Содержание к диссертации
Введение
1. Методологические аспекты оценивания динамических ситуации в многосенсорных системах автосопровождения надводных объектов ... 13
1.1 Динамическая ситуация как задача распознавания и автосопровождения НО 13
1.2. Анализ средств наблюдения, применяемых в многосенсорных системах автосопровождения НО 19
13. Структуризация методов объединения информации в многосенсорных системах 23
Выводы 29
2. Формализация процедуры автоматического сопровождения маневрирующих объектов 30
2.1.Рекуррентные фильтры с преобразованием координат 30
2.2. Многомодельный алгоритм фильтрации параметров траектории маневрирующих целей 43
2.3»Вероятностный алгоритм фильтрации маневрирующих целей 49
2.4. Обобщенный фильтр Калмана с использованием информации об амплитуде сигнала 63
2.5. Сравнительное оценивание алгоритмов по результатам моделирования 71
Выводы 80
3. Алгоритмизация и информационное обеспечение автосопровождения целей в многосенсорных системах 83
3.1. Особенности информационного обеспечения в синхронных многосенсорных системах 83
3-2. Алгоритмизация слежения за маневрирующими целями в
многосенсорных системах в условиях априорной неопределенности 87
3.3. Анализ влияния взаимосвязи ошибок измерения в различных датчиках на точность вычисления 94
3.4.Алгоритм обработки информации по данным оценок состояния отдельных сенсоров 100
3,5.Обработка информации в многосенсорных системах с разнородными датчиками 112
3.6. Использование информации о радиальной скорости цели в многосенсорных системах автосопровождения 119
Выводы , 128
4, Основы принятия решений при распознавании информационных образов как динамических ситуаций 130
4,1. Взаимосвязь задач обнаружения, оценивания и распознавания 130
4,2.Модели надводных объектов 137
4.2. К Распределенная модель 139
4.2.2. Дискретная модель 140
4.2.3. Комбинированная модель 141
4.3. Методы формирования и представления информационных образов надводных объектов 143
4.4. Алгоритмы распознавания и классификации пространственно-распределенных надводных объектов 148
4.5. Оптимизация структуры информационного образа надводных объектов * 158
Выводы 175
5. Обратная задача распознавания как метод управления информационным образом объекта 177
5.1. Информационное пространство эталонов при решении обратной задачи распознавания 177
5.2.Оптимизация процедуры управления информационными образами 187
5.3. Методы управления информационными образами надводных объектов 202
5.3.1- Технология управления информационными образами 202
5.3.2. Система оперативного изменения ИО объектов на базе уголковых отражателей 209
5.3.3. Система оперативного изменения ИО объекта на базе с помощью экранирования 213
5.3.4. Система оперативного управления ИО объекта с использованием поглотителей электромагнитных волн 219
5.4.Формирование банка данных методов управления информационным образом объекта 224
5.5.Структуризация процессов изменения информационных образов надводных объектов 227
Выводы 245
6. Модели оценивания работоспособности систем информационной поддержки принятия решения 246
6.1. Система информационной поддержки принятия решения как объект диагностики 246
6.1.1. Модель подсистемы аппаратно-программной реализации 248
6.1.2. Модель контроля работоспособности конструкций механических СИП 253
6.1.3. Модель контроля работоспособности электронных узлов СИП.. 260
6.2. Управление техническим обслуживанием САЦ 269
6.2.1. Алгоритмизация контроля работоспособности САЦ 269
6.2.2. Анализ эффективности методики контроля работоспособности САЦ 272
6.2.3. Аппаратно-программная реализация САЦ 285
6.3. Оценивание технического состояния механических конструкций САЦ 292
6.3.1. Концепция вибродиагностики механических конструкций САЦ. 292
6.3.2. Снижение размерности пространства признаков 295
6.3.3. Адаптивная фильтрация сигналов в задачах вибродиагностики.. 300
6.3.4. Аппаратно-программный комплекс системы вибродиагностики 306
