Алгоритмы распознавания движущихся целей в просветной радиофизической системе

Актуальность темы

К основным задачам, решаемым в теории и практике радиофизических информационных систем (РИС), относится задача извлечения информации о состоянии цели из рассеянного на ней или отражённого от неё электромагнитного поля. Характер извлекаемой информации зависит от конкретной решаемой задачи, например: обнаружение цели, оценивание координат и траектории её движения, распознавание цели и т. д.

В настоящее время в развитии современных радиофизических информационных систем наблюдается тенденция к оптимизации расходования ресурсов. Повышение качества обнаружения и распознавания целей предпочтительно достигать не за счёт количественного наращивания энергетических характеристик РИС, а прежде всего за счёт создания эффективных алгоритмов обработки сигналов.

Несмотря на множество работ отечественных и зарубежных учёных, посвящённых алгоритмам распознавания радиофизических целей, данное направление исследований остаётся актуальным в связи с неуклонным ростом требований, предъявляемым к системам, реализующим эти алгоритмы. Среди таких требований: скрытность, скорость обработки, низкая стоимость, высокие показатели качества, автоматизация функционирования, возможность распознавания не только по классу, но и по типу цели и т. д.

Требования, предъявляемые к распознающим радиосистемам, предназначенным для решения той или иной задачи, зачастую специфичны и удовлетворяются посредством нахождения в рамках конкретной задачи наиболее удачных решений: конфигурации радиосистемы, информативного признакового пространства, решающего правила.

Вместе с тем, в последнее время снова возрос интерес к пространственно-распределённым (многопозиционным, бистатическим) РИС [27, 100, 111, 112]. Так как такие системы, в отличие от преобладающих в настоящее время моностатических (или квазимоностатических) систем, обладают значительно большим энергетическим потенциалом, что существенно повышает эффективность обнаружения движущихся объектов, особенно при условии их изготовления по технологии «стэлс» [87, 90, 103, 112]. Следует также отметить, что приёмная антенна в пространственно-распределённых радиосистемах является пассивной и, следовательно, скрытной для обнаружения, что может быть важно при решении военных задач.

Среди пространственно-распределённых РИС наибольший интерес вызывают просветные (или теневые) бистатические радиофизические информационные системы (ПБРИС) [100, 111, 112]. Основным источником информации в радиосистеме, работающей «на просвет», является теневое излучение [65]. Теневое излучение не зависит от всей формы рассеивающего тела и полностью определяется только размером и геометрией его теневого контура в отличие от отражённого поля (обратного рассеивания). Изменяя форму освещённой поверхности тела или используя поглощающие покрытия, можно существенно снизить обратное рассеивание, но не теневое излучение. Следовательно, информация, содержащаяся в теневом излучении, может быть использована для обнаружения больших объектов даже с малым моностатическим эффективным поперечником рассеяния при наблюдении их с помощью теневых радиосистем.

Среди задач, решаемых в процессе построения алгоритма распознавания целей, можно выделить две ключевые, в большей степени влияющие на успешность построения эффективного алгоритма. Первая задача заключается в выборе словаря признаков, на языке которого будет выполняться наиболее информативное, с точки зрения разбиения на кластеры в признаковом пространстве, описание образов распознаваемых целей. Вторая — выбор метода распознавания, т. е. построения решающих правил, на основании которых впоследствии будет осуществляться классификация целей (определение принадлежности целей к одному из заданных классов).

Последние десятилетия наблюдается повышенный интерес к неклассическим методам распознавания образов, использующим нейронные сети [38, 47, 50, 57, 61, 76], нечёткий логический вывод [17, 36, 51, 72], генетические алгоритмы [7, 54, 55] и т. д.

Нейронные сети в отличие от методов извлечения информации, основывающихся на изучении и априорном задании модели процесса или системы, формируют её сами в процессе обучения, т. е. практически не требуют априорных данных о модели. После обучения нейросетевые классификаторы могут достигать высоких значений качества разрешения классов.

Применение нейронных сетей является одним из перспективных путей для повышения эффективности систем распознавания движущихся целей.

При построении системы решающих правил не менее интересным представляется использование нечёткого логического вывода.

К достоинствам использования в решении задачи распознавания образов нечёткого логического вывода можно отнести прозрачность нечётких систем, благодаря их лингвистической интерпретации в виде нечётких продукционных правил, а также высокий уровень интерпретируемости системы.

Таким образом, представляется актуальной тема диссертации, посвящённая нечётким и нейросетевым решениям задачи синтеза и анализу эффективных алгоритмов распознавания целей, движущихся в области действия ПБРИС.

