Содержание к диссертации
Введение
Раздел 1. Анализ процессов обработки распределённых измерений в информационно-измерительных системах 20
1.1. Обобщённая схема информационных потоков в ИИС 20
1.2. Варианты реализации ИИС и решаемые задачи 25
1.3. Модель формирования сигнала наблюдаемым объектом 30
1.4. Последовательность этапов обработки сенсорной информации в ИИС 32
1.5. Модель формирования оценки состояния объекта 43
1.6. Методы обработки распределённых измерений '. 46
1.7. Выводы и постановка задач диссертации 60
Раздел 2. Идентификация моментов наступления событий путём анализа плотности распределения 61
2.1. Информационные характеристики распределённых измерений б1
2.2. Энтропия образа цели и фона при некоррелированных значениях пикселей . 63
2.3. Алгоритмическая обработка единственного пикселя 73
2.4. Пространственная цель . 77
2.5. Оценка локальной плотности распределения вероятностей значений сигнала по гистограмме 88
2.6. Единственный пиксель цели при коррелированных значениях пикселей фона 96
2.7. Пространственная цель при коррелированных значениях пикселей цели и фона 102
2.8. Выводы 114
Раздел 3. Идентификация моментов наступления событий путём анализа спектральной плотности сигнала .116
3.1. Введение 116
3.2. Событие как изменение спектральных характеристик сигнала 116
3.3. Выделение МНС с помочью частотно-сигнального преобразования
3.4. Общая форма частотно-временного преобразования 122
3.5. Исследование частотных характеристик некоторых оконных функций .123
3.6. Событие типа «амплитудно-фазовый скачок» 128
3.7. Синтез ядер ЧСП 130
3.8. Частотно-временное преобразование сигнала 135
3.9. Исследование реакции ЧСП на событие типа «амплитудно-фазовый скачок» 139
ЗЛО- Оценка допустимой ширины окна ЧВП и шага смещения при частот
но-временном анализе сигналов 142
ЗЛ 1, Идентификация состояния объекта в частотной области 150
3.12. Выводы 158
Раздел 4. Обработка результатов распределённых измерений радиолокационного сканирования местности : 160
4Л. Введение 160
4.2. Формирование входного сигнала 162
4.3. Характеристика возмущающих воздействий на ПНО 164
4.4. Движение кабины ПНО 174
4.5. Частотный анализ движения ПНО 189
4.6. Метод выделения доплеровской частотной составляющей 194
4.7. Метод вычисления оконного ДПФ при малых значениях шага смещения окна 198
4.8. Экспериментальные исследования процессов обработки распределённых измерений радиолокационного сканирования 203
4.9. Выводы 205
Раздел 5. Математическая модель процесса обработки многомерных распределённых измерений 206
5Л. Введение 206
5.2. Задача преобразования кадров в единую систему координат 211
5.3. Методика выбора базового кадра 215
5.4. Методика формирования множества приводимых точек с использованием корреляционного критерия в области изображения 217
5.5. Методика формирования множества приводимых точек с использованием корреляционного критерия в спектральной области 221
5.6. Методика формирования множества базовых точек 225
5.7. Оценка точности определения координат приводимой точки в условиях воздействия аддитивного белого гауссова шума , 232
5.8. Преобразование кадров в единую систему координат 237
5.9. Методика оценки параметров преобразования кадров в единую систему координат 244
5.10. Выводы 249
Раздел 6. Методы обработки многокадровых моделей изовражений 250
6.1. Динамическое формирование областей поиска приводимых точек при обработке ММИ 250
6.2. Аффинные преобразования многокадровых моделей изображений 266
6.3. Фильтры многокадровых моделей изображений с апертурой-столбцом .271
6.4. Фильтры многокадровых моделей изображений с апертурой-призмой 273
6.5. Обработка периферийных областей приводимых кадров 278
6.6. Выводы 281
Раздел 7. Методы обработки изображений угасающих документов 283
7.1. Введение 283
7.2. Анализ проблем микрофильмирования угасающих документов 284
7.3. Система гибридного микрофильмирования как информационно-
измерительная система 288
7.4. Формирование множества состояний наблюдаемого объекта 290
7.5. Процедуры повышения контраста 291
7.6. Оценка состояния объекта 295
7.7. Формирование результирующего состояния на основе оценки состояния объекта 298
7.8. Метод пространственно-зависимой фильтрации зашумлённых слабоконтрастных изображений 299
7.9. Экспериментальные исследования программно-технического комплекса формирования и обработки цифровых моделей изображений угасающей документации.. „ 306
7.10. Выводы 308
Заключение 309
Список литературы
- Варианты реализации ИИС и решаемые задачи
- Энтропия образа цели и фона при некоррелированных значениях пикселей
- Выделение МНС с помочью частотно-сигнального преобразования
- Характеристика возмущающих воздействий на ПНО
Введение к работе
Современный этап развития информационно-измерительных систем (ИИС) [70-71, 120, 2, 7, 8] характеризуется, во-первых, увеличением объёмов первичной регистрируемой информации, на основе которой осуществляется принятие дальнейших решений при выработке управляющих воздействий, и, во-вторых, усложнением методов её обработки, расширением круга задач, решаемых подобными системами.
