются лишь доминирующие пики в составеДП, которые превышают некоторый порог, величина которого зависит отуровня шумов и помех.
Далее p - число пиков, а Ai (i1: p) - их амплитуды.В качестве информативных признаков, предлагается вместо амплитудных значений пиков применять их ранги. Таким образом, речь идет о структурной идентификации ДП посредством использования ранговых шкал.Далее осуществляется ранжирование доминирующих пиков по амплитуде: из величин Ai составляется вариационный ряд в порядке убывания.
Порядковый номер каждого элемента в вариационном ряду определяет его ранг:Ri rank( Ai ) .11В итоге получаем наборы рангов пиков R ( R1 , R2 ,..., R p ) .Так для ДП, представленного на рис. 4, получаем: p 5 , R(4,5,3, 2,1) .2.5B-5221.510.50050100150200Рис. 4. ДП бомбардировщика B-52 с указанием рангов пиковЗаметим, что морфологические признаки обладают весьма важнымсвойством - инвариантностью к паразитному действию неучтенных и возмущающих факторов в принимаемом эхо-сигнале.Геометрические характеристики ДПГеометрические характеристики ДП включают следующие показатели:глубину ДП, положение его центра тяжести и моментные характеристикиДП, представляющие его интегральные свойства.Определим глубину дальностного портрета D как расстояние междуего крайними отчетами, амплитуда которых превышает заданный порог,определяемый уровнем шумов.Момент k -го порядка вычисляется согласно формулеDM k k π()d .0Положение центра тяжести ДП 0 определяется равенством0 M1 M0 .В качестве информативного геометрического признака целесообразно использовать относительное значение положения центра тяжести ДП:0 0 D .Центральный момент k-го порядка ( k 2) равенDm k ( 0 ) k π ( ) d .0Для инженерных применений предпочтительнее использовать центральныенормированные моменты: p mp / M0 ,поскольку они инвариантны к мощности принимаемого сигнала.12Многосекторный принцип распознавания ВЦХарактеристики ДП могут претерпевать значительные изменения приизменениях курсовых углов (КУ) ВЦ, что крайне затрудняет задачу автоматизации процессов распознавания ВЦ и применение машинных методов обучения в алгоритмах распознавания.
В связи с этим целесообразно применятьмногосекторный принцип построения систем распознавания ВЦ, иллюстрируемый рис. 5: задача распознавания декомпозируется на ряд частных подзадач распознавания в достаточно узких диапазонах значений КУ, так что система состоит из банка соответствующих секторных распознавателей. Исследования показывают, что приемлемые результаты получаются при ширинесекторов КУ 10 и, соответственно, число секторных распознавателейN 36 .Рис.
5. Многосекторная структура системыраспознавания ВЦЭффекты неробастности характеристик и неразличимости ДПАнализ ДП ВЦ, получаемых посредством симулятора BSS, позволилвыявить два негативных эффекта, существенно влияющих на результатыраспознавания ВЦ.Во-первых, это эффект неробастности характеристик ДП - они могутсущественно изменяться при малых изменениях КУ.
Рис. 6 демонстрируетизменение ДП самолета B-52 при последовательном увеличении КУ на 0,2.133.510КУ=30°КУ=30,2°382.5621.541200.505010015020000501002.53200КУ=30,6°КУ=30,4°2.5150221.51.5110.50.500501001502000050100150200Рис. 6. Семейство ДП B-52 для ряда значений КУВторым эффектом является схожесть ДП различных типов ВЦ. Рис. 7демонстрирует сходство ДП самолета B1-B и ракеты GLCM.0.0125200.008150.006100.00450.00200GLCMB-1B501001500020050100150200Рис. 7. ДП самолета B1-B и ракеты GLCM, КУ= 179°Концепция динамического распознавания ВЦОписанные негативные эффекты указывают на ограниченные возможности статических схем распознавания ВЦ.
