Радиоэлектронные системы Основы построения и теория. Справочник . Под ред. Я.Д. Ширмана (2007) (1151789), страница 187
Текст из файла (страница 187)
Известен ряд вариантов фильтровой, корреляционно-фильтровой и цифровой обработки соответствующих сигналов (разд. 19). Наряду с частотно- модулированными могут использоваться частотноманипулираванные н фаэаманипулираванныв сигналы (см. разд. 18.5 — 18.6). Особенности дальностных портретов целей прн зондировании их многочастотными когерентными сигналами. Тело рассогласования многочастотного сигнала (с пропусками в спектре) является многопиковым подобно телу рассогласования пачки когерентных импульсов.
Для воспроизведения характеристик цели в ДП желательно, чтобы интервал между пиками не превышал величины обратной длительности наименее протяженного ДП, тогда пропуски в спектре заполняются. В этом случае говорят о синтезе спектра частот. Псевдохаотический вариант синтеза спектра частот. Используется в освоенных промышленностью РЛС с перестройкой несущей частоты от импульса к импульсу (згерреб Ггеццепсу шобц!абоп, разд.
!8.5.3) в целях их помехозащиты. При введении в ннх дополнительного режима классификации целей для имеющихся уже протяженных сигналов вводится когерентная обработка. Прн неудачном выборе параметров зондирующего сигнала возможны искажения за счет его непредусмотренной турбинной модуляции. Получение и использование двумерных дальностно-угловых и других комбинированных портретов целей.
Особенности получения ДДУП рассматривались в разд. 18.!2. Рассмотрение некоторых вопросов, связанных с ДДУП и другими комбинированными портретами целей, продолжаются в процессе рассмотрения алгоритмов классификации. 24.10.7. Сигнальные признаки собственных излучений Относятся к классификационным признакам пассивной локации. Охватывают признаки собственных излучений различных РЭС каждой цели, а именно РЭС: ° обеспечения безопасности полета самолетов, ° систем управления оружием, ° передачи информации, ° радиоэлектронного подавления и др.
Для выявления наличия собственных излучений проводится их поиск в широком диапазоне частот. В сложной радиоэлектронной обстановке можно исполь- зовать методы быстрого поиска по частоте: ° со сжатием импульсов (см. разд. 19.3.5); ° многоканальной обработки (см.
разд. 24.2); ° оптической обработки (см. разд, 19.11.2). Располагая априорными данными о комплектации РЭС, диапазонах частот и структуре сигналов целей, а также характере собственных излучений можно полу- чать важные их классификационные признаки, не гово- 416 ря уже о выявлении принадлежности цели к классу постановщиков помех. Известная трудность использования собственных излучений как признаков целей связана со сложностью отождествления данных пассивной и активной локации.
24.70.8. Принципы алаоритмизации локационных кпассифшгаторов Алгоритмы классификации строятся в соответствии с предназначением классификации, составом признаков и выбором алфавита классов (разд. 24.10.! — 24.10.7). Предназначение классификационной информации. Вариантами военного ее предназначения являются целераспределение, целеуказание, селекция целей и адаптация средств поражения к их характеру. Целераспределение — распределение целей между подразделениями, частями или соединениями. Целеуказание — выдача указаний о поражении целей пунктам управления ЗУР, самолетам и кораблям. Селекция — выделение заданных авиационно-космических аппаратов на фоне источников помех и других целей.
Адатпация средств поражения — учет в процессе их применения особенностей конкретных целей. Чем массированнее и разнообразнее силы противника н меньше сохранившийся объем своих средств поражения, тем больше роль классификации целей. Наряду с военными применениями, классификационная информация имеет гралсданские применения: ° резервирование систем опознавания аэропортов при отказах и отсутствии самолетных ответчиков; ° контроль состояния посевов; ° выявление характера подземных коммуникаций; ° медицинская н техническая диагностика.