С одной стороны, это обуславливается стремлением разработчиков упростить эксплуатацию подобных ИИС, повысить эффективность их функционирования и расширить сферы применения, к которым, в первую очередь, можно отнести проведение научных и технических экспериментов, управление высокотехнологичными производственными процессами [135, 34, 140], использование интеллектуальных робототехнических систем [154, 151, 175], биомедицинские исследования [ПО], организацию эргономичных речевых интерфейсов с вычислительными системами [137], а также различные военные приложения, включающие оптическую [134] и радиолокацию [25, 123], обнаружение, измерение координат и классификацию движущихся наземных и воздушных целей [1, 12, 95, 131] и др.
С другой стороны постоянное совершенствование технической базы информационно-измерительных систем, проявляющееся в разработке специализированных сигнальных процессоров с повышенной вычислительной эффективностью, увеличении ёмкости и быстродействия запоминающих устройств, наличии широкой номенклатуры датчиков первичных сигналов, — обеспечивает возможности практической реализации всё более сложных методов обработки информации, использующих всё большие объёмы первичных регистрируемых данных.
-8 Современное развитие информационно-измерительных систем идёт в направлении перехода от статических измерений отдельных величин к регистрации величин, изменяющихся во времени и пространстве и использованию одновременно большого количества результатов измерений с дальнейшей их централизованной обработкой.
Множество различных задач, связанных с обработкой распределённых измерений, породило множество разнообразных методов и алгоритмов их решения [155, 145, 147, 70, 81, 125, 136, 139, 5]. Общепринятым путём повышения точности результатов измерений является применение более чувствительных датчиков, сенсоров с повышенной селективностью и т.п. Однако само по себе применение более совершенных технических средств не всегда способно обеспечить желаемый результат, вызывая, вместе с тем, удорожание аппаратуры.
Поэтому в последнее время в нашей стране и за рубежом значительные усилия направляются на разработку математических моделей ИИС, обрабатывающих результаты распределённых измерений. Несмотря на достигнутые результаты, общая методология моделирования информационно-измерительных систем обработки распределённой измерительной информации в настоящее время отсутствует, что объясняет актуальность работы.
Несмотря на то, что объект наблюдения номинально не входит в состав элементов ИИС, структура и алгоритмы её функционирования существенным образом зависят от вида объекта и целей, которые ставятся перед ИИС при его восприятии. Рассматривая функционирование наблюдаемого объекта как процесс смен внутренних состояний, а конечную цель его восприятия ИИС как формирование оценки текущего состояния, можно выделить два важных фактора, определяющих способы моделирования ИИС: тесноту связи между регистрируемыми первичными сигналами и искомой оценкой состояния объекта и степень распределенности измерений.
Первый фактор может варьироваться от высокого уровня корреляции (вплоть до функциональной связи) между оцениваемым состоянием и регистрируемыми сигналами при малом уровне помех, до корреляции с незначительным уровнем, когда связь становится неоднозначной, а величины внешних и внутренних возмущающих факторов велики. Точная оценка состояния по отдельному измерению в последнем случае становится затруднительной или невозможной.
По характеру измерений, выполняемых ИИС (второй фактор), можно выделить системы с сосредоточенными и распределёнными измерениями. Сосредоточенность измерений в пространстве/времени допустима в случае оценки простых параметров объекта и наличии априорной определённости момента времени и/или пространственного положения наблюдаемого объекта, параметры которого оцениваются. В случае, когда такая определённость отсутствует или когда представляет интерес динамика наблюдаемого процесса, измерения производятся распределённо во времени и/или в пространстве, причём результаты единичных измерений (отсчёты) в процессе обработки обычно сохраняют упорядоченность.