6.4. Алгоритмизация прогнозирования и контроля работоспособности электронных систем по результатам экспресс - оценок показателей качества функционирования отдельных блоков 310
6.4.1. Принципы анализа и прогнозирования работоспособности электронных устройств САЦ 310
6.4.2. Прогнозирование состояния работоспособности электронных систем на основе модели, учитывающей информацию датчиков различных типов 316
6.4.3. Модели оценки работоспособности РЛС 321
Выводы 332
Заключение 334
Список литературы 339
- Структуризация методов объединения информации в многосенсорных системах
- Обобщенный фильтр Калмана с использованием информации об амплитуде сигнала
- Анализ влияния взаимосвязи ошибок измерения в различных датчиках на точность вычисления
- Методы формирования и представления информационных образов надводных объектов
Введение к работе
Актуальность проблемы. Одной из основных составляющих мировой транспортной системы является водный транспорт как наиболее дешевый, надежный и грузоподъемный. Более 30 % мирового грузопотока осуществляется с помощью транспортных средств морского и речного флотов, а транспортировка товаров при этом оценивается в развитых странах до 10 % валового продукта. В связи с этим вопросы управления транспортными потоками, оптимизации маршрутов движения судов, диспетчеризация движения с учетом погрузки и разгрузки, информатизация компьютерных технологий контроля и оценивания динамической ситуации состояния флота (как своего, так и конкурирующей стороны), распознавание и идентификация отдельных судов (надводных объектов) на основе распределенных информационных систем приобретают первостепенную важность.
Для решения указанных проблем необходимо создание информационных систем оценивания динамической ситуации сопровождаемых надводных объектов в регионах различного масштаба. Под динамической ситуацией следует понимать изменение во времени координат сопровождаемого объекта, определяющего траекторию его движения, а также изменение взаимного расположения (ракурса) сопровождаемого объекта и наблюдателя, определяющее структуру информационного образа объекта на этапе распознавания. Таким образом, неотъемлемыми составляющими информационных систем оценивания динамической ситуации надводных объектов являются подсистема их автоматического сопровождения и подсистема распознавания и идентификации надводных объектов, в том числе среди однотипных, по информации, поступающей от различных технических средств контроля и наблюдения в заданном водном регионе- Однако не каждое судно или корабль заинтересовано в том, чтобы о нем (о его конфигурации и типе) была получена точная информация. Иными словами, на объектах необходимо иметь подсистемы автоматизированного изменения информационного образа надводного объекта, т.е. изменения информации о своей визуальной структуре
настолько, чтобы любая система контроля и обнаружения принимала ошибочное решение о его типе и назначении,
В настоящее время существует целый ряд специализированных
автоматизированных систем управления водным транспортом. Это системы
управления судов при проходе к порту, системы проводки судов через
разводные мосты, шлюзы и т.д. Эти системы весьма дорогостоящие, решают, как
правило, частные задачи, а действие их распространяется на ограниченной
акватории, В работе для оценивания динамической ситуации надводных
объектов предлагается использовать многосенсорную структуру построения
системы управления, где в качестве отдельных датчиков информации
используются штатные радиоэлектронные средства наблюдения
(радиолокаторы, гидролокаторы, теплолокаторы, оптолокаторы,
радиопеленгаторы и т.д.), расположенные вдоль путей следования транспортных средств и предназначенные для решения других (оборонных, экологических, метеорологических и т.д.) задач. Объединение информации в миогосенсорных системах в едином процессоре позволяет решать поставленную задачу более эффективно как с точки зрения точности оценивания динамической ситуации надводных объектов, так и с точки зрения уменьшения объема вычислений и материальных затрат.
