CC BY
92
Основы теории ошибок. Санкт-Петербург: Изд-во Санкт-Петербургского ун-та, 1972. 122 с. 3. ЛинникЮ.В. Метод наименьших квадратов и основы математико-статистической теории обработки наблюдений. М.: Физматгиз, 1962. 344с. 4. Гнеденко Б.В., Курс теории вероятностей. Л.: Физматгиз, 1961. 406 с. 5. Апанасенко А.И., Крившич Н.Г., Федоренко Н.Д. Монтаж, испытания и эксплуатация газоперекачивающих агрегатов в блочно-контейнерном исполнении. Л.: Недра, 1991. 361 с. 6.ШерстюкА.Н. Насосы, вентиляторы и компрессоры. М.: Высшая школа, 1972. 344 с. 7. Хан Г., Шапиро С. Статистические модели в инженерных задачах /Пер. с англ. М.: Мир, 1969. 297 с. 8. Fox J. Nonlinear regression and nonlinear least squares. Appendix to An R and S-PLUS Companion to Applied Regression. January 2002. 9. РМГ 29-99. Государственная
система обеспечения единства измерений. Метрология. Основные термины и определения. М: Изд-во стандартов, 1999. 124 с. 10. Газ природный. Методы расчета физических свойств. Определение коэффициента сжимаемости. ГОСТ 30319.2-96. Минск: ИПК Изд-во стандартов, 1997. 21с. 11. Тевяшев А.Д., Коток В.Б., Сендеров О.А. Метрологическая аттестация математически моделей газоперекачивающего агрегата. // АСУ и приборы автомати-ки.2004. Вип.2.
Поступила в редколлегию 01.03.2006
Рецензент: д-р техн. наук, проф. Гинзбург М.Д.
Сендеров Олег Александрович, аспирант кафедры прикладной математики ХНУРЭ. Научные интересы: системный анализ. Адрес: Украина, 61171, Харьков, Салтов-ское шоссе, 240, тел. 711-27-17.
УДК 621.396: 510.62
РАСПОЗНАВАНИЕ
РАДИОЛОКАЦИОННЫХ ОТМЕТОК ПО СПЕКТРАЛЬНОМУ ИЗОБРАЖЕНИЮ С АДАПТИВНЫМИ ВЕСОВЫМИ КОЭФФИЦИЕНТАМИ
ЖИРНОВ В.В., СОЛОНСКАЯ С.В.__________
Обосновывается возможность использования алгебры предикатов для распознавания радиолокационного спектрального изображения в целях выделения отметок подвижных объектов на фоне дискретных мешающих отражений типа «ангел-эхо». При этом эффективность узнаваемости спектральной картины достигается с помощью адаптивной весовой обработки спектра сигнала, где весовые коэффициенты определяются и постоянно корректируются на основе многообзорного анализа и накопления информации о расположении и поведении радиолокационного спектрального изображения мешающих отражений.
1. Введение
Низкая эффективность систем радиолокационного распознавания и выделения малозаметных целей (МЗЦ) на фоне дискретных мешающих отражений типа « ангел-эхо» (АО) объясняется малой величиной отношения сигнал/помеха [1]. В результате этого ухудшается узнаваемость спектральной картины из-за уменьшения контрастности ее изображения, снижается вероятность выделения полезных сигналов подвижных объектов и увеличивается вероятность их пропуска системами автоматического обнаружения и слежения. Для того чтобы улучшить узнаваемость спектральной картины, предлагается использовать адаптивную весовую обработку спектра сигнала, где весовые коэффициенты определяются и постоянно корректируются на основе многообзорного анализа и накопления информации о расположении и поведении радиолокационного спектрального изображения мешающих отражений.
2. Цель и задачи исследования
Цель - разработка системы распознавания радиолокационного спектрального изображения с адаптивными весовыми коэффициентами, основанная на совмещении сигнального (энергетического) и логического спектрального анализа с адаптацией параметров распознавания к статистике и к типу спектра помех в окрестности анализируемого элемента обработки.
Задачи. Сформулировать особенности использования алгебры предикатов для распознавания радиолокационного спектрального изображения в алгоритмах выделения отметок подвижных объектов на фоне дискретных мешающих отражений типа « ангел-эхо». Оценить возможности улучшения узнаваемости спектральной картины при адаптивной весовой обработке спектра сигнала и определить механизм формирования вектора предикатов Aj,A2,...,Ar с учетом адаптивных весовых коэффициентов спектральных каналов в виде логических уравнений, связывающих предикатные переменные Xj,X2,...,Xr. Обосновать алгоритм интеллектуальной системы идентификации спектральных типов Sj с применением системы предикатных признаков.