Вышеизложенное позволяет сделать вывод, что в области информационно-измерительных систем существует отдельный класс объектов, представляющих собой программно-технические комплексы, состоящие из сенсорной подсистемы, ряда функциональных компонентов (узлов и блоков) по преобразованию информации, вычислительную подсистему и средства формирования реакции, которые осуществляют серию распределённых и упорядоченных во времени и/или пространстве измерений одного или нескольких параметров наблюдаемого объекта, и формируют оценку состояния объекта на основе обработки совокупности воспринятой информации.
Предмет исследования диссертационной работы может быть определён как способы оценивания состояния наблюдаемого объекта при прове -10 дении многократных распределённых измерений сигналов, несущих информацию о его состоянии.
При создании моделей ИИС обработки результатов распределённых измерений необходимо обеспечивать адекватность отражения ими значимых аспектов функционирования подобных систем, к числу которых относятся следующие:
наличие лишь общих требований к воспринимаемой информации, в которой может содержаться (а может и не содержаться) релевантная составляющая;
регистрируемые ИИС сигналы лишь косвенным образом связаны с состоянием наблюдаемого объекта, оценка которого и является целью функционирования системы;
процесс функционирования ИИС может рассматриваться как процесс обработки распределённых во времени и/или метрическом пространстве результатов измерений сигналов, генерируемых объектом.
Подходов к моделированию, в равной степени учитывающих все перечисленные аспекты, в настоящее время не существует, поэтому в диссертации разработан подход, который опирается на аналитические методы математического моделирования: теория ортогональных преобразований и спектрального анализа, теория сигналов, теория фильтрации, теория информации.
Экспериментальные исследования проводились с использованием методов статистического моделирования на естественных массивах распределённых измерений, формируемых ИИС различных типов, в частности системами радиолокационного сканирования местности, телевизионными и тепловиз ионными системами наблюдения, сканерами с микрофильмов.
Цель диссертационной работы решении проблемы синтеза информационно-измерительных систем в части обоснования рационального выбора метода обработки результатов распределённых измерений, основанного на аналитическом описании информационных процессов в объектах наблюдения и установления связи этих процессов с характеристиками сигналов, формируемых объектом.
Задачи исследований. - о 1. Построение обобщённой схемы наблюдаемого объекта, отражающей структуру его взаимосвязей с ИИС и моделирующей процесс генерации сигналов, воспринимаемых и обрабатываемых ИИС.
2. Исследование особенностей информационных процессов в ИИС, которые оказывают влияние на их технические характеристики и разработка подхода к их моделированию и проектированию на основании аналитических методов.
3. Построение обобщённой структуры процессов обработки в ИИС результатов распределённых измерений.
4. Разработка методологии оценки информационных свойств различных типов обработки результатов распределённых измерений, с целью последующего выбора метода обработки, минимизирующего ошибку оценки состояния наблюдаемого объекта.
5. Исследование общих закономерностей алгоритмической обработки результатов распределённых измерений и сведение задач оценки состояния наблюдаемого объекта к ряду типовых задач обработки сигналов: фильтрации, спектральному анализу в локальной области сигнала и нелинейной гистограммной обработке.
6. Разработка метода идентификации событий смены плотности распределения, основанного на наборе статистики наблюдаемого сигнала и оценке статистических характеристик.
7. Построение методики выбора параметров частотно-временных преобразований первичных сигналов
8. Создание на основании методологии прикладных методов обработки изображений, включающих
- метод многокадровой фильтрации изображений, обеспечивающий подавление шумовой составляющей при малых искажениях полезного сигнала
- метод цифровой коррекции изображений угасающей документации, обеспечивающий возможность их дальнейшего микрофильмирования
- метод трассировки доплеровской составляющей в сигналах радиолокационного наблюдения
9. Экспериментальная проверка разработанной методологии при создании и внедрении реальных программно-технических информационно измерительных комплексов
Научная новизна заключается в следующем.
1. Сформулирована концепция моделирования ИИС как множества взаимосвязанных функциональных компонентов, работа которых направлена на формирование оценки состояния наблюдаемого объекта по совокупности результатов измерений, распределённых во времени и/или пространстве.