Несмотря на огромное число исследовательских работ, и публикаций в области создания систем автоматического сопровождения объектов, систем распознавания и маскировки, построение систем оценивания динамической ситуации надводных объектов в многосенсорных системах представляет весьма сложную проблему. Эта проблема связана с тем, что решение конкретной прикладной задачи всегда носит комплексных характер, связанный с необходимостью исследования структуры источников информации, исследованием носителей информации, выделением информации, связанной непосредственно с распознаванием или определением местоположения сопровождаемого объекта, выбором метода построения систем принятия решения. Основные сложности решения перечисленных подзадач связаны с исходной априорной неопределенностью знаний о модели движения объекта, его маневренных свойствах, помеховой обстановки, а также априорной
неопределенностью условий формирования распознаваемого сигнала, в том числе связанной с каналом распространения.
Разработанные в диссертации теоретические положения, математическое» алгоритмическое и программное обеспечение использовалось применительно к решению конкретных задач многосенсорных систем автоматического сопровождения надводных объектов, построенных на базе рекуррентных фильтров, а также систем распознавания, идентификации и изменения информационных образов надводных объектов в радиолокационном поле-Весь комплекс научных исследований по разработке и внедрению информационных технологий, а также практических мероприятий по совершенствованию процессов управления транспортными потоками представляются как крупная научно-техническая проблема, имеющая большое народно-хозяйственное значение.
Целью диссертационной работы является решение важнейшей научной проблемы - повышение эффективности автоматизированных систем поддержки принятия решения в задачах контроля и оценивания динамических ситуаций при неуправляемом перемещении множества надводных объектов на основе использования информационных технологий и алгоритмов многосенсорного автоматического сопровождения и распознавания.
В соответствии с указанной целью в работе поставлены, обоснованы и решены следующие задачи:
Концепция построения структур распределенных многосеисорных систем автосопровождения целей на базе датчиков различной физической природы и средств распознавания надводных объектов.
Математическое и алгоритмическое обеспечение процедуры объединения информации в многосенсорных системах автосопровождения целей, обеспечивающее качественно новый уровень решения проблемы повышения точности определения координат надводных объектов-
Методы и способы совершенствования алгоритмов калмановской фильтрации в задачах автоматического сопровождения быстроманеврирующих надводных объектов при наличии внешних помех высокой интенсивности.
Теоретические аспекты и алгоритмы создания информационных образов надводных объектов, а также их техническое обеспечение в различных информационных полях.
Математические модели управления информационными образами надводных объектов с помощью различных технических средств и алгоритмизация моделирования в выбранном информационном поле на основе программно-моделирующего комплекса,
Аппаратно-программная реализация управления техническим обслуживанием многоканальных систем автосопровождения целей, обеспечивающая возможность непрерывного сопровождения всех заданных целей при нарушении режимов работы или полном выходе из строя отдельных звеньев или каналов систем.
Объектом исследования являются автоматизированные системы поддержки принятия решения при оценивании динамической ситуации перемещения надводных объектов с помощью многосенсорных систем сопровождения и распознавания.
Предметом исследования диссертации являются методологические положения и алгоритмические основы информационной поддержки автоматизированных многосенсорных систем сопровождения совокупности надводных целей с оценкой их динамических свойств и конфигураций.
Методы исследования. Методологической основой и общей теоретической базой диссертационного исследования являются теория управления, теория информации, теория распознавания образов, теория алгоритмизации, методы анализа и обработки сигналов в различных информационных полях и теория радиолокации. Используются методы статистической обработки сигналов и алгоритмы имитационного моделирования.
Исследования опираются на различные департаменты Министерства транспорта и Министерства обороны России, специальную математическую и техническую литературу.
Научная новизна. В результате проведенных исследований осуществлено теоретическое, экспериментальное и модельное обоснование и решение
ключевых задач теории управления транспортными потоками в части автоматического сопровождения, распознавания и противодействию распознавания надводных объектов.
В диссертационной работе получены следующие новые научные результаты, которые выносятся на защиту,
1. Разработан общий подход к построению систем управления іранспортньїми
потоками на морских и речных акваториях, позволяющий использовать результаты распознавания и идентификации надводных объектов в многосенсорных системах автоматического сопровождения целей.
2. Разработаны новые алгоритмы процедуры автоматического сопровождения
маневрирующих объективов в условиях воздействия внешних помех, основанные на использовании модифицированных многомодельных уравнений движения объектов и информации об отраженном от цели сигнале.
