CC BY
1
Список литературы
1. Гургенидзе, А.Т., Мультисервисные сети и услуги широкополосного доступа [Текст] : Монография / А.Т. Гургенидзе, В.И. Кореш. - СПб.: «Профи», 2006. - 400 с.
2. Хмельков, А.Н., Минеев, В.А., Помехоустойчивое кодирование в цифровых системах связи [Текст] : Учебное пособие для вузов / А.Н. Хмельков, В.А. Минеев. - СПб.: «Горячая линия - Телеком», 2023. - 360 с.
3. Скляр, Бернард, Цифровая связь. Теоретические основы и практическое применение [Текст] : Пер. с англ. // М. : Издательский дом «Вильямс». 2003. - 1104 с.
4. Toki pona [Электронный ресурс] URL: http://tokipona.org/nimi.html (дата обращения 08.01.2024, доступ свободный).
5. Патент РФ №2011151684 МПК G 06 F 17/30, 16.12.2011.
Комолов Дмитрий Викторович, канд. техн. наук, сотрудник, dimkomolov@mail. ru, Россия, Орёл, Академия Федеральной службы охраны Российской Федерации,
Горшков Алексей Анатольевич, канд. техн. наук, сотрудник, [email protected], Россия, Орёл, Академия Федеральной службы охраны Российской Федерации
IMPROVING THE INFORMATION CHARACTERISTICS OF MESSAGES WHEN PROCESSING INFORMATION
USING THE HASH ENCODING METHOD
D. V. Komolov, A.A. Gorshkov
Aspects of the use of hash encoding in the processing of information messages are considered using the example of the artificial language toki pona. The subject of the study of this work is to evaluate the information characteristics of messages generated in the toki pona language, the applicability of the message hash encoding procedure to reduce the amount of information or increase the information speed of messages transmitted in control channels.
Key words: marking, hash encoding, information characteristics, hash words.
Komolov Dmitriy Victorovich, candidate of technical sciences, employee, dimkomolov@mail. ru, Russia, Orel, Academy of the Federal Security' Service of the Russian Federation,
Gorshkov Aleksey Anatol'yevich, candidate of technical sciences, employee, [email protected], Russia, Orel, Academy of the Federal Security' Service of the Russian Federation
УДК 621.396
DOI: 10.24412/2071 -6168-2024-2-239-240
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ИЗМЕРЕНИЯ УГЛА МЕСТА НИЗКОЛЕТЯЩЕЙ ЦЕЛИ В РЛС
С.А. Курбатский
Приведены результаты синтеза математической модели дискретного случайного процесса, представляющего собой измерения угла места низколетящей цели в РЛС для ее использования в алгоритме совместного оценивания параметров и состояния такой модели. Показано, что некоторые параметры модели должны задаваться априорно в виде компромиссных констант, найденных в процессе обработки реальных данных телеметрии для низколетящих целей в различных условиях переотражений. Поскольку получившаяся таким образом модель оказывается нелинейной, то для оценивания ее вектора состояния требуется использовать нелинейный фильтр.
Ключевые слова: дискретный случайный процесс, формирующий фильтр, корреляционная функция, фильтр Калмана.
Анализ существующих способов компенсации ошибок в измерениях угла места низколетящих целей (НЛЦ) при многолучевом распространения радиоволн показывает [1-5], что наиболее эффективными являются ма-тематико-статистические способы, сводящиеся к фильтрации цветного шума в сигнале измерений угла места на этапе вторичной обработки измерений (ВОИ) в РЛС.
При этом модель для многолучевого распространения радиоволн строилась путем дополнения исходной модели изменения высоты цели специальной линейной динамической системой (формирующим фильтром), которая преобразовывала стандартный гауссовский белый шум в цветной с требуемыми характеристиками.
Представляет определенный интерес синтез математической модели дискретного случайного процесса, представляющего собой измерения угла места низколетящей цели в РЛС для ее использования в алгоритме совместного оценивания параметров и состояния такой модели. Алгоритм предусматривает по результатам текущих измерений в реальном масштабе времени выделение двух составляющих этого процесса: медленно изменяющуюся составляющую, являющуюся оценкой истинного угла места цели и периодическую составляющую, являющуюся следствием переотражений от поверхности.