2. Создан обобщённый метод комплексного анализа ИИС обработки результатов распределённых измерений, основанный на математическом (аналитическом) параметрическом моделировании процессов в программных и аппаратных средствах подобных систем.
3. Разработан метод выбора способа обработки на основе анализа информационных свойств наблюдаемых сигналов при реализации целевых задач обработки.
4. Разработан метод идентификации событий смены плотности распределения, основанный на наборе статистики наблюдаемого сигнала и оценке его статистических характеристик
5. Решён ряд научно-прикладных задач обработки результатов распределённых измерений, включающий:
- метод многокадровой фильтрации для систем сканирования изображений, основанный на формировании множеств базовых и опорных точек, преобразовании кадров модели в единую систему координат и компенсации краевых эффектов;
- метод обработки слабоконтрастных изображений угасающей документации, основанный на оценке распределённого в метрическом пространстве состояния сканируемой сцены, используемой в постобработке, в процессе фильтрации и контрастирования;
- метод обработки результатов радиолокационного сканирования местности, основанный на трассировке доплеровской составляющей, выделенной согласованным фильтром с ограниченной апертурой с сокращением вычислительных затрат при выполнении частотно-временного преобразования.
Практическая ценность. Диссертационная работа в основном направлена на решение задач, имеющих непосредственное практическое значение. Разработанная методология ориентирована на создание практических рекомендаций, позволяющих повысить качество вновь разрабатываемых информационно-измерительных систем исследуемого класса при сокращении сроков их разработки.
Достоверность полученных теоретических результатов подтверждается результатами апробаций методологии при решении практических задач разработки ряда информационно-измерительных систем, осуществляющих восприятие и обработку распределённых измерений.
Научные положения, выносимые на защиту.
1. Концепция моделирования информационно-измерительных систем, состоящих из ряда программно-технических компонентов, работа которых направлена на формирование оценки состояния наблюдаемого объекта по совокупности результатов измерений, распределённых во времени и/или пространстве.
2. Формализованный подход к выбору метода обработки результатов распределённых измерений, основанный на оценке информативности формируемых системой сообщений и статистических характеристиках сигналов, описывающих различные состояния объекта.
3. Метод оценки состояния наблюдаемого объекта, основанный на анализе спектральных характеристик результатов распределённых измерений, включающий способы определения рациональных величин ширины и шага смещения окна ЧСП для заданной интенсивности потока смен состояний наблюдаемого объекта и допустимой вероятности пропуска события, определение интервалов характерных частот на основе анализа априорно известных корреляционных функций сигналов, описывающих состояния наблюдаемого объекта
4. Метод преобразования кадров в единую систему координат при многокадровой обработке, основанный на поиске моментов наступления событий - характерных точек изображения в многокадровой модели.
5. Метод формирования фильтров для многокадровой фильтрации, учитывающий появление аддитивного шума в различных кадрах модели, возможно при наличии коррелированной составляющей внутри кадра.
6. Метод преобразования слабоконтрастных изображений угасающих документов в форму, пригодную для микрофильмирования, основанный на оценке распределённого в пространстве состояния сканируемой сцены; метод низкочастотной пространственно-зависимой фильтрации слабоконтрастных изображений для подавления шумов без значительного воздействия на границы объектов.
7. Метод трассировки доплеровской составляющей в массиве данных радиолокационного сканирования местности, основанный на согласован -15 ной фильтрации результатов частотно-временного преобразования распределённых измерений наблюдаемой сцены.
Реализация и внедрение результатов работы. Полученные в диссертации теоретические и практические результаты использованы в рамках комплексной инновационной научно-технической программы Государственного комитета РФ по высшему образованию 13.22 (1993-1996 г. проект «Создание комплексов обработки изображений и средств отображения информации»), а также внедрены на предприятиях при выполнении следующих научно-исследовательских и опытно-конструкторских работ:
по теме №022801 «Комплекс цифрового управления и обработки сигналов оптической пеленгационной установки» в ГУЛ КБ Приборостроения, 2000 г.
по теме № 170001 «Разработка комплекса программного обеспечения телевизионного автомата боевой машины комплекса «Панцирь» в ГУЛ КБ Приборостроения, 2002 г.
по теме «Исследование технических и программных средств авиони-ки» в ФГУП «Санкт-Петербургское ОКБ «Электроавтоматика», 2002 г.
по теме №27-2000 «Программный комплекс классификации целей по данным радиолокационного наблюдения» (шифр «Всплеск») в ФГУП НИИ «Стрела», 2003 г.
