- •Введение
- •Формирование алфавитов классов и признаковых пространств радиолокационного распознавания
- •1.1. Общие сведения
- •1.2. Формирование алфавитов классов
- •1.3. Траекторные признаки
- •1.4. Сигнальные признаки однопозиционной активной локации при узкополосном зондировании
- •1.4.1. Эффективные площади (эп) целей
- •Примерные эффективные площади радиолокационных целей
- •1.4.2. Поляризационные признаки
- •1.4.3. Модуляционные признаки
- •1.5. Сигнальные признаки однопозиционной активной локации при широкополосном, многочастотном и многодиапазонном зондировании
- •1.5.1. Признаки при широкополосном зондировании
- •Скалярные признаки подклассов целей
- •Дальностно-поляризационные портреты (дпп)
- •О переходе от согласованного дальностного разрешения к сверхразрешению
- •Дальностно-частотные портреты (дчп)
- •Дальностно-угловые портреты (дул)
- •1.5.2. Признаки при многочастотном зондировании
- •Признаки при когерентном зондировании сигналами малой протяженности
- •Признаки при когерентном зондировании сигналами большой протяженности.
- •Признаки при некогерентном многочастотном зондировании
- •1.3.3. Признаки при многодиапазонном зондировании
- •1.6. Сигнальные признаки однопозиционной пассивной локации
- •1.7. Сигнальные признаки многопозиционной активно-пассивной локации
- •1.8. Признаковые пространства распознавания
- •1.9. Эффективность радиолокационного распознавания
- •2. Алгоритмы распознавания по совокупности признаков
- •2.1. Общие сведения
- •2.2. Байесовские одноэтапные алгоритмы распознавания
- •2.2.1. Исходные структуры алгоритмов
- •При этом отношение
- •2.2.2. Мультипликативные байесовские алгоритмы и их частичная
- •2.2.3 Аддитивные частично параметризованные байесовские алгоритмы
- •2.2.4. Примеры элементов байесовских алгоритмов
- •Элементы алгоритмов, связанные с измерением эффективных площадей целей
- •Элементы алгоритмов связанные с получением дальностных портретов целей
- •2.3. Непараметрические алгоритмы многоальтернативного распознавания
- •2.3.1. Алгоритмы вычисления расстояний
- •2.3.2. Алгоритмы голосования
- •2.4. Нейрокомпьютерные алгоритмы
- •2.4.1. Принципы построения и структуры и ейро компьютерных алгоритмов
- •2.4.2. Варианты алгоритмов функционирования и обучения
- •2.4.3. Нейробайесовские алгоритмы
- •2.4.4. Некоторые данные моделирования
- •3. Принципы реализации высокого разрешения по дальности и по угловой координате в одпопозиционных системах радиолокационного распознавания
- •3.1. Общие сведения
- •3.2. Возможности и примеры получения дальностных портретов
- •3.2.1. Методы когерентной обработки сигналов
- •3.2.2. Примеры когерентной обработки сигналов
- •3.3. Принципы реализации высокого разрешения за счет прямого синтеза апертуры
- •3.4. Пример синтеза апертуры на спутнике "Сисат", сша, 1978 [41]
- •3.5. Обратный (инверсный) синтез апертуры и формирование дальностно-угловых портретов
- •3.6. Варианты адаптации к случайным параметрам сигналов
- •3.7. Адаптация к неравномерному движению цели без угловых рысканий
- •3.8. Принципы адаптации к рысканиям цели
- •3.8.1. Применение методов углового сверхразрешения
- •3.8.2. Сочетание когерентной обработки с некогерентной
- •3.8.3. Компенсация амплитудно-фазовых флюктуаций, обусловленных
- •4. Экспериментальные и расчетные методы определения характеристик вторичного излучения и показателей качества радиолокационного распознавания
- •4.1. Общие сведения
- •4.2. Экспериментальные методы определения характеристик вторичного излучения
- •4.2.1. Методы натурных измерений
- •4.2.2. Методы масштабного электродинамического моделирования
- •4.2.3. Методы гидроакустического моделирования
- •4.3. Расчетные методы определения характеристик вторичного излучения
- •4.3.1. Разновидности расчетных методов
- •4.3.3. Динамические цифровые модели вторичного излучения
- •Варианты построения динамических моделей
- •4.4. Методы определения показателей качества радиолокационного распознавания
- •4.4.1. Натурные методы
- •4.4.2. Методы физического моделирования
- •4.4.3. Методы математического моделирования
- •4.4. Примеры математического моделирования распознавания воздушных целей по совокупности признаков
2.4.4. Некоторые данные моделирования
Авторы [56] рекомендуют выбирать для моделирования значения zpl равными 0,9 и 0.1, а не 1 и 0, чтобы избежать нулевых производных функций f(w). Начальные значения а^ рекомендуется выбирать в виде малых не равных между собой случайных чисел. Излишек скрытых элементов N - т на начальном этапе моделирования поможет предотвратить нежелательную сходимость к локальному (т.е. не глобальному) минимуму.