3. Предложена методология построения многосенсорных систем
автоматического сопровождения надводных объектов и разработано математическое обеспечение для объединения информации от отдельных датчиков.
4. Предложено методическое обеспечение формирования информационных
образов надводных объектов в различных физических полях и оптимизации параметров измерительных систем, обеспечивающих их реализацию-
5. Разработаны принципы автоматизации процессов изменения
информационного массива данных о надводных объектах, позволяющие повысить вероятность распознавания однотипных объектов или противодействовать их распознаванию.
6. Разработаны структура, метод и алгоритмы для управления техническим
состоянием системы автоматического сопровождения надводных объектов, обеспечивающие непрерывное функционирование системы при выходе из строя отдельных ее каналов или звеньев.
Практическая ценность результатов работы заключается в создании методологических основ решения задач оценивания конкретной динамической
ситуации в многосенсорных системах автоматического сопровождения морских и речных надводных объектов.
По результатам проведенных исследований и при участии автора разработаны модели, алгоритмы, структуры и программы, предназначенные для автоматического сопровождения надводных объектов и их распознавания, реализованные на базе современных компьютерных систем.
Реализация, Разработанные в диссертации алгоритмы автосопровождения надводных объектов, методики формирования и изменения информационных образов надводных объектов, а также проблемно-ориентированные машинные программы апробированные на экспериментальных данных, полученных в результате натурных исследований, проводимых на морских судах и кораблях, и используются в научных исследованиях в НИИ проблем автоматизации, а также в организациях Министерства обороны. Разработанные методики, алгоритмы и схемные решения внедрены в учебном процессе Российского государственного гидрометеорологического университета.
Апробация работы. Основные положения работы по мере их выполнения представлялись на отечественных и международных конференциях, семинарах, симпозиумах и выставках, в том числе на Международной НТК по информатике и управлению в 1997 г., Международных НТК ТРАНСКОМ в 1997, 1999 годах, IX Международной конференции «Автоматизация процессов управления техническими средствами исследования Мирового Океана» в 1994 г., Всероссийском симпозиуме «Радиолокационные исследования природных сред» в 1994 г., Всесоюзной конференции по проблеме «Океан» в 1987 г., Всесоюзной конференции «Обработка локационных сигналов, отраженных протяженными объектами» в 1981 г., Всесоюзной НТК по прогнозированию надежности изделий электронной техники, П-оЙ Ленинградской конференции по распознаванию образов в 1978 г., Ежегодных Научно-технических Конференциях профессорско-преподавательского состава ЛЭТИ в 1971 - 1997 годах, Ежегодных НТК профессорско-преподавательского состава РГТМУ в 1999-2001 годах.
Публикации. Основное содержание диссертации опубликовано в 82 научных работах, в том числе в четырех монографиях: «Радиооборудование
кораблей»; «Моделирование и испытание судового радиооборудования»; «Построение судового радиооборудования»; «Измерение информационных образов надводных объектов», шести авторских свидетельствах, 56 научных статьях, 14 учебных пособиях.
Структура и объем работы. Диссертация представлена в форме рукописи, состоящей из введения и шести глав. Общий объем работы составляет 350 страниц, в том числе 98 рисунков, 4 таблиц и список использованных источников из 165 наименований.
Структуризация методов объединения информации в многосенсорных системах
Анализ существующих средств наблюдения и оценивания динамической ситуации на морских и речных акваториях показал их большое разнообразие и функциональную избыточность, В то же время требования, предъявляемые к современным автоматизированным системам управления транспортными потоками (надводными, воздушными, сухопутными), ставят перед разработчиками задачу создания новых специализированных систем, решающих частные задачи. К таким задачам могут быть отнесены управление движением малоразмерной авиации, управление движением надводных объектов при подходе к разводным мостам, шлюзам, автоматическое сопровождение перемещения нефтяных пятен (сликов) на водной поверхности или радиационных облаков в мониторингах окружающей среды и т.д,
В работе для построения специализированных систем управления транспортными средствами, в частности, надводными объектами, предлагается использовать штатные средства наблюдения, расположенные вдоль путей следования сопровождаемых объектов и предназначенные для решения иных (метеорологических, экологических, оборонных и т.д.) задач. При этом указанные средства наблюдения, продолжая выполнять свое непосредственное назначение, за счет их функциональной избыточности и использования соответствующих технологий объединения информации, могут стать основой для построения новых специализированных комплексов без существенных дополнительных материальных затрат на их создание.