по теме «Разработка методики, алгоритма и программы для восстановления малоконтрастного («угасающего») изображения» в ФГУП РФ «НИИ репрографии», 2004 г.
Часть исследований была выполнена при поддержке Министерства образования РФ и губернатора Тульской области:
гранд губернатора Тульской области в сфере науки и техники №21-2000 от 05.12.2000 г. «Исследование процесса разрушения информации на магнитных носителях».
- Министерства образования РФ № 17103 Гр. 01.200.105186 за 2001-02 гг. «Математическое моделирование параллельных процессов в мехатронных системах».
гранд губернатора Тульской области в сфере науки и техники №18-2001 от 16.01.2002 г. «Исследование информационных процессов идентификации объектов».
Результаты диссертации использованы при выполнении госбюджетных научно-исследовательских работ по научно-технической программе «Научные исследования высшей школы по приоритетным направлениям науки и техники», проект № 09.01.056 «Концепция и методология информационного проектирования программно-технических измерительных и управляющих систем подвижных объектов», проводимых в Тульском государственном университете, а также нашли применение в учебном процессе.
Апробация работы. Содержание и основные результаты диссертации докладывались на следующих научно-технических конференциях и семинарах:
1. Всероссийская научно-техническая конференция «Биотехнические, медицинские и экологические системы и комплексы», РГРА, Рязань, 1996 г. 2. Международная школа-семинар «Новые информационные технологии», Судак, 1996 г. 3. Межвузовская научно-техническая конференция «Микроэлектроника и информатика», МГЙЭТ (ТУ), Москва, 1997 г. 4. XI Межвузовская научно-техническая конференция, ТВАИ, Тула, 1997 г. 5. III Международная конференция «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации», КГТУ, Курск, 1997 г. 6. Всероссийская научно-техническая конференция «Биотехнические, медицинские и экологические системы и комплексы», РГРА, Рязань, 1997 г. 7. Научно-техническая конференция 3 ЦНИИ МО РФ, Москва, 1997 г. 8. 35-ая Научно-техническая конференция Михайловской артиллерийской академии, Санкт-Петербург, 1997 г. 9. XIV (1997) и XV (1998) Научные сессии, посвященные Дню радио, ТулГУ, Тула, 1997-98 гг. 10. Всероссийская межвузовская научно-техническая конференция «Микроэлектроника и информатика», МИЭТ, Москва, 1998 г. 11.1 (1999) и II (2000) Всероссийские научно-технические конференции «Компьютерные технологии в науке, проектировании и производстве», НГТУ, Нижний Новгород, 1999-2000 гг. 12. XII Научно-техническая конференция «Пути совершенствования ракетно-артиллерийских комплексов, методов их эксплуатации и ремонта», ТАИИ, Тула, 1999 г. 13. Международная научная конференция «Математические методы в технике и технологиях — ММТТ-12», НГУ, Великий Новгород, 1999 г. 14. Всероссийская научно-техническая конференция «Информационные технологии в науке, проектировании и производстве», Верхневолжское отделение Академии технологических наук РФ, Нижний Новгород, 2000 г. 15. Всероссийские научно-технические конференции «Системы управления электротехническими объектами», ТулГУ, Тула, 2000-02 гг. 16. Региональная научно-техническая конференция «Интеллектуальные и информационные системы», ТулГУ, Тула, 2000 г. 17. Международная научная конференция «Математические методы в технике и технологиях -ММТТ-14», Смоленский филиал МЭИ (ТУ), Смоленск, 2001 г. 18. Всероссийская научно-практическая конференция «Проблемы информатизации образования», ТулГУ, Тула, 2001 г. 19. Всероссийская научно-техническая конференция «Новые информационные технологии в научных исследованиях и образовании», РГРА, Рязань, 2002 г. 20. Межрегиональная научно-техническая конференция «Интеллектуальные и информационные системы», ТулГУ, Тула, 2003 г. 21. Всероссийские научно-технические конференции «Проблемы специального машиностроения». Тула, 2000-03 гг. 22. XL Всероссийская конференция по проблемам математики, информатики, физики и химии, РУДН, Москва, 2004 г. 23. Электронная конференция «Приоритетные направления развития науки, технологий и техники», Российская академия естествознания, Москва, 2004 г.