В [56] приводятся данные моделирования нейрокомпьютерного распознавания воздушных объектов по данным, используемым для построения их двумерных дальностно-угловых портретов (разд. 1.5, 1.8). Утверждается, что отдельного расчета этих портретов можно не проводить и что достаточно иметь только часть данных, необходимых для получения этих портретов.
В [136] приводятся примеры нейрокомпьютерного распознавания местности в районе чернобыльской катастрофы по спутниковым данным.
В приложении 6 приводятся результаты моделирования нейрокомпьютерного и нейробайесовского распознавания воздушных целей по их одномерным дальностным портретам.
Авторы |141] получают при сигнальных признаках для алгоритмов нейрокомпьютерного распознавания "ближайшего соседа" и максимума правдоподобия близкие результаты.
3. Принципы реализации высокого разрешения по дальности и по угловой координате в одпопозиционных системах радиолокационного распознавания
3.1. Общие сведения
Разрешение целей по дальности и угловой координате расширяет используемую для распознавания информацию, приближает ее к трехмерной или двумерной зрительной информации об окружающей среде, получаемой человеком на небольших дальностях. В общей форме эти вопросы ставились в разд. 1.4-1.5 и 2. Ниже рассматриваются принципы реализации такого "радиовидения". Так, в разд. 3.2 обсуждаются возможности и приводятся пример технической реализации получения дальностных портретов целей. В разд. 33 рассматриваются принципы получения высокого углового разрешения элементов земной поверхности и расположенных на ней целей радиолокаторами быстро движущихся воздушно-космических носителей за счет прямого синтез апертуры. В разд. 3.4 излагаются общие принципы инверсного (обратного) синтеза апертуры, обеспечивающего высокое угловое разрешение элемента движущихся целей неподвижными относительно земной поверхности радиолокаторами. Вследствие новизны и сложности инверсного синтеза отдельно рассматриваются варианты адаптации к случайным параметрам сигналов и движения целей, возможности применения сверхразрешения и сочетаний когерентной и некогерентной обработки сигналов при инверсном синтезе (разд. 3.5 - 3.8).
3.2. Возможности и примеры получения дальностных портретов
Зависимость качества распознавания объектов с различными алфавитами их классов от разрешающей способности по дальности может быть установлена методом математического моделирования (разд. 4). С общих позиций, желательно повышение разрешающей способности по дальности, однако чрезмерное ее повышение, дробя сигнал, увеличивает пороговую энергию обнаружения. С учетом наличия малоразмерных целей, с одной стороны, и желательности ограничения стоимости - с другой, могут реализовываться разрешающие способности порядка метра - единиц метров для воздушных целей и порядка долей метра для космических и баллистических целей. Для согласованного разрешения потребная полоса частот составляет 150 МГц - доли от 150 МГц в первом случае и более 150 МГц - во втором (см. также разд. 1.5.1).
Сигналы с указанными полосами могут быть широкополосными (частотно-модулированными, фазоманипулированными, частотно-манипулированными), а также многочастотными. Широкое внимание было уделено в предшествующие годы линейно-частотно-модулированному (ЛЧМ) сигналу, для обработки которого не требуется сложная элементная база.