Будем рассматривать измеренный приемной антенной РЛС сигнал угла места в качестве некоторого дискретного случайного процесса, скомбинированного из трех составляющих: постоянной или очень медленно изменяющейся детерминированной компоненты, по сути, являющейся истинным углом места цели; автокоррелированного (цветного) случайного сигнала с прослеживаемой периодичностью, являющегося следствием переотражений от поверхности; нормально распределенного белого шума с нулевым средним, причинами возникновения которого являются собственные шумы антенны, а также множество других внешних факторов, способных внести погрешности в измерения [1,6].
Из-за различного характера переотражений на суше и на море, зависящего от погоды, волнения моря и многих других факторов, в том числе ЭПР, дальности до цели, её скорости и т.п., заранее аналитически определить параметры такой модели крайне затруднительно. Поэтому приходится использовать алгоритмы совместного оценивания параметров и состояния, которые позволяют по текущим измерениям одновременно оценивать интересующие сигналы и при этом подстраивать параметры адаптивной модели, таким образом, чтобы минимизировать средне-квадратические ошибки всех оценок одновременно [2,5].
Корреляционная функция характерного дискретного случайного процесса измерений угла места низколетящей цели имеет вид колебательной функции, показанной на рисунке, что полностью соответствует данным работ [1,3,6] о влиянии многолучевого распространения радиоволн на измерения угла места низколетящей цели в условиях преобладающего зеркального отражения.
1
] / \ /\ Л /\ 1 /-Ч
1 / \ / УУ / V/ у
и "
»
I
Корреляционная функция измерений угла месим РЛС
Известно, что любой случайный процесс может быть получен из нормально распределенного белого шума с нулевым средним и единичной дисперсией путем пропускания его через линейную динамическую систему, т.н. формирующий фильтр [3]. При этом параметры процесса будут определяться видом и параметрами такой линейной динамической системы. Так, процессы с явно выраженной периодичностью (см. рисунок ) могут быть успешно аппроксимированы элементарным линейным колебательным звеном второго порядка, описывающимся следующим дифференциальным уравнением [6,8]:
О(Г) + 2/- О(Г) + Ь2 - О(Г) = 2-Ь-(1)
где О(Г) - значения автокоррелированного случайного процесса в момент времени Г; / - коэффициент, определяющий степень нерегулярности колебаний процесса; А - коэффициент, характеризующий интенсивность колебаний процесса; Ь - коэффициент, вычисляемый по формуле: Ь = -\]/и2 + X , где X - преобладающая частота колебаний в процессе; с (Г) - скалярный белый шум с интенсивностью (дисперсией) Q =1.
Для упрощения компьютерной реализации непрерывная линейная динамическая система в виде дифференциального уравнения (1) может быть заменена эквивалентной дискретной моделью в пространстве состояний следующего вида [2,3]:
где хт (к) = О(к) О(к)] 1 Тп
Ф(Т 0 ) =
- Ь2То 1- 2То /
х(к +1) = Ф(То )х(к) + Г(То )с(к), г(к +1) = Н-х(к +1) + у(к +1), вектор состояния в модели в каждый
переходная матрица состояний; г(Т ) =
дискретный 0
2То -Ь-А/
(2) (3)
момент времени к ; матрица преобразо-
вания входного белого шума с(г) ; г(к) - скалярное измерение (в данном случае измерение моделируемого цветного сигнала); Н = [1 0] - матрица измерений; у(к) - белый нормально распределённый шум, зависящий от величины погрешностей измерений моделируемого сигнала, То - период дискретизации.
Поскольку ранее было сделано предположение, что в измеряемом РЛС угле места вместе с цветным шумом содержится и полезный сигнал (постоянный или медленно изменяющийся истинный угол места цели е(к) ), то модель вида (2)-(3) следует расширить добавив в вектор состояния этот полезный сигнал. При этом результирующая модель также будет задаваться общими векторно-матричными уравнениями в пространстве состояний вида (2)-(3). Однако, порядок ее возрастет до трех, а вектор состояния и системные матрицы примут вид:
"в(к) ■
х(к) = О(к) ; Ф(Т0) =
О(к)
Г(ТЪ) =
81 0
270 -Ь-^А/
1 0 0
0 1 Т0
0 - Ь2Т0 1 - 2Т0
Н = [1 1 0
В системной матрице измерений Н первые два элемента имеют значение 1, поскольку изначально было сделано предположение о том, что измерению подвергается реальный угол места 5(к) , искаженный авторрелиро-ванным процессом 0(к), являющимся следствием переотражений, плюс белый шум v(k) . Единица в первой строке переходной матрицы состояний Ф(Т0 ) отражает предположение о том, что реальное значение угла места в следующий дискретный момент времени 5(к +1) равно его значению в предыдущий дискретный момент времени 5(к) . Однако, наличие в матрице Г(Т0) параметра £1 позволяет за счет добавления части сигнала единичного белого шума Ю(/) к значению 5(к) учесть возможность небольшого плавного маневра цели по углу места за промежуток времени дискретизации модели Т0 .