Целью работы является синтез и анализ алгоритмов распознавания целей, движущихся в области действия ПБРИС.

Для достижения поставленной цели в диссертационной работе рассматриваются и решаются следующие задачи:

— синтез математических моделей дифракционных сигналов, рассеянных на движущихся целях различных форм и размеров их теневых контуров;

— построение информативного признакового пространства низкой размерности, а именно синтез и отбор классифицирующих признаков;

— синтез моделей нечётких и нейросетевых классификаторов целей;

— сравнение показателей эффективности распознавания целей построенными алгоритмами.

Методы исследования. Результаты исследований, сформулированные в диссертации, получены при использовании известных методов математического моделирования, теории распознавания образов, теории нечётких множеств, нечёткой логики и теории искусственных нейронных сетей.

В работе использовались научные труды отечественных и зарубежных авторов в области обработки цифровых сигналов, распознавания образов, нечётких множеств и нечёткой логики, искусственных нейронных сетей, радиолокации и др.

В основу построения математических моделей теневых сигналов легли труды Д. В. Незлина, Н. Дж. Уиллиса, П. Я. Уфимцева.

При построении алгоритмов распознавания целей были использованы труды И. Т. Джолайфа, А. Пегата, А. И. Галушкина.

Научная новизна. Научная новизна работы определяется полученными оригинальными результатами в области распознавания целей, движущихся в области действия ПБРИС, и заключается в следующем:

— Синтезированы новые математические модели дифракционных сигналов, рассеянных на целях различных форм и размеров их теневых контуров.

— Предложено информативное пространство представления образов движущихся в ПБРИС целей, позволяющее описывать цели существенно меньшим количеством признаков.

— Построены алгоритмы распознавания целей, позволяющие различать цели не только по классу, но и по типу внутри класса.

На защиту выносятся следующие результаты, впервые достаточно подробно развитые или впервые полученные в настоящей работе:

— Результаты синтеза и анализа математических моделей теневых сигналов, рассеянных на целях, движущихся в области действия ПБРИС.

— Результаты параметризации теневых сигналов.

— Алгоритмы распознавания движущихся целей на основе нечёткой логики и нейронных сетей.

— Результаты моделирования и анализа показателей эффективности распознавания предложенными алгоритмами в присутствии аддитивного белого гауссова шума.

Область исследований. Содержание диссертации соответствует специальности 01.04.03 — «Радиофизика» (физико-математические науки) по следующим областям исследований: создание новых методов анализа и статистической обработки сигналов в условиях помех (п. 4).

Использование научных результатов. Результаты диссертации в форме математических моделей, алгоритмов и программ используются в учебном процессе Воронежского государственного университета при чтении спецкурса.

Достоверность результатов диссертации. Достоверность результатов, полученных в диссертационной работе, подтверждается корректностью использования математического аппарата, совпадением новых результатов с известными в частных случаях, результатами компьютерного моделирования на ЭВМ.

Личный вклад автора. В работах [1,2] автором выполнен анализ и интерпретация результатов. В работах [3, 4] автором проведено построение и анализ моделей. В работах [5−12] автором предложены методы исследований, осуществлён синтез и анализ моделей.

Практическая ценность работы заключается в новых эффективных алгоритмах распознавания движущихся целей по форме их теневых контуров. Предложенные модели могут быть использованы при проектировании систем распознавания целей применительно к задачам в системах наземного и воздушного наблюдения.

Апробация работы.

Основные положения диссертационной работы докладывались и обсуждались на следующих научных конференциях: XII (2006 г.), XIII (2007 г.), XV (2009 г.) и XVI (2010 г.) международные конференции «Радиолокация, навигация, связь» (г. Воронеж), всероссийская научно-практическая конференция «Охрана, безопасность и связь — 2009» (г. Воронеж, 2009 г.), X международная научно-методическая конференция

Информатика: проблемы, методология, технологии" (г. Воронеж, 2010 г.), III международная научно-практическая конференция «Обработка сигналов и негауссовских процессов» (г. Черкассы, 2011 г.).

Публикации. По теме диссертационной работы опубликовано 12 печатных работ [27 — 36, 50, 51], из них 3 [27, 32, 36] - в периодических изданиях, рекомендованных ВАК РФ для публикации основных результатов диссертации.

Структура и объём диссертации. Диссертация состоит из введения, четырёх глав, заключения и библиографического списка использованной литературы из 115 наименований. Объём диссертации составляет 147 страниц, включая 135 страниц основного текста, содержащего 72 рисунка на 56 страницах, и 12 страниц библиографического списка использованной литературы.