Такой комплекс имеет ряд особенностей:
комплекс является многопозиционным, т.е. он состоит не из одной станции, а из ряда радиолокационных станций, расположенных на определенном расстоянии, что в общем случае позволяет повысить количество информации о состоянии управляемого транспортного потока;
комплекс является мно го диапазонным, т.е. каждая радиолокационная станция работает на своей определенной частоте и имеет свои значения разрешающей способности по дальности и угловой координате, что не позволяет унифицировать форму представления радиолокационного портрета в процессе распознавания объектов;
антенные системы различных радиолокационных станций работают асинхронно и с разными периодами вращения, поэтому отметки от цели поступают на вход системы вторичной обработки информации тоже асинхронно и неэквидистантно (здесь под отметкой понимаем вектор оцениваемых параметров и его корреляционную матрицу), что накладывает дополнительные требования на систему совместной обработки информации.
Использование многосенсорных систем для целей автосопровождения НО, позволяет существенно повысить точность определения сглаженных и экстраполированных значений координат. Теоретически лучшее характеристики следящей системы могут быть достигнуты объединением информации прямо с датчиков. Однако ограничения, накладываемые на систему средствами коммуникации, а также некоторыми организационными моментами, требуют построения иерархических структур многосенсорных систем, в которых система объединения (центральный процессор) не имеет прямого доступа к информационному массиву датчиков. Взамен этого в каждом датчике информация обрабатывается локально (в локальном процессоре) и в виде данных траекторий датчиков передастся на центральный процессор, где происходит объединение траекторий отдельных датчиков с целью повышения точности оценки параметров всей системы.
Следует отметить, что многопозиционные комплексы позволяют измерять информационные образы НО с различных ракурсов одновременно, что, с одной стороны, повышает вероятность распознавания и идентификации этих объектов, а с другой стороны затрудняет процесс противодействия НО его распознаванию.
Целесообразность объединения отдельных средств наблюдения в единую многосенсорную систему обосновывается теоремой аддитивности, впервые доказанной в [57]. Теорема формируется следующим образом.
Поисковый потенциал N независимых наблюдателей обладает свойством аддитивности. Если в некотором заданном районе поиска цель ищут N наблюдателей (N 1), то вероятность обнаружения цели определяется выражением:
Р(0=1-ехр[- (О, J"]
где Fj(t) - поисковый потенциал і-го наблюдателя.
