книги / Обнаружение, распознавание и пеленгация объектов в ближней локации
..pdfВ.К. Хохлов
Обнаружение,
распознавание
ипеленгация
объектов
в
локации
Рекомендовано Учебно-методическим объединением вузов по университетскому политехническому образованию в качестве учебного пособия для студентов
высших учебных заведений, обучающихся по специальности «Информационные системы и технологии»
направления подготовки дипломированных специалистов «Информационные системы»
Москва Издательство МГТУ имени Н.Э. Баумана
2005
УДК 623.454.254(075.8) ББК 32.95
Х862
Р ец ен зен т ы : д-ртехн. наук, профессор О.Н. Шелухин, д-р техн. наук, профессор Г.А. Андреев
Хохлов В.К.
Х862 Обнаружение, распознавание и пеленгация объектов в ближней локации: Учеб, пособие. — М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. — 336 с.: ил.
ISBN 5-7038-2440-0
В учебном пособии изложены вопросы синтеза и анализа трактов принятия решений в автономных информационных системах ближ ней локации. Особое внимание уделено специфике систем ближней локации. Приведенные методики, теоретические и практические ре зультаты являются теоретической базой для проектирования нового класса регрессионных и нейросетевых систем принятия решений с рабочими характеристиками, инвариантными к неизмеряемым па раметрам сигналов, которые зависят от условий применения.
Содержание учебного пособия соответствует курсу лекций, ко торый автор читает в МГТУ им. Н.Э. Баумана.
Для студентов старших курсов, изучающих дисциплину «Осно вы теории обработки сигналов», аспирантов, инженеров и научных работников, специализирующихся в области проектирования трак тов обработки сигналов автономных информационных систем ближней локации.
УДК 623.454.254(075.8) ББК 32.95
ISBN 5-7038-2440-0 |
© Хохлов В.К., 2005 |
© Издательства МГТУ им. Н.Э. Баумана, 2005 |
ПРЕДИСЛОВИЕ
Автономные информационные системы (АИС) ближней лока ции (БЛ) осуществляют обнаружение, распознавание и пеленга цию объектов, выдачу информации о параметрах их движения и координатах, которая используется для управления наиболее важ ными параметрами систем.
Такие системы применяются, например, для решения задач стыковки космических аппаратов и посадки их на планеты, десан тирования военной техники, освоения континентального шельфа, охраны объектов и границы, предотвращения столкновения транс портных средств, очувствления роботов, разработки перспектив ных систем вооружений и т.д. Специфика АИС БЛ состоит в том, что обнаружение, распознавание и пеленгация объектов осуществ ляются в них на фоне распределенных в пространстве помех на расстояниях, соизмеримых с размерами объектов при малом вре мени взаимодействия. Случайные сигналы и помехи в АИС БЛ имеют большой динамический диапазон амплитудных, частотных и временных характеристик и ярко выраженный нестационарный характер. Информативные параметры сигналов часто являются нецентрированными случайными величинами или процессами, для которых априорно неизвестны математические ожидания. В ближ ней локации получить оценки математических ожиданий по одной реализации сложно вследствие нестационарности процессов, огра ниченного объема выборки, а также высокого быстродействия та ких систем. В связи с отсутствием сведений о математических ожиданиях нецентрированных случайных параметров в АИС БЛ нет возможности применить известные корреляционные методы обработки сигналов.
Функционирование систем в условиях априорной неопреде ленности обусловило создание адаптивных, робастных и непара метрических АИС БЛ. Поэтому в учебном пособии излагаются основы теории нелинейных регрессионных и нейросетевых систем
обнаружения и распознавания случайных сигналов и пеленгации объектов на фоне распределенных в пространстве помех примени тельно к специфике АИС БЛ. Такие системы являются новым классом систем обработки сигналов. Они позволяют повысить по мехоустойчивость и быстродействие АИС БЛ и решить новые за дачи. Подготовка специалистов по проектированию перспективных АИС требует обобщения накопленного опыта в области разработ ки новых принципов построения систем. Этой цели и посвящено учебное пособие.
Автор выражает благодарность аспиранту Гулину Ю.Ю. за любезно предоставленные результаты сравнения методов выбора информативных признаков сигналов в системах ближней локации.