Алфавиты классов (тнпов) целей. Определяются возможностями и задачами средств локации целей. Для РЛС противовоздушной обороны, например, существенно отличать самолеты и вертолеты от ракет, других малых объектов (воздушных шаров, птиц, насекомых, атмосферных неоднородностей). Существенно: самолет лн это большого размера (стратегическнй бомбардировщик, транспортный самолет), либо меньшего размера (тактический истребитель); самолет со сниженной заметностью, самолет-помехоноситель. Современные технологии, использование высоко- информативных признаков и высоких отношений сигнал - шум позволили переходить к экспериментам и моделированию распознавания типов целей. Возможность классифицировать типы одного или нескольких классов может сочетаться с отсутствием такой возможности для других классов.
Тогда появляются смешанные алфавиты типо-классав. Независимо от того, распознаются классы, типы или типо-классы, прн теоретическом анализе можно говорить о распознавании «обобщенных» классов целей. Показатели качества классификации (2.123). Качество классификации наиболее полно характеризуется квадратной М х М.иатрицей условных вероятностей принятия правильных / = /» и ошибочных / и /г решений )(Р(А, / Ал)((, /,/» =1,2,...,М, (24.29а) где Р(А, 1А») — условная вероятность принятия решения о классе цели 1' (событие А, ) при условии ее принадлежности классу /с (событие А» ). Сумма элементов каждой строки матрицы равна единице. Вместе с вектором априорных вероятностей появления класса целей Р(А„) = Р, она описывает особенности распознавания. Из-за большой размерности введенного показателя качества часто вводят скалярные показатели качества: ° средний риск ошибок распознавания = '5 г»Р(А,)Р(А, ) А ), «1»=1 где ~~г»(! — матрица стоимостей их ущерба (разд.
14, 15); ° полную вероятность ошибки распознавания прн равновероятном появления объектов различных классов .и Р = — ~(1 — Р„); ~=! ° полную вероятность правильного распознавания Р„! Р ° количество информации, полученное при распознавании, определяется как разность /= /! — 74 мер неопределенности — энтропий (24.11) после и до распознавания М /1 = - Е Р(А, А») 1оа Р(А, А»), ь»=1 М /о = — ~ Р(А») 1ое Р(А»). »=0 Здесь Р(А„) = Є— априорная вероятность й-го класса цели; Р(А,А») = Р(А, ! А»)Р(А») = Р(А, ( А»)Р» — вероятность совмещения события решения о классе 1 с собы- гнем наличия цели класса /г,.
Р(А, ) А») — условная ве- роятность принятия соответствующего решения. Разновидности алгоритмов классификации. Различаются этапностью принятия решений и принципалш учета статистических закономерностей. По своей этапности можно выделить алгоритмы адноэтапнага и многоэтапного принятия решений. Однаэтапнов решение позволяет исполъзовать имеюшуюся информацию, более оперативно н полно, если она полна и не требует длительной обработки. Многоэтапное решение позволяет использовать последовательно поступающие данные, особенно от различных источников информации.
По принципал» учета статистических закономерностей различают классификационные алгоритмы: ° байесовские; ° непараметрическне; ° нейросетевые. 14 — 4251 417 ! =/сьт =агкюахЕ,, (24.33а) номера класса имеет вид. ходит в 418 24.11. Байесовские аддитивные алгоритмы многоальтернативной классификации 24.11.1. Структуры алгоритмов Одноэтапная классификация при разбиении принятых реализаций на независимые подреализации. Алгоритм классификации следует из (15.13б). Пусть реализация у, по которой принимается классификационное решение ! = 1,2,...,М, разбита на независимые подреализации у„, ч = 1, 2,..., /У. Условная плотность вероятности реализации обычно разлагается в произведение условных плотностей вероятности подреализаций р,(у) = П р,(у„). Оценка э с' =/с. =ага!пах[!и(гр)+,) !пр,(у,)1.
(24.30) где Р, = Р(А,) — доопытная плотность вероятности объектов с-го класса, а г, — «полупростая» премия за правильное распознавание. Одноэтапная классификация при введении условнык отношений правдоподобия в (24.30). Вводя плотноеп вероятности р,(ук) чисто шумовой реали- зации у„и переходя к условным отношениям правдо- подобия /,(у,) = р,(у„) / рт(у„), заменим в (24.30) 1п р, (у „) = 1и / (у „) + 1п р (у„) .
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