В связи с этим предлагается использовать схемы динамического распознавания ВЦ, в которых агрегируютсяданные наблюдения для различных значений КУ, получаемых в процессе радиолокационного сопровождения цели.При сопровождении движущейся ВЦ (рис. 8) различным моментамвремени наблюдения t1 t2 ... td отвечают КУ (ti ), i 1: d , так что на выходеприемника РЛС получаем семейство соответствующих ДП: π((ti ),), i 1:d .14(td)(t2)(t1)РЛСРис. 8. Изменение КУ в процессе сопровождения ВЦВ диссертации предложены и исследованы два метода динамическогораспознавания ВЦ.В первом методе осуществляется агрегирование информативных признаков, полученных для различных моментов времени наблюдения.
Это приводит к расширению пространства признаков. Соответствующую схему распознавания поясняет рис. 9.π ( (t i ), )(ti T)Рис. 9. Схема распознавания ВЦ с агрегированиеминформативных признаковДля каждого ДП формируется кортеж признаков x(ti ) :x(T ) [x(t1),x(t2 ),...,x(td )].представляющий динамический образ ВЦ в расширенном пространстве признаков X X d : x(T ) X . Именно он подается на вход классификатора.Во втором методе используется двухступенчатая схема классификации ВЦ - ее поясняет рис.
10. Здесь расчетные метки классов, сгенерированные первичным классификатором, служат исходными данными для вторичного классификатора.15π((ti ), )(ti T)Рис. 10. Двухступенчатая схема распознавания ВЦПервичный классификатор выполняет предварительную классификацию ДП - он обрабатывает каждый кортеж признаков x(ti ) ( i 1: d ) , присваивая им расчетные метки класса принадлежности ДП: z(ti ) (i 1: d ) . Из них вблоке агрегирования данных (АД) формируется кортеж меток:z(T ) [ z (t1 ), z(t 2 ),..., z(t d )] d .Здесь имеет смысл расширенного пространства меток. Кортеж z (T )представляет исходные данные для вторичного классификатора.В третьей главе исследуются вопросы решения задачи распознаванияВЦ на основе алгоритма CART построения бинарных деревьев решений(ДР).
Структуру такого дерева иллюстрирует рис. 11. В каждом узле деревареализуется критерий сортировки вида x c , где x - атрибут (один из информативных признаков), а с - его пороговое значение. В нем в процессе построения дерева качество разбиения примеров в узлах оценивается посредством индекса Gini.Рис. 11. Структура бинарного ДР16На рис. 13 приведен пример построения ДР для секторного распознавателя в диапазоне КУ 1 11 . Ширина строба дальности зондирующихсигналов - 200 м. Для распознавания использовались спектральные информативные признаки ВЦ (1), (2). Кортеж признаков(3)(x1, x2 ,...,xn ) (a0 , a1,...,aK , b1, b2 ,...,bK ) .Здесь n 2 K 1 , причем K 9 . Обучающая и тестирующая выборки включают соответственно 2000 и 1000 ДП.Рис.
13. Результат построения ДРВычислительные эксперименты показали удовлетворительную работустатической схемы распознавания на основе ДР - ошибочно классифицированы лишь около 3% паттернов в тестирующей выборке.Двухступенчатая схема динамического распознавания ВЦ представленана рис. 14. Она включает два классификатора, реализуемых посредством деревьев решений - ДР и ДР*. Первое выполняет предварительную классификацию ВЦ, а второе - итоговую.Распознаватель ВЦπ((t i ), )(ti T)x(ti)ФПДРz(ti)z(T)АД(первичныйклассификатор)ДР*y(вторичныйклассификатор)Рис.
14. Двухступенчатая схема динамического распознавания ВЦДвухступенчатая схема классификации существенно улучшает качество распознавания ВЦ, полностью исключая ошибки распознавания.17В четвертой главе исследуются вопросы распознавания ВЦ на основетехнологии искусственных нейронных сетей (НС).Вопросы применения НС в сфере обработки радиолокационной информации исследовались в работах ряда ученых: A.Nigrin (1993), С.M.Bishop(1995), S.Huang (1996), Q.Zhao и Z.Bao (1996), B.D.Ripley (1996), W.Yan,Z.Zhu, R.Hu (1997), M.R.Inggs и A.D.Robinson (1999), А.Л.Татузова (2009).Задача нейросетевого распознавания ВЦ на основе анализа ДП решалась в работах В.М.Орленко (2000) и Д.Ф.Ле (2006).