Задача автосопровождения НО с помощью многосенсорных систем решается при следующих предположениях:
в зоне обзора каждого средства наблюдения имеется несколько целей; измерение координат НО производится при наличии внешних помех;
для каждого средства наблюдения заданы вероятность пропуска цели, вероятность ложной тревоги и среднеквадратические значения ошибок измерения координат;
темп выдачи информации средств наблюдения задан. Система автосопровождения должна:
идентифицировать траекторию каждой цели;
Обобщенный фильтр Калмана с использованием информации об амплитуде сигнала
Реализация многомодельной системы для одновременного решения задачи формирования траектории и сопровождения цели по траектории достигается использованием двухмодельнои системы на стадии формирования траектории, которая затем расширяется путем включения дополнительных моделей, призванных обеспечить сопровождение маневрирующих целей после их обнаружения, Двухмодельный подход при решении задачи формирования траектории предполагает, что задача обнаружения решается для не маневрирующих целей. Для формирования траетроии используются следующие две модели: модель наблюдение цели с относительно постоянной скоростью; модель "отсутствие цели". В работе предложено пять дополнительных моделей, обеспечивающих сопровождение маневрирующих целей, которые в комбинации с моделями формирования позволяют комплексно решать задачу автосопровождения целей. Отметим, что модель "отсутствия цели" может быть использована также для сокращения количества потерянных целей. Модель движения цели с периодом выборки Т в декартовой системе координат записывается в виде: x{k + l)=Fx(k)+rv(k) где ( )= дискретная последовательность белого шума с нулевым средним, используемая для моделирования неизвестных ускорений в системе координат и г\. Рассмотрим подробно модели, используемые для слежения за маневрирующими целями. Модель М1 Это кинематическая модель второго порядка (с компонентами положения цели и ее скорости), представленная в двухкоординатной декартовой системе координат, с переходной матрицей состояния вида: Изменение скорости моделируется белым шумом с нулевым средним, Помеховая добавка может быть представлена в виде: а вариации шума равны: &и=а% " i Малые значения qx означают движение с почти постоянной скоростью. Модель М1 применима для слежения за целями, движущимися с почти постоянной скоростью и постоянным курсом, М1 взаимодействуя с моделью Mf обеспечивает выполнение операций обнаружения траекторий целей или формирование траекторий. Модель М1 Модель М описывается тем же уравнением состояния, что и модель М , #. но с более высоким уровнем шумового процесса: Модель М , используя более высокий уровень порождающих шумов, позволяет учитывать ускорение цели и применима (с ограниченной степенью успеха) для слежения за маневрирующими целями. Модель М Модель М, обозначающая отсутствие цели, использует то же уравнение состояния и допущение на характер шумового процесса, что и модель М1, но при условии, что PD=0. Модель М3 Это модель третьего порядка (с компонентами положения цели, ее w скорости и ускорения), представленная в двухкоординатной декартовой системе координат, с переходной матрицей состояния
Конструктивными параметрами данной модели являются стандартные отклонения процесса белого шума от каждой из компонент av и ст , причем
Малое значение qj означает движение с "почти постоянным ускорением".
Эта модель использует то же уравнение состояния, что и модель М3, но с более высоким уровнем шумового процесса:
Модели М3 и М4 включают в себя оценку ускорения при одинаковом уровне шумового процесса по обоим координатам. Началом маневра является быстрый переход (скачок) ускорения цели от нулевого значения до некоторого конечного значения. А затем обратный скачок по завершению маневра к нулевому значению ускорения. В этом задача модели М4.
Более низкий уровень порождающих шумов в модели М3 обеспечивает более высокую точность оценивания параметров в процессе маневра. Модели М5 и M Это скоординированные модели разворотов маневрирующих целей.
Если цель движется с постоянной скоростью (постоянна величина вектора скорости) и маневрирует с постоянной угловой скоростью, то есть выполняет скоординированный поворот, то уравнения движения в плоскости ( /п) будут следующими:
І = -П7 5 = nl С2-61)
где С1 - постоянная угловая скорость,
В модели М П 0 для поворота против часовой стрелки (левого), а в М Q 0 для поворота по часовой стрелке (правого).