К модели вида (2), (3), (4) можно было бы применить линейный алгоритм фильтрации Калмана, и с его помощью по текущим измерениям угла места в РЛС, искаженным переотражениями и белыми шумами измерений, оценить по отдельности значения истинного угла места, а также низкочастотных искажений и их первых производных.
Однако, для этого необходимо иметь точные значения четырёх параметров А , Ь , | и £1 в каждый
момент времени к . Однако, первые три из этих четырех параметров связаны с физическими процессами переотражений луча, которые не отличаются регулярностью и стационарностью. Поэтому задать законы их изменения во времени с достаточной степенью точности в различных ситуациях сопровождения низколетящих целей по результатам априорного анализа представляется крайне затруднительным. Последний параметр £1 связан с характером маневрирования цели.
Поэтому предлагается воспользоваться методом совместного оценивания параметров и состояния модели вида (2), (3), (4), для чего следует произвести еще одно расширение ее пространства состояний, добавив в него два из
четырёх неизвестных параметров: Ь и |. Параметры А и £1 оценить таким способом невозможно, ввиду их принципиальной неидентифицируемости.
Этот факт объясняется тем, что они входят исключительно в матрицу Г (Т0) , элементы которой по одним измерениям угла места оценить невозможно. Поэтому параметры должны задаваться априорно в виде некоторых компромиссных констант, найденных в процессе обработки реальных данных телеметрии для различных низколетящих целей в различных условиях переотражений.
Заметим, что увеличение параметра £1 будет приводить к более точному отслеживанию моделью интенсивных маневров цели. Однако, при этом в оценке угла места будет увеличиваться амплитуда чисто случайной составляющей, т.е. возрастает её дисперсия, а, значит, будут ухудшатся фильтрующие свойства алгоритма относительно белого шума. Таким образом, для параметра £1 следует найти некоторое компромиссное решение, которое с одной стороны позволяло бы достаточно хорошо отслеживать плавные маневры типовых низколетящих целей по высоте, а с другой стороны не увеличивать слишком сильно дисперсию оценок угла места.
Что касается параметра А , то его априорно заданное значение будет меньше влиять на работу фильтра, поскольку он входит в матрицу Г(Т0) в виде выражения совместно с параметрами Ь и |. Следовательно, его не
совсем корректное задание может быть скомпенсировано текущими оценками параметров Ь и |.
Окончательно расширенная динамическая модель в пространстве состояний пятого порядка вида (2), (3) может быть представлена следующим набором векторов и матриц:
х(к) =
5(к ) 1 о о о о
0(к) о 1 То о о
0 (к) ; Ф(То) = о - Ь(к)2 • То 1 - 2То -|(к) о о
Ь(к) о о о 1 о
|(к) о о о о 1
Г(Т>) =
£1
о
2Т0 • Ь(к) -VА -|(к)
о о
Н = [1 1 о о о].
(5)
Поскольку получившаяся таким образом модель (2), (3), (5) оказывается нелинейной (компоненты вектора состояния Ь(к) и |(к) одновременно входят в элементы матрицы Ф , на которую он умножается согласно уравнению (2)), то для оценивания ее вектора состояния требуется использовать нелинейный фильтр.
Таким образом, разработана математическая модель дискретного случайного процесса, представляющего собой измерения угла места низколетящей цели в РЛС. Модель позволяет заранее определять параметры инициализации фильтра, зависящие от конструктивных характеристик РЛС, методами имитационного моделирования.
Список литературы
1. Курбатский, С.А. Алгоритм трассового сопровождения низколетящих целей в моноимпульсных РЛС на основе сигма-точечного фильтра/Хомяков А.В., Курбатский С.А., Грачев А.Н. // Радиотехника и электроника.- Т.6, №2., 2021 . С.155-161.