СПИСОК ОСНОВНЫХ ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ
IIА|| — норма матрицы
С— матрица ковариационных моментов
С*(т) |
— автоковариационная функция |
С1к |
— элемент матрицы ковариационных моментов |
cond(A) |
— стандартное число обусловленности матрицы А |
С(0,0О) |
— ненормированный множитель антенной решетки |
detC |
— определитель матрицы ковариационных моментов |
D |
— дисперсия |
d |
— шаг антенной решетки |
Е«) |
— огибающая процесса |
К(в) |
— нормированный множитель антенной решетки |
fix) |
— функция активации нейрона |
/. |
— верхняя частота (циклическая) |
т |
— функция направленности приемного элемента антенны |
G(t, a.v,) |
— координатный закон эффективного действия |
GK(a.v/) |
— эффективность при контактном взаимодействии |
81 |
— линейная регрессия |
Iix,y) |
— функция потерь |
В Д |
— комплексный коэффициент передачи (частотная характе |
|
ристика) |
К— матрица корреляционных (начальных) моментов
К— коэффициент регрессионного алгоритма
L |
— раскрыв антенны (апертура) |
Ш \ |
— коэффициент правдоподобия гипотезы о наличии на вхо |
|
де сигнала |
Ml] |
— оператор математического ожидания |
Pn.r |
— вероятность ложных тревог |
PH |
— вероятность надежной работы АИС |
Pnp |
— вероятность пропусков |
P ОШ |
— вероятность ошибки обнаружения |
|
— вероятность эффективного действия |
Pz |
— мощность излучения |
R |
— средняя потеря, средний риск |
*T) |
— нормированная автокорреляционная функции |
Ф ) |
— огибающая нормированной автокорреляционной функции |
S J W |
— спектральная плотность шума |
So |
— спектральная плотность полосового белого шума в поло |
|
се частот / = 0 .../в |
S{со) |
— энергетический спектр случайного процесса |
S(yco) |
— спектральная плотность непериодического сигнала |
5М |
— метеорологическая дальность видимости |
Т |
— интервал наблюдения |
trS |
— след матрицы S |
U(t) |
— общая аналитическая зависимость процесса, реализация |
|
процесса |
С/пор |
— пороговый уровень |
fV(xlt...,xm) — m-мерная плотность распределения вероятностей случай ных величин JC|, xm
W{t) — плотность распределения моментов срабатывания t АИС при отсутствии пропуска объекта
w,k — весовые коэффициенты линейного нейрона yit) — реализация смеси сигнала и шума на входе
2(0 — реализация процесса на входе порогового устройства c t ) , а„ — паразитные параметры
а, |
— угол падения волны от нормали к апертуре антенны |
Р |
— коэффициент начальной регрессии |
о |
— коэффициент центральной регрессии |
Р |
|
X, (Я ) |
— коэффициент перекрытия |
Л/ |
— время запаздывания |
Д(v /у ) |
— правило решения |
Упор |
— относительный порог |
Х = С ' |
— матрица, обратная матрице ковариационных моментов |
Л = К"1 |
— матрица, обратная матрице корреляционных моментов |
X |
— длина волны |
Х„.т |
— средняя частота ложных тревог |
Хяя |
— средняя частота потока совпадения |
|д |
— математическое ожидание |
&т |
— математическое ожидание длительности паузы потока |
|
совпадений |
0 |
— угол между нормалью к базе антенны и направлением на |
|
объект |
р— коэффициент отражения
а— среднеквадратическое значение
&— интеграл взаимной корреляции между принятым колеба нием и сигналом
Qt) и т}(/) |
— реализации случайных сигналов |
тн |
— постоянная времени накопления |
соо |
— центральная частота (круговая) |
<Dcp |
— частота среза (круговая) |
©л |
— частота Доплера |
д <й |
— ширина полосы частот |
(ог |
— среднеквадратическая частота флуктуаций |
— 2 |
— 2 |
ЧГоы и Чоы — остаточные средние оценок случайных параметров для |
|
|
сигнала и помехи соответственно |
АИС |
— автономная информационная система |
АКФ |
— автокорреляционная функция |
АПС |
— аналоговый преобразователь сигналов |
АР |
— антенная решетка |
АРУ |
— автоматическая регулировка усиления |
АЦП |
— аналого-цифровой преобразователь |
БИ |
— блок измерения |
БЛ |
— ближняя локация |
БПР |
— блок принятия решений |
БПФ |
— быстрое преобразование Фурье |
БС |
— блок согласования |
ГК |
— главная компонента |
ДАЛЗ |
— дискретно-аналоговая линия задержки |
ДН |
— диаграмма направленности |
ДПС |
— дискретный преобразователь сигналов |
КМНР |
— коэффициенты множественной начальной регрессии |
КНР |
— коэффициент начальной регрессии |
КЦР |
— коэффициент центральной регрессии |
НС |
— нейросеть |
НФС |
— нормированная функция селекции |
ОУ |
— операционный усилитель |
ПАМ |
— паразитная амплитудная модуляция |
ПЗУ |
— постоянное запоминающее устройство |
ПУ |
— приемное устройство |
РДИ |
— распределение длительностей интервалов |
СБЛ |
— система ближней локации |
СНДФ |
— совершенная нормальная дизъюнктивная форма |
СПМ |
— спектральная плотность мощности |
СПР |
— система принятия решений |
УДЧ |
— усилитель доплеровской частоты |
ФАР |
— фазированная антенная решетка |
ФКМ |
— фазово-кодовая модуляция |
ФС |
— функция селекции |
ЦАП |
— цифроаналоговый преобразователь |
ЧМ |
— частотная модуляция |
ШИМ |
— широтно-импульсная модуляция |
1.СПЕЦИФИКА ПРОБЛЕМ АНАЛИЗА
ИСИНТЕЗА АЛГОРИТМОВ СИСТЕМ ПРИНЯТИЯ РЕШЕНИЙ В БЛИЖНЕЙ ЛОКАЦИИ
1.1. Исходные данные для проектирования
Проектирование систем принятия решений (СПР) осуществля ется на основе сформулированных исходных данных. Совокуп ность D = {DU..., Dj} всех исходных данных можно разбить на следующие подгруппы.