Публикации. По теме диссертации опубликованы 62 работы, в том числе: 1 монография, 2 учебных пособия, 26 тезисов докладов на международных, всероссийских, региональных и отраслевых конференциях и семинарах, 32 статей, получено 1 свидетельство об отраслевой регистрации разработки.
Структура и объём работы. Диссертация состоит из введения, 7 разделов, заключения, изложенных на 333 страницах машинописного текста, и включающих 83 рисунка и 4 таблицы, приложений на 62 страницах и списка использованной литературы из 209 наименований.
Варианты реализации ИИС и решаемые задачи
Аналогичные соображения можно привести относительно систем сканирования и обработки изображений. Например, при обработке слабоконтрастных изображений угасающих документов [19, 119] процедуры фильтрации и контрастирования оказываются более эффективными, если до их выполнения выполняется оценка локальных областей изображений и отнесение их к одному из заданных классов («текст», «рисунок», «фон» и т.п.). Наблюдаемым объектом для таких систем является обрабатываемый документ, состоянием наблюдаемого объекта, распределённым в метрическом и цветовом пространстве, является класс локального фрагмента изображения, а вся структура изображения также представляет многомерный поток смены состояний.
В случае многокадровой обработки [51, 99-101], когда исходная модель изображения представлена набором кадров, сформированных, возможно в различных координатных системах, одной из подзадач является предварительное совмещение кадров. Для её решения в одном из кадров, называемом базовым, выбирается некоторое количество опорных (базовых) точек, которые в дальнейшем ищутся в остальных кадрах модели. Совмещаемый кадр в этом случае представляет собой наблюдаемый объект, его состоянием является тип локальных областей изображения (фон или одна из выбранных базовых точек), и смена состояний представляет собой многомерный поток в метрическом пространстве изображения.
Системы обработки речевых сигналов
В случае ИИС, обрабатывающих речевые сигналы, наблюдаемым объектом является источник речевой информации. Естественные языки имеют определённую фонетическую структуру [156, 31]. С точки зрения фонетики, человеческая речь представляет собой поток т.н. фонем — элементарных звуковых единиц языка. В русском языке различают 42 фонемы, из них б гласных и 36 согласных. С помощью фонем различаются и отождествляются морфемы (минимальные значимые части слова), а затем слова.
В потоке речи в зависимости от конкретных условий речеобразова-ния характеристики фонем изменяются, что приводит к появлению модификации фонем - аллофонов. Учет различных комбинаций фонем в речи дает около 480 гласных и 8880 согласных аллофонов [171, 157].
Речевой тракт человека имеет определённые устойчивые виды резонансных колебаний, называемые формантами [156]. Обычно при формант-ном анализе учитываются лишь первые три резонансные частоты, несущие наибольшую информацию.
Подобная структура речевых сигналов позволяет рассматривать отдельные форманты как характерные признаки, соответствующие различным состояниям наблюдаемого объекта [102, 104-106, 108]. При этом их последовательность образует одномерный поток смен состояний объекта во времени.
Проведённый краткий анализ различных вариантов реализации ин формационно-измерительных систем показывает наличие значительного количества систем, обладающих сходной структурой и свойствами. Это позволяет расширить объект исследования до класса объектов, имеющих, как можно ожидать, сходные методы исследования.
Задачей функционирования ИИС данного класса является обнаружение, различение и опознавание состояний наблюдаемого объекта (в частном случае сцены). Обнаружение можно интерпретировать как стадию восприятия, на которой система локализует характерное состояние в об щем массиве результатов распределённых измерений, но еще не может су дить о форме локализованной пространственно-временной области и типе состояния. Различение — это стадия восприятия, на которой раздельно воспринимаются различные элементы, формирующие сцену, а также выделяются их характерные признаки. При опознавании система относит выделенные элементы в соответствии с их признаками к определенным классам и выделяет среди них значимые для процесса её дальнейшего функционирования.
Конечным продуктом обработки данных может являться сигнал ре щ, акции, выдаваемый в систему управления, и несущий информацию о со стоянии S наблюдаемого объекта, либо результат постобработки входных сигналов х(у\), выполняемой с учётом полученной информации о состоянии S в смысле, определённом выше.