Вышеприведенное пространство состояний, представленное с помощью базового вектора
Анализ влияния взаимосвязи ошибок измерения в различных датчиках на точность вычисления
Рассматривается процедура обработки информации в многосенсорной системе траекторных измерений, структура которой представлена на рис.1.5-Предполагается, что имеется 2 траектории, полученные от двух различных датчиков. Необходимо найти оптимальный (или субоптимальный) алгоритм обработки информации от двух датчиков на уровне объединения траекторий (а не отдельных измерений от датчиков). Полагаем, что начальные значения оценок состояния и ковариаций для двух траекторий, принадлежащих одной и той же цели, равны х (0 f 0} и Рт{0}0\ m = i,j. Динамическое уравнение цели равно; x(k+l)=F{k)x{k)+v(k), v(k) - шумовая последовательность с нулевым средним и ковариацией Q(k.) Измерения, полученные от двух датчиков, равны: zm{k) = Hm{k)x{k)+w n(kl m = ij где шумы измерений wm {к) - взаимно независимы, с ковариационными матрицами Rm(k\ m = ij. Отметим, что из-за общности шумовых процессов двух траекторий появляется зависимость между оценками ошибок х (к\к) и xJ(k\k), т.к. сам факт того, что шумовые последовательности независимы, еще не является основанием считать эти ошибки тоже независимыми, л Оценка сглаженного значения m-го датчика запишется в виде: Наличие в выражении (3.12) третьего и четвертого слагаемого показывает, что : ошибки измерений различных датчиков действительно зависимы; ошибки имеют положительную корреляцию и уменьшают общую ковариацию ошибок оценки состояния. В предположении того, что закон распределения ошибок нормальный, критерий выбора гипотез может быть записан следующим образом: J Если D = к {к) [т (k)\l kJ {к) D0, то принимается гипотеза Но V ЕслиВ В0, то принимается гипотеза Н]. Порог D0 выбирается из условия: P{D D0[H} = a где а 0,01. Полагая, что закон распределения нормальный, можем записать выражение для порогового значения: Рассмотрим процедуру объединения оценок. Если ожидается, что будет справедлива гипотеза HQ т.е. обе траектории принадлежат одной и той же цели, то оценки х (к) и xj(k) принадлежат одному общему достоверному состоянию: х (к) = {к) = х(к) Объединение может быть представлено в виде линейного уравнения: где оценка х(&)=[ Dr\. Здесь через Д обозначена априорная информация оті-го датчика. Ковариация между переменными, которые должны быть оценены, и измерении равна. Уравнение (ЗЛЗ) выполняет процедуру объединения оценок состояний двух датчиков по критерию минимума значения квадрата ошибки или максимума отношения правдоподобия при условии, что ошибки распределены по нормальному закону. Рассмотрим численный пример эффекта кросс-ковариации при объединении в многосенсорпых системах. Полагаем, что два датчика осуществляют автосопровождение одной и той же цели, причем у каждого датчика имеется свой локальный процессор. Цель описывается кинематическим уравнением первого порядка: с дисперсией шумового процесса, равной q. Уравнения измерений от двух датчиков равны: Zm{k) = [\ 0}с{к) + а я(к\ т = \а В этом уравнении шумы измерений взаимно независимы, а дисперсия равна 1. Индекс маневрирования цели равен: На рисунке ЗЛ показаны полученные расчетным образом эллипсы рассеяния ошибок в пространстве координат положение - скорость для следующих значений q: 0,01; 0,1; 0,5; 1;2; 5, В первой колонке приведены эллипсы рассеяния, полученные для каждого датчика отдельно. Во второй колонке приведены значения тех же эллипсов для случая независимых ошибок измерений, а в третьей колонке для случая зависимых ошибок. Из рисунка вытекает, что ошибка оценивания максимальна, если используется результат отдельно одного из двух датчиков. При объединении информации эллипсы уменьшаются и достигают минимального размера, если ошибки измерений двух датчиков независимы. На рис. 3.2. приведен график зависимости измерения нормированной площади эллипса рассеяния ошибок оценивания состояния объединенной системы от коэффициента корреляции между ошибками измерений различных датчиков К,2- Из трафика видно, что для независимых систем (Кі = 0) 5Е --,, т.е. ошибка оценки состояния системы в 2 раза меньше ошибки оценки отдельного датчика. Однако, для полностью зависимых систем эффект объединения незначительный.
Методы формирования и представления информационных образов надводных объектов
Измеренные значения признаков с локатора поступают на формирователь пространства признаков и далее на устройство сравнения. Туда же с блока памяти поступают эталонные описания всех классов Ft, i \,M. После сравнения этих данных в зависимости от выбранного алгоритма производится принятие решения о принадлежности объекта к тому или иному классу.
Таким образом, задача распознавания предполагает последовательное решение следующих вопросов:
формирование пространства признаков;
уменьшение размерности (оптимизация размерности) пространства признаков:
выбор алгоритма распознавания:
оценка эффективности системы распознавания.
