CC BY
142
2009
НАУЧНЫЙ ВЕСТНИК МГТУ ГА серия Прикладная математика. Информатика
№ 145
УДК 621.396.96
МОДЕЛЬ РАДИОЛОКАЦИОННОЙ ИДЕНТИФИКАЦИИ ОБЪЕКТОВ СПЕЦИАЛЬНОГО НАЗНАЧЕНИЯ
А.В. БЫСТРОВ, А.Ю. КАШКАНОВ, А.М. ОРЕЛ
Предлагается подход к развитию систем радиолокационного опознавания в нетрадиционном для данной области направлении, которое основывается на комплексном использовании рассредоточенных источников информации различной физической природы и применении подходов теорий распознавания образов и систем искусственного интеллекта.
Ключевые слова: опознавание, идентификация, радиолокация, гипотеза, накопление, обнаружение.
Введение
Проблема опознавания (определения государственной принадлежности) объектов специального назначения является актуальной для обеспечения функционирования многих министерств и ведомств, как в Российской Федерации (РФ), так и в других государствах и коалициях государств.
В настоящее время при решении задачи идентификации (опознавания) объектов применяются системы радиолокационного опознавания (СРЛО), основанные на применении активного запросноответного метода радиолокации с использованием кодированных радиосигналов. Наиболее распространенными являются СРЛО иностранного производства типа Мк-10, Мк-12 и альтернативные системы отечественного производства. Перспективными являются разрабатываемые системы типа Мк-15, создаваемые на основе тех же методов [1, 2]. Опыт применения существующих СРЛО свидетельствует о том, что надежное опознавание возможно в условиях благоприятной помеховой обстановки, при строго фиксированном количестве радиолокационных ответчиков и запросчиков, одновременно действующих в одной зоне. Имеют место ущерб и потери объектов своего государства из-за ошибочного решения задачи идентификации опознаваемых объектов. В этой связи вопросу совершенствования СРЛО уделяется особое внимание.
Г лавным моментом исследований данной предметной области является обоснование возможностей повышения достоверности результатов в процессе опознавания объектов, основанных на:
• рациональном использовании имеющейся и вновь привлекаемой информации;
• выявлении скрытых информационных резервов радиотехнических устройств;
• переходе к интегрированным физически распределенным конструкциям.
Подход предполагает адаптацию всех источников в интересах решения задачи опознавания.
1. Постановка задачи
Особенности предлагаемого комплексного опознавания проявляются в различиях используемых признаков [2] опознавания, способах измерения, обработки и априорного описания ПО (исходя из специфики работы задействованных ИК). Источниками информации опознавания в РЛС служат как штатные, так и дополнительные ИК. Полезную информацию для СРЛО могут предоставлять: ИК радиотехнической разведки (РТР), ИК системы радиолокационного распознавания (РЛР), ИК тактического опознавания (ТО), ИК ретрансляции сигнала опознавания, ИК СРЛО и другие потенциально возможные ИК [2-4].
Основополагающим принципом применения канала РТР в качестве ИК опознавания является определение типа радиоэлектронной аппаратуры (РЭА), имеющейся на борту наблюдаемого объекта, по параметрам излучаемых ею сигналов, режиму работы и возможности нахождения на борту своих и чужих объектов. Если свои (чужие) объекты не обладают или принципиально не могут обладать установленным типом РЭА, то опознаваемую цель с соответствующими параметрами активных излучений с определенной степенью вероятности считают своим (вражеским) объектом.
В системах РЛР основополагающий принцип использования для опознавания ИК заключается в выработке статистического решения, которое получено при сопоставлении информации о классе обнаруживаемой цели со сведениями о возможных классах целей, находящихся у противоборствующих сторон. ИК тактического опознавания обеспечивает решение задачи на основе анализа поведенческих признаков, характеризующих их реальное пространственно-временное положение. При этом координаты и параметры движения ВО сравниваются с наиболее вероятными.
Первые шаги в направлении развития комплексного опознавания осуществлены разработчиками СРЛО для системы "Пэтриот" (США) путем сочетания результатов распознавания целей штатной системой типа Мк-12. В отечественных радиотехнических комплексах решения рассматриваемого ряда отражения не нашли. Фундаментальные исследования в этой области недостаточно известны. В то же время самостоятельно развивающемуся научному направлению - теории распознавания локационной информации - посвящен целый ряд научных исследований [3].
2. Формализация задачи
Вариант обобщенной структурной схемы алгоритма опознавания комплексной СРЛО (КСРЛО) гипотетического многоканального построения представлен на рис. 1. В ее состав входят:
• ИК опознавания наМ признаков;
• обнаружители;
• устройство объединения информации опознавания по ^-независимым ИК;
• устройство принятия решения о государственной принадлежности;
• устройство хранения и ввода априорной информации.