2.Курбатский С.А., РумянцевВ.Л., Акиншин О.Н. Методика и схемы обработки радиолокационных сигналов, отражённых от надводных объектов// Известия ТулГУ. вып.5. - Тула: ТулГУ, 2020. С. 195-201.
3.Понятский В.М. Разработка алгоритмов параметрической идентификации динамического объекта на основе теории фильтрации Калмана // Известия Тульского государственного университета. Вып 2. 1999. С. 256-259.
4.Abraham D. A. Detection-Threshold Approximation for Non-Gaussian Backgrounds / IEEE Journal of Oceanic Engineering. Vol. 35. No. 2, 2010. - Pp. TBD.
5.Милащенко Е. А., Валеев В. Г. Исследование характеристик обнаружения мелких морских целей с учетом негауссовских морских отражений // VII Всероссийская научно-техническая конференция «Радиолокация и радиосвязь». Сборник трудов, 2013. С. 88-92.
6. Левин Б.Р. Теоретические основы статистической радиотехники. М: Радио и связь, 1989. 653 с.
7.Ward K. Sea clutter: scattering, the K-distribution and radar performance / K. Ward, R. Tough, S. Watts. 2ndedition. Croydon.: CPIGroupLtd, 2013. 586 p.
8. Радиоэлектронные системы. Основы построения и теория. Справочник под редакцией профессора Я. Д. Ширмана. М.: ЗАО Маквис, 1998. 825 с.
Курбатский Сергей Алексеевич, заместитель генерального директора - начальник, [email protected], Россия, Тула, НТК АО ЦКБА
A MATHEMATICAL MODEL FOR MEASURING THE ANGLE OF A LOW-FLYING TARGET IN RADAR
S.A. Kurbatsky
The results of the synthesis of a mathematical model of a discrete random process, which is a measurement of the angle of a low-flying target in a radar for its use in an algorithm for jointly estimating the parameters and state of such a model, are presented. It is shown that some parameters of the model should be set a priori in the form of compromise constants found during the processing of real telemetry data for low-flying targets in various conditions of re-reflections. Since the resulting model turns out to be nonlinear, a nonlinearfilter must be used to estimate its state vector.
Key words: discrete random process, forming filter, correlation function, Kalman filter.
Kurbatsky Sergey Alekseevich, associate director - head, [email protected], Russia, Tula, NTC JSC CDBAE
УДК 621
Б01: 1о.24412/2о71-6168-2о24-2-242-243
СОВРЕМЕННАЯ ТЕЛЕФОНИЯ - ОТ ТЕЛЕФОНИСТОК К ИСКУССТВЕННОМУ ИНТЕЛЛЕКТУ
С.Л. Горобченко, Д.А. Ковалев, С.А. Войнаш, Г.К. Парфенопуло, Р.И. Кочубей
В работе рассматриваются вопросы развития телефонии в контексте ее места в общем развитии телекоммуникационных систем и взаимодействия в системе " человек - цифровая среда - искусственных интеллект". Показаны основные достижения, влияющие на развитие современной телефонии. Дан исторический обзор и показаны истоки современного состояния телефонии и перехода к смарт телефонии и искусственному интеллекту. Показаны основные направления и пока еще нераскрытые для широкого пользования возможности искусственного интеллекта в телефонии.
Ключевые слова: современная телефония, телекоммуникационные системы, цифровая среда, искусственный интеллект, основные направления использования.
Существенные изменения в телефонии, произошедшие от начала создания первых телефонных сетей до сегодняшних высокоразвитых телекоммуникационных сетей требуют серьезного переосмысления задач, которые стоят перед современной телефонией. Это невозможно осуществить, если, с одной стороны, - не видеть главных надсистемных трендов всех видов коммуникаций, а с другой - не опираться на знание инфраструктуры существующих и даже прошлых систем телефонии. Только в этом случае можно лучше обозначить основные задачи развития телефонии на сегодняшний день, и показать переходные и остаточные процессы в появлении в массовом использовании достижений телекоммуникационных систем с общим направлением на широкое внедрение искусственного интеллекта.
Статья посвящена анализу современных систем телефонии и обозначению приоритетных путей ее развития на основе внедрения искусственного интеллекта в контексте современных достижений в цифровых (теле и информационных коммуникациях) и общего развития телекоммуникационных систем.
242
