- •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
3.8. Принципы адаптации к рысканиям цели
Рыскания по углам курса, крена и тангажа приводят к случайному характеру величины и направления вектора угловой скорости вращения цели относительно радиолокатора. В результате появляется случайная составляющая амплитудно-фазового распределения на синтезируемой апертуре, вызывающая ее расфокусирование. Так как время когерентности эхо-сигнала от рыскающей цели (даже при использовании алгоритмов АДО или АСО) не превышает 0,3…1 с [40], то и время синтезирования апертуры не может превышать указанного времени. Получение двумерных портретов аэродинамических целей на дальностях свыше 30 км становится в этих условиях сложной задачей.
Увеличение дальности получения двумерных изображений возможно при использовании следующих мер: а) применение методов сверхразрешения, позволяющих повысить угловое разрешение для апертуры ограниченного размера; 6) сочетание когерентной обработки сигналов на интервале когерентности с некогерентной на всем интервале времени наблюдения; в) компенсация амплитудно-фазовых флюктуаций в элементах ДП, возникающих за счет рысканий.
Рассмотрим каждое направление (разд. 3.8.1 - 3.8.3) в отдельности.
3.8.1. Применение методов углового сверхразрешения
Угловое сверхразрешение основано на методах обработки сигналов, отличающихся от согласованной обработки, обеспечиваемой с помощью ДПФ. Первые работы по угловому сверхразрешению, проводившиеся на Украине [69], явились основой для развития техники корреляционной автокомпенсации помех [125]. Сверхразрешение дает возможность получать радиоизображения аэродинамических целей требуемого качества при инверсном синтезировании апертур меньшего, чем при использовании ДПФ, размера [123].
Сверхразрешение связано в общем случае с известными потерями энергии. Коэффициент использования энергии k (относительно энергии, необходимой для обнаружения сигнала при одном интенсивном "мешающем" отражателе) определяется [69, 70] выражением
, (3.17)
где |
g |
- |
выигрыш в угловой разрешающей способности по сравнению с согласованным разрешением. |
При отношении сигнал/шум 20 дБ применение методов сверхразрешения может дать выигрыш в разрешающей способности до 4 раз. Это позволяет увеличить дальность получения радиоизображения до 4 раз при том же времени когерентности сигнала.
В настоящее время в качестве алгоритмов углового сверхразрешения используют цифровые алгоритмы нелинейного спектрального анализа. В рассматриваемом случае это естественно, поскольку разрешение по углу сводится к разрешению по доплеровской частоте. Для этих алгоритмов характерен отказ от простейших расчетов периодограмм временных рядов элементов ДП из-за свойственных им недостатков. Нелинейные методы спектрального анализа связаны с экстраполяцией имеющихся данных (автокорреляционных функций) за пределы окна наблюдения на основе априорных данных, имеющихся во многих случаях. Для оценки спектра мощности используются нелинейные функции оценочной корреляционной матрицы . Здесь - N -элементный вектор анализируемых комплексных амплитуд отсчетов временного ряда. - его комплексно-сопряженное транспонированное значение. В роли дискретных спектральных оценок наиболее часто используются функции вида [70]
; (3.18)
. (3.19)
Здесь , v =0,(N - 1) - опорный N-элементный вектор дискретизированных по времени (t - vT) гармонических колебаний различных частот f, - оценка матрицы NхN, обратной корреляционной; - оценка N-й строки матрицы ; c1,с2 - нормирующие коэффициенты.
Оценки вида (3.18) называют в литературе спектральными оценками максимального правдоподобия (оценками МП-спектра по Кейпону), оценки вида (3.19) называют спектральными оценками максимальной энтропии (оценками МЭ-спектра по Бергу) [70, 126, 127]. МЭ-спектр характеризуется более высоким разрешением, но и большим смещением оценок, чем МП-спектр.
Пример получения дальностно-азимутального портрета модели рыскающего самолета при большом времени наблюдения представлен на рис. 3.5, а. Портрет (рис. 3.5,б) получен при использовании МП-метода с уменьшением времени наблюдения в 8 раз. Энергетические потери, обусловленные сокращением времени наблюдения и использованием сверхразрешения, скомпенсированы увеличением отношения сигнал/шум на один дальностный портрет.
Рис. 3.5. Дальностно-азимутальные портреты самолета при наличии его рысканий (по результатам математического моделирования): а – без применения мер по устранению влияния рысканий б – с использованием углового сверхразрешения