Рассмотрим последовательно эти вопросы.
Из рассмотренного анализа технических средств получения информационной обстановки на море следует, что информационные образы надводных объектов (ИОНО) могут быть одномерными» двумерными и трехмерными. Мерность информационного образа (ИО) зависит от наличия и величины разрешающей способности технических средств соответственно по одной, двум или трем координатам одновременно в некоторой системе координат. Как правило, система координат сферическая, а измеряемые координаты соответственно дальность, азимут и угол места.
Под величиной разрешающей способности технического средства по некоторой координате понимают минимальное расстояние между двумя локальными центрами отражения (излучения) надводного объекта (НО) по данной координате при фиксированном значении двух других координат, при котором эти два центра воспринимаются техническим средством раздельно.
Разрешающая способность по дальности ДЛ систем локации определяется длительностью зондирующего импульса г и скоростью распространения волны с в среде распространения AR - -—.
Разрешающая способность по угловым координатам (азимуту и углу места, соответственно) ДДр, ДЙЙ определяется шириной диаграммы направленности антенного устройства приемо-передающего тракта по данной координате А. р,А9 и расстоянием до объекта R: AR -R A(p;ARe=R A9, где
Др\ Ав - в радианах.
Пусть некоторый НО имеет геометрические размеры в направлении распространения волн к техническому средству с разрешающей способностью AR, ARp, &R9 соответственно /, d, h (рис,4.2).
Тогда количество элементов разрешения по каждой координате соответственно равно Nx = ; N2 = ; N-$ = . Если Nf 1, то по данной координате техническое средство не обладает разрешением. При наличии у технического средства разрешения по всем трем координатам ИОНО является трехмерным, а элемент разрешения - куб, объемом
Каждый элемент разрешения излучает и (или) переизлучает электромагнитные колебания, значение которых изменяется в пределах от gIJkmin
Распределение значений ,к по пространственным координатам и есть информационный образ. При N{iN2,N o+ элемент разрешения VIJk- 0 и
радионаблюдение преобразуется в радиовидение.
Как было показано выше, большинство технических средств освещения обстановки на море обладают разрешением по каким-либо двум координатам из трех: активные средства, как правило, по координатам "дальность-азимут", пассивные - по координатам "азимут-угол места".
В этом случае, элемент разрешения - площадь, величиной
Классификация признаков, используемых для распознавания при решении задач управления транспортным потоком, представлена на рис, 1.2 При построении ИО в радиолокационном поле в качестве измеряемого параметра (признака) используют такие характеристики радиолокационного поля, как угломерный шум, дальномерный шум, спектральные характеристики, корреляционные характеристики, переходные характеристики, эффективная площадь рассеяния (ЭПР) и т.д. [72, 96, 99]. Наиболее часто в качестве исследуемого признака используют ЭПР, которая весьма точно воспроизводит распределение значащих элементов архитектуры объекта по измеряемым координатам. В данной работе в дальнейшем именно этот признак как основной источник информационного образа и будет исследован.
Если xSj есть некоторое значение измеренного признака по некоторой координате, то полученная совокупность измерений по некоторой координате может быть представлена в виде матрицы собой W-мерный вектор наблюдаемых значений признаков. Вектор Xf- можно изобразить точкой АГ-мерного пространства с координатами (дгь,х2,,К ,хм) или направленным отрезком, соединяющим начало координат (0,0,.-,,0) с точкой (xllfx2itK 9Xtf) этого пространства.
Например5 для создания радиолокационного образа эталона посредством РЛС со сверхразрешением возможно описание объекта по двум координатам рх и р2, рис.4.3, где по оси tp} отложены элементы разрешения по дальности, по оси р2 - элементы разрешения по азимуту, а по оси ръ - значения х соответствующего элемента разрешения плоскости дальность-азимут. Под значением Хд можно понимать величину сигнала или ЭПР отдельного отражателя или любую другую радиолокационную характеристику.