В общем случае алгоритм опознавания сводится к измерению соответствующего значения многомерного
вектора признакаX = {х1, х2, ... , хк, ... , хК}, где к = 1,К - порядковый номер ИК опознавания, а также к вычислению апостериорной вероятности гипотезы Н(Х}] того, что в результате опознавания /-го объекта ВО по совокупности К составляющих вектора X он является своим (при / = 1) или чужим (при / = 2).
Значения гипотез ЩХ)] вычисляются в соответствии с одной из множества возможных схем реализации байесовской процедуры вычисления апостериорной вероятности, например, схемы Эванса [4]. Обозначим: хк =
X
К (X),
О
) *11 | | *12 [ . . • *1»
X
х
| *1| | | | . | Ни
X
>1 (*|>/
| хКІ11 Хд I -
Л,(яп,
М*)
Рис. 1. Схема алгоритма опознавания Условные обозначения: 1, 2, ... , к, ... , К -информационные каналы опознавания;
3 - обнаружители; 4 - блок объединения информации опознавания; 5 - блок принятия решения о госпринадлежности; 6 -блок хранения априорной информации
{хк1, хк2, ... , хкт, ... , хкм} - М-мерный вектор признакового пространства в рамках к-го ИК опознавания, где т = 1, М - порядковый номер признака в к-м ИК;
у = 1, J - порядковый номер опознаваемой цели; J - количество одновременно опознаваемых целей.
Алгоритм объединения и накопления информации опознавания на основе байесовской процедуры для каждого т-го изМимеющихся в к-м ИК измеряемых значений признаков хк1, хк2,..., хкт,..., хкМвычис-ляет значения апостериорных вероятностей гипотез
Иг (хк )у = [Иг (хк1)у , Иг (хк2 )у , - , Иг (хкт )у , - , Иг (хкМ )у } ,
Ы ( х«)у
(1)
говорящих о том, что в результате оценки значений М признаков наблюдаемый у-й объект принадлежит своим войскам (при і =1) или войскам противника (при і = 2). Эти гипотезы определяются в соответствии с выражениями (2), где Рі - априорная вероятность гипотезы о том, что опознаваемая цель является объектом і-й группировки войск; Л(хкт) - закон распределения значений вектора-признака опознавания хкт.
Далее значения элементов множества (1) объединяются в одно значение, характеризующее степень схожести опознаваемого объекта с объектами і-й группировки по результату наблюдения количеством К ИК опознавания. Это значение также может быть найдено с использованием одной из разновидностей байесовских процедур, вычисляющих апостериорные вероятности гипотез, например
К ( хк1) у =-
К( хк 2)у =
Ё Р^ (х«)у 1
К ( хк1) іїі ( хк 2 ) у .
Ё К ( хк1) ]їі ( хк 2 ) у = 1
К (хк(т-1))]/і (хкт )у , 2 ;
Ё К (хк(т-1))]!, (хкт )у =1
(хк(М-1))у їі (хкМ )у
2
Ё К (хк(М-1))у /і (хкМ )у
■ = К (хк ) у.
і= 1
К (X) у =
РА (х1 )у ^ (х2 )у - К (хк )у - К (х^ )у
Ё (х1 )у Ні (х2)у - Иі (хк )у - Ь (^ )у
(3)
Абсолютное значение величин к/(Х)]- получают для каждой /-й цели, и на основании выбранной решающей процедуры, например, селекционного решающего правила [3]
у = аг§ тах Иі (X) у
(4)
из совокупности всех значений к/(Х)] для каждой из J одновременно опознаваемых целей выделяют ту, которая более всего похожа на объекты, принадлежащие к /-й группировке войск.
Вариант опознавания КСРЛО, характеризуемый последовательностью (1) - (4), относится к байесовским алгоритмам опознавания, которые не являются единственными в своем роде, а служат иллюстрацией принципиальной возможности организации комплексных систем опознавания. При синтезе подобных алгоритмов также могут быть применены методы принципа максимальной энтропии, интервалов в диапазоне допустимых значений (например, в теории Дампстера-Шейфера), нечеткой логики Заде [4] и ряд других.
При комплексном опознавании возникают существенные проблемы, связанные с анализом значительных объемов информации, что затруднительно для большинства штатных вычислительных средств. Возникает потребность в использовании методов, с одной стороны, способных уменьшить объем вычислений, с другой - повысить достоверность результата. В этой связи целесообразно применить подходы теории систем искусственного интеллекта. Первым шагом на этом пути стали экспертные системы, обеспечивающие воспроизведение результата опознавания, достигаемого реальными высококвалифици-зованными специалистами в этой области [4].