Совокупность Y = { , . . . , Ym} условий.
Совокупность Os ={OsU...,Osp} ограничений на структуру и
параметры проектируемой системы.
Совокупность (вектор) К = {Кх,..., Кт } показателей качества
системы.
Совокупность Ok ={OkX,...,Okr) ограничений, накладывае
мых на показатели качества.
К условиям работы системы относятся характеристики полез ных сообщений и сигналов, характеристики возможных помех, климатические условия и т.д.
Ограничения О, на структуру системы могут задавать класс систем обработки сигналов (например, класс линейных систем), в рамках которого отыскивается наилучшая система. Совокупность
О., содержит также ограничения на параметры системы,
эти ограничения могут быть типа равенств (х, = xj0), неравенств
(х, < XjmИЛИ Х,т < X, < Х,р), СВЯЗИ (Фу (х,,..., Х„) = 0) И Т.Д.
Вектор К = {Кь К2,...,К т} включает совокупность показателей качества системы, которые должны учитываться в процессе синтеза и анализа. По определению, показателем качества Kt {i = 1, /я) системы
является такая числовая характеристика системы, которая связана с ее качеством строго монотонной зависимостью — чем больше (меньше) значение Kt, тем лучше система при прочих равных условиях.
Показатели К( [i = 1, m) должны характеризовать систему с
различных сторон и учитывать такие характеристики, как стои мость, габариты, потребляемую энергию, точность, эффективность выполнения поставленной задачи и т.д.
Ограничения О*, накладываемые на значения показателей ка чества АТ,,..., Кт, могут быть типа равенств (К, =КЮ), нера
венств (Kj < Kip, К, > 0) и связи (<£>j(Ku ...,Km) < 0). Система
(вариант построения системы), удовлетворяющая совокупности {Y,Of } исходных данных, называется допустимой. Система, удовлетворяющая всей совокупности D = {Y ,05,K ,0 A} исход ных данных, называется строго допустимой. В общем случае мо жет существовать некоторое множество строго допустимых систем.
Из всех строго допустимых систем оптимальной (наилучшей) считается та, которая обладает наилучшим (в заранее установленном смысле) значением вектора К показателей качества. Следовательно, для выбора оптимальной системы должен бьггь предварительно вы бран (обоснован) критерий предпочтения, т.е. правило, на основании которого одно значение вектора К следует считать лучше (хуже) дру гого его значения. Следовательно, задача синтеза может быть сфор мулирована следующим образом: найти такую систему, которая удовлетворяет совокупности {Y, К, Ок} исходных данных и об
ладает при этом значением совокупности (вектора) показателей каче ства, наилучшим в смысле заранее выбранного критерия предпочте ния.
Синтез, проводимый с учетом нескольких показателей качест ва, т.е. на основе вектора К = {АГ,,..., Кт ] , называется векторным. Иногда векторный синтез называют векторной оптимизаций или многокритериальной оптимизацией.
Синтез системы (устройства) обычно включает решение сле дующих основных задач.
1. Синтез оптимальной структуры системы, т.е. отыскание оптимальных принципов построения системы (видов приемо передающих трактов, способов модуляции и демодуляции и т.д.).
г
2.Выбор оптимальных значений параметров системы (рабочей длины волны, мощности передатчика, чувствительности преемни ка и т.д.), который часто называется оптимизацией параметров.
3.Выбор оптимального варианта построения системы из ко нечного числа вполне определенных вариантов систем или дис кретный выбор системы, устройства.
Таким образом, синтез системы обычно включает синтез структуры (структурный синтез), оптимизацию параметров (пара метрический синтез) и дискретный выбор системы.
1.2. Постановка задачи принятия решений
Основной и наиболее важной проблемой при проектировании СПР является проблема помехоустойчивости, т.е. задача синтеза структур систем, осуществляющих обработку сигналов при нали чии помех наилучшим (в соответствии с заданным критерием) способом.
В соответствии с теорией статистических решений задачу отыскания оптимальных структур систем формулируют следую щим образом. На вход системы поступает смесь (не обязательно аддитивная) y{t) сигнала Uc(t) и шума Um(t), т.е.
у ( 0 = и с ( 0 ® и ш( 0
(здесь знак ® означает смесь сигнала и шума).
При аддитивных сигнале и шуме эта смесь является суммой:
у(1) = и е(1) + и ш(1).
При решении задачи в условиях априорной определенности плотности распределения вероятностей сигналов и помех извест ны. Если же плотности распределения вероятностей или некото рые их параметры неизвестны, будем говорить о задачах стати стического синтеза в условиях априорной неопределенности. Следует отметить, что при полном отсутствии априорных данных (т.е. когда о сигнале и помехах ничего неизвестно) решить задачу синтеза оптимальной системы невозможно. На практике всегда есть некоторые, пусть весьма ограниченные, данные, основанные на предыдущем опыте, интуиции или на физической трактовке задачи.