- •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
1.5. Сигнальные признаки однопозиционной активной локации при широкополосном, многочастотном и многодиапазонном зондировании
При большой полосе частот зондирующих сигналов со сплошным спектром (широкополосных сигналов, разд. 1.5.1), а в ряде случаев и с дискретным спектром (многочастотные сигналы, разд. 1.5.2) удается разрешать элементы целей вдоль линии визирования и наблюдать их радиолокационные дальностные портреты РЛДП, ДП [37-43, 62]. Если при этом реализуется и большая протяженность когерентного излучения, возможен переход к двумерным портретам целей за счет сочетания продольного разрешения (широкополосность сигнала) с разрешением по частоте (протяженность сигнала), позволяющим наблюдать эффекты турбинной (пропеллерной) модуляции и осуществлять инверсный апертурный синтез. Одновременно с этим могут оцениваться такие признаки, как эффективная площадь (интегральная и элементов цели), а также поляризационные признаки наиболее характерных элементов цели [42, 128].
Переход к многодиапазонным сигналам позволяет учесть возможность выявления резонансов вторичного излучения на определенных частотах и, наоборот, его ослабления на других частотах за счет дифракционного огибания волнами цели. Поскольку эти эффекты зависят от соотношения размеров цели и длины волны, они могут служить признаками распознавания [102, 131].
Остановимся на перечисленных признаках подробнее.
1.5.1. Признаки при широкополосном зондировании
При полосах частот зондирующих сигналов П = 30... 1000 МГц можно обеспечить согласованную разрешающую способность по дальности 5...0,15 м, что позволяет получать ДП надводных, воздушных, космических и т.д. целей различной протяженности. На рис. 1.11 приведены совмещенные по размеру силуэты самолетов Ан-10, Ли-2, Су-9 и соответствующие ДП в режиме автозахвата на дальностях до 65 км. Результаты соответствуют: длительности импульса 2 мкс, полосе частот сигнала и фильтра 72 МГц, аналоговой фильтровой обработке в квадратурных каналах, несколько зауженной полосе частот индикатора. Описанный эксперимент, проведенный в 1963-1964 гг. [37, 38] группой харьковских специалистов, в развитие работ по сжатию импульсов 1956-1959 гг. [38, 132, 133], показал возможность различать цели по протяженности дальностных портретов.
Близкие результаты к этому и нескольким последующим экспериментам дает математическое моделирование, результатами которого, как и в предыдущих разделах, удобно воспользоваться для пояснения наблюдаемых закономерностей.
На рис. 1.12 приводятся ДП воздушных целей при различной ширине спектра сигналов. В качестве целей выбраны цели большого размера (транспортный самолет), среднего размера (тактический истребитель) и малого размера (крылатая ракета). Видно, как постепенно с уменьшением полосы частот П, даже в отсутствие шума, ДП цели малого размера приближается по своей протяженности к ДП цели среднего размера, а ДП цели среднего размера – к ДП цели большого размера, причем все это имеет место для одного и того же точно известного курсового угла (ракурса) γ.
Рис. 1.11 Дальностные портреты самолетов: а – Ан-10; б – Ли-2; в – Су-9
Рис 1.12. Дальностные портреты: а, б, в – самолеты больших размеров; г, д, е – самолеты средних размеров; ж, з, и – крылатой ракеты при различной ширине спектра частот П
Рис. 1.13. Дальностные портреты: а, б, – самолета крупных размеров; в, г – самолета средних размеров; д, е – крылатой ракеты при различных ракурсах облучения
На рис. 1.13 приведены ДП воздушных целей большого, среднего и малого размеров при полосе частот П = 80 МГц для длины волны λ = 10 см при различающихся ракурсах. Показано, что изменение ракурса цели большого размера на 0,1°, цели среднего размера на 0.5° и цели малого размера на 2,5° заметно меняет вид портрета. Однако наблюдается и известная повторяемость портретов через некоторые интервалы курсовых углов. Это позволяет сокращать число эталонных портретов, закладываемых в память ЭВМ для различных заранее выбранных секторов ракурсов. Номер сектора можно оценить до распознавания по результатам траекторного анализа. Если таких портретов, например, в классе "большая цель", всего четыре, можно сказать, что этот класс разбивается на четыре подкласса (кластера).