Структурно-логическая схема экспертной системы опознавания (ЭСО) представлена на рис. 2. В ее состав входят: база знаний (БЗ) КСРЛО, устройство ввода-вывода; блок процедур приобретения знаний; блок синтеза алгоритмов опознавания; инженер по знаниям; эксперт по опознаванию; информационные каналы опознавания.
База знаний КСРЛО предназначена для хранения априорной информации о ПО, текущей тактической и помеховой обстановке, состоянии театра военных действий, типах и местах предполагаемой дислокации своих объектов и объектов противника, а также замысле действий. Устройство логического ввода-вывода служит для восприятия исходных данных и другой информации из БЗ и обеспечения процесса их обновления. Блок процедур приобретения знаний обеспечивает оптимальное восприятие новых знаний ЭСО об опознаваемом объекте. Инженер по знаниям является ключевым звеном всего
Рис. 2. Логическая схема экспертной системы опознавания
2=1
процесса приобретения и накопления знаний, в его задачу входит работа с экспертом в области опознавания. Информационные каналы опознавания являются источниками извлечения информации опознавания (ИО), причем на практике возможно любое сочетание из уже имеющихся и новых предлагаемых ИК.
Потребителями ИО являются средства обнаружения, точного сопровождения, стартовое оборудование зенитных комплексов, бортовые вычислители зенитных управляемых ракет, командные пункты различных иерархических уровней, другие отдельные РЛС. Следует учитывать существенные трудности в практической реализации ЭСО. С одной стороны, они обусловлены экономическими проблемами, с другой стороны, имеются проблемы, связанные с ростом вычислительных затрат, а также отсутствие высокоэффективных датчиков различной физической природы.
Заключение
Экспертную систему опознавания относят к функциональным системам нового поколения - системам искусственного интеллекта, выводящим современные системы вооружения на совершенно новый уровень решения поставленных перед ними задач. Иными словами, ЭСО является интеллектуальным роботом, уменьшающим степень участия человека-оператора в процессе опознавания, упрощающим этот процесс, снижающим объем дополнительных аппаратурных затрат.
Интеллектуальный комплексный подход к совершенствованию СРЛО является современной тенденцией общего развития техники нового поколения.
ЛИТЕРАТУРА
1. Справочник по радиолокации / Под ред. М. Скольника. Т. 3. - М.: Сов. радио, 1976.
2. Быстров А.В., Митрофанов Д.Г. Перспективы развития технических средств опознавания воздушных целей // Зарубежная радиоэлектроника. 1996. №2.
3. Горелик А.Л., Барабаш Ю.Л., Кривошеев О.В., Эпштейн С. С. / Под ред. А.Л. Горелика. Селекция и распознавание на основе локационной информации. - М.: Радио и связь, 1990.
4. Франклин Д.Э. и др. Технология экспертных систем для военных применений. Избранные примеры // ТИИЭР. 1988. Т. 76. № 10.
PROSPECTS FOR DEVELOPMENT OF INTEGRATED RADAR IDENTIFICATION
OF SPECIAL-PURPOSE OBJECTS
Bistrov А.У., Kashkanov А^., Orel А.М.
The possibility of the development of systems of radar identification of objects of military purpose are considered in this assay from a new, non-traditional for this field point of view, which is based on a complex use of sources of information of different physical nature and application of methods of systems of artificial intellect.
Сведения об авторах
Быстров Андрей Владимирович, 1964 г.р., окончил Смоленское высшее зенитное ракетное инженерное училище (1987), Военную академию ПВО (1993), МЭИ (2005), член Военно-научного комитета Генштаба Вооруженных Сил РФ, доктор технических наук, профессор, автор свыше 120 научных работ, область научных интересов -радиолокация, радиотехника, распознавание образов, искусственный интеллект.
Кашканов Александр Юрьевич, 1965 г.р., окончил МАДИ (1986), старший преподаватель Российской экономической академии им. Г. В. Плеханова, автор 20 научных работ, область научных интересов - информатика, теория распознавания образов, искусственный интеллект, системы госопознавания.
Орел Александр Михайлович, 1952 г.р., окончил Ленинградское АТУЗА (1972), Военную академию ПВО (1987), зам. генерального директора ОАО «Квант», кандидат технических наук, автор более 20 научных работ, область научных интересов - радиолокация, теория распознавания образов, системы госопознавания.