3. Предикатное представление спектрального изображения с учетом адаптивных весовых коэффициентов спектральных каналов
Для идентификации спектральной картины радиолокационного объекта по признакам ее изображения используется компараторная схема, которая реализует предикат P(y 1,У2, — ,Ук) = t, соответствующий отношению P к типу изображения спектральной картины (рис. 1). К входам компаратора (элемента распознавания) подключаются своими выходами идентифицируемые информационные процессы fj,f2,... ,fk (входные преобразователи сигнальной информации в спектральных каналах в логические предикатные функции). Изображение спектральной картины преобразуется с помощью адаптивных весовых коэффициентов спектральных каналов, а затем формируется предикатная функция с использованием
РИ, 2006, № 1
121
адаптивных пороговых величин сигналов в спектральных каналах.
Рис. 1
Здесь xi є Ai; Х2 є A2; ...; є Ak - физические
значения величин сигналов в спектральных каналах; Ai, A2, —, Ak - множества значений физических сигналов в спектральных каналах.
Пусть M = {qi,q2,...,qk} — множество, состоящее из k элементов преобразованных значений спектральных составляющих в k спектральных каналах, полученных путем перемножения на весовые коэффициенты K;; B - подмножество B с M, спектральные составляющие q; которого превышают некоторые пороговые значения V;. Составляем набор логических элементов по следующему принципу: если q; є B, то q; = 1; если q; г B , то q; = 0 , i = 1, k.
Предикат B(x) на множестве M, соответствующий множеству B значений спектров, превысивших порог в каждом канале, запишется формулой:
B(x) = xq1 vxq2 v...vxqk . (1)
Адаптация весовых коэффициентов передачи спектр альных каналов осуществляется на основе информации, получаемой пролонгацией данных о наличии спектральной составляющей сигнала в низкочастотных каналах в высокочастотные каналы. Основанием для такого подхода является экспериментально представленный факт [1,2] наличия широкого спектра сигналов (рис.2) мешающих отражений типа АО, охватывающего «хвостом» высокочастотную часть спектра, в которой преимущественно появляется отклик полезного сигнала подвижного объекта. Известно также, что существует межобзорная корреляционная связь спектральных составляющих отметок АО.
а б
Рис. 2
Вводится пересчетный весовой коэффициент KLp, определяемый оценочными значениями величин сиг-
налов в низкочастотных каналах К lf =-, где атр
a £
- оценочное значение интенсивности в низкочастотных каналах; а ^ - суммарная интенсивность.
Адаптивные весовые коэффициенты для всех каналов определяется следующим образом:
K; = 1 -Klf • Ka;.
Коэффициент Ka; (Ka; < 1) определяет долю сигнала от АО в высокочастотных каналах и вычисляется на основе реальных спектров, полученных в ходе экспериментальных исследований.
Таким образом, при отсутствии мешающих отражений от АО коэффициент Ka; принимает значение, равное единице, а при их наличии - коэффициент уменьшается на определенную величину, зависящую от соотношения оценочных значений интенсивности сигналов, накопленных в низкочастотных подканалах, и суммарной интенсивности. Принцип и эффективность адаптивной весовой обработки спектра на выходе системы когерентной импульсной РЛС представлен на рис.3.
Рис. 3
При прохождении сигналов через адаптивный фильтр происходит искажение дискретного спектра таким образом, чтобы сигналы, отраженные от АО и накопленные главным образом в низкочастотных подканалах, существенно подавлялись, а амплитуды сигналов, накопленные в высокочастотных каналах и отраженные от реальных подвижных объектов, изменялись несущественно.
4. Распознавание радиолокационного спектрального изображения с адаптивными весовыми коэффициентами на основе решения предикатных уравнений
Каждому типу преобразованного радиолокационного спектрального изображения Sj соответствует определенная комбинация нулей и единиц в B(x). Для идентификации типов спектральных изображений вводится система предикатных признаков, восприимчивая к количеству и разрывности нулей и единиц в B(x). Сначала B(x) преобразуется в иной вид предиката - F(y), элементы f1, f2fk-1 которого определяются суммированием по модулю два каждого элемента q; со смежным элементом q;+1. Для анализа типов спектральных картин используется как арифме-
122
РИ, 2006, № 1
тическая сумма Ф = Z fi, так и ее логический аналог - предикат F(y). Далее вводятся признаки Li [3], позволяющие отличать спектральные картины по числу групп единиц и нулей между ними B(x). Для определения количества отстоящих друг от друга групп сомкнутых единиц вводится признак Ljj , верхний индекс которого указывает на наличие в предикате B(x) спектральной картины j групп сомкнутых единиц (спектральных пиков) и определяется следующим образом: если ф>2, то j = Ф/ 2, иначе j = 0 . Вводится признак L^, верхний индекс которого li указывает на количество нулей между группами единиц в B(x). Значения признака L^ при li < 3 классифицируют принятый сигнал, как МЗЦ, а при li > 3 , как АО. Чтобы отличать спектральные картины по энергетике принятого сигнала, вводится признак L^ , верхний индекс которого указывает на количество единиц в B(x) и определяется простым суммированием.
Алгоритм идентификации типов спектральных картин радиолокационной обстановки в общем виде описывается следующими уравнениями:
Sj = (L0 v L\ v... v L{) л (L02 v L^ v... v L') л
л (L3 vL2 v... vL;3i) • ( )
Функциональная схема алгоритма распознавания спектральных изображений на основе решения предикатных уравнений анализа спектральных изображений приведена на рис.4.
5. Заключение
ления путем компенсации, бланкирования мешающих отражений подобного типа состоит в том, что обнаружены и распознаны отметки воздушных объектов на фоне АО, когда их спектры перекрывались.
Практическая значимость адаптивной системы обнаружения заключается в том, что представленный комбинированный цифровой и логический анализ радиолокационного спектрального изображения позволяет значительно увеличить вероятность правильного обнаружения и идентификации воздушных объектов, в том числе малозаметных, на фоне АО.
Литература: 1.Жирнов В.В. Радиолокационный обнаружитель подвижных объектов с адаптивной весовой обработкой спектра сигнала // Радиотехника. 2002. Вып. 125. С. 37-44. 2. Шабанов-Кушнаренко Ю.П. Теория интеллекта. Математические средства. Х.: Вища шк. Изд-во при Харьк. ун-те,1984. 144 с. 3. Солонская С.В. Возможности использования алгебры предикатов для классификации воздушных объектов по радиолокационному спектральному изображению // Радиотехника. 2004. Вып. 139. С.73-76.
Поступила в редколлегию 12.09.2005
Рецензент: д-р техн. наук, проф. Шабанов-Кушнаренко С.Ю.
Жирнов Владимир Витальевич, канд. техн. наук, вед. научн. сотрудник НИЦ КВ КП ХНУРЭ. Научные интересы: обработка радиолокационной информации, распознавание амплитудных и спектральных радиолокационных изображений Адрес: Украина, 61166, Харьков, пр. Ленина, 14, тел.: (057)702-14-72, email: [email protected].
Солонская Светлана Владимировна, инженер НИЦ КВ КП ХНУРЭ. Научные интересы: системы обработки и распознавания изображений, теория информации. Адрес: Украина, 61166, Харьков, пр. Ленина, 14, тел. (057)702-14-72, e-mail: [email protected].
q1
q2
Научная новизна работы состоит в том, что в системе распознавания радиолокационного спектрального изображения предлагается использовать адаптивную весовую обработку, где весовые коэффициенты определяются и постоянно корректируются на основе совместного сигнального и логического многообзорного анализа с адаптацией параметров распознавания xi к статистике и к типу спектра помех в окрестности анализируемого элемента обработки.
Возможности алгоритма распознавания спектральных изо бражений исследо -вались на основе записей реальных сигналов РЛС сантиметрового диапазона.
Принципиальное отличие системы спектрального распознавателя с адаптивными весовыми коэффициентами от систем подав-
У1
У 2
qk-1
qk
с
-4-1
y k-
q k
q1
q2
aLF - Xai;Ki - 1 -Klf • Kai
NlF
KLF = aLF /a2
qk-1
qk
Рис. 4
LSi
L3
Li1
S1
Si
f1
S
2
x
2
S
3
x
1
x
S
li
РИ, 2006, № 1
123