Энтропия образа цели и фона при некоррелированных значениях пикселей
Символ Ттп принимает множество значений, определяемых значениями пикселей, формирующих его. Пусть mn-iK пиксель имеет значение як(т,п) с вероятностью рк(т,п), если он является образом фона и qk(m,n) если он является образом цели. Тогда вероятность появления значений пикселей {71,(1,1), ..., 7і (т,и), ...» itj(M N)}i соответствующих тп му расположению цели относительно фона определяется как Ріт{ )-Чків){ п)...рт{М ). Здесь \ І(Є) К \ k(6) K,
Энтропия сообщения, содержащего информацию о единственном пикселе, являющемся образом цели, т=І п=1 в Hrmpll9fiX)---PkW(m9n)...pjie)(M N)]. Несложно показать, что -66 # К MN-\ = (MN-\)Hn+Gn + F= HMN + Gn + F, где F - составляющая энтропии, возникающая как следствие случайного местонахождения пикселя, представляющего образ цели, относительно множества пикселей, представляющих образ фона:
Как видно из (2.4), если известны энтропии источников, представ ляющих образы фона и цели, а цель может появиться в произвольном мес те изображения с априорно известной вероятностью, то общая энтропия сообщения увеличивается на величину, равную энтропии события, заключающегося в появлении образа цели в произвольном месте изображения. При этом единственным способом управления неопределенностью (изменения энтропии) является перераспределение вероятностей гистограммы (2.3). Технически это может быть выполнено путем изменения поля зрения устройства, являющегося источником сообщения, либо путем исключения из алгоритмического анализа части информации, полученной с датчика изображения.
Оценим изменение энтропии НЬп если один из пикселей исключается из анализа. Согласно (2.4), при исключении из рассмотрения пикселя величина Ны уменьшится, во-первых, за счет уменьшения общего количества пикселей, несущих информацию о фоне (член {MN -1)#Л), а во вторых - за счет изменения энтропии F.
Тогда из (2.7) следует, что для того, чтобы энтропия сообщения после, исключения символа уменьшилась необходимо, чтобы выполнялось условие: 1 L-i т.е. априорная вероятность того, что исключаемый символ несет информацию о цели должна быть меньше средней вероятности нахождения образа цели в одном из пикселей изображения. Это возможно, например, на этапе сопровождения цели, когда вероятность нахождения ее в перекрестье прицела выше средней, а вероятность нахождения цели на периферии поля зрения прицела ниже средней.
Определим энтропию пикселя при ситуации, когда он может нести информацию, как о цели, так и о фоне. Пусть известно, что в некотором пикселе интенсивность сигнала, являющегося образом фона, определяется гистограммой П (2.1), а интенсивность сигнала, являющегося образом цели, определяется гистограммой ПД2.2), причем априорная вероятность того, что данный пиксель является образом цели равна г. Определим энтропию сообщения, состоящего из единственного пикселя. При смещении порога в область a t b или c t b неопределенность распознавания цели не изменяется. Увеличивается же количество информации, содержащееся в ошибке распознавания на величину, - /?А(1-г)1п»А(1-г) или - 2 qk г In qk г, соответственно. к=1 к=с+1
Указанный факт может быть интерпретирован следующим образом. Ошибка в распознавании цели формируется как за счет существования неопределенности, так и за счет неверного выбора порога классификации. Распознавание цели представляет собой снятие неопределенности ситуации. Чем более безошибочно может быть распознана цель, тем больше неопределенности снимается. Максимальное количество неопределенности снимается тогда, когда цель является максимально контрастной по отношению к фону, т.е. когда Н достигает максимума. В этом случае значения л\, формирующие образ фона и цели, отличаются друг от друга, что позволяет свести до минимума ошибку при распознавании. В том случае, если порог распознавания смещается в область нулевых значений гистограмм цели или фона увеличивается ошибка распознавания цели.
Пусть в процессе обработки изображения (лтп) каждый его пиксель лтп, принимающий значений {я ,.,.,як}} подвергается некоторой алгоритмической обработке Л(jfmn,flfp...,aA), где a,,...,ак -детерминированные параметры (символы). В результате алгоритмической обработки формируется пиксель ттп, принимающий L значений {ег,,...,aL}. Очевидно, что количество значений символа amn не превосходит количества значений пикселя nmn ,T.e.L K.
Для доказательства утверждения выберем из множества {л-,,...,ттК) значение тик. Алгоритм А(як ) представляет собой детерминиро ванную последовательность математических и логических операций над множеством детерминированных чисел {тгк,а1,...,ал}у следовательно, результат его является строго детерминированным, т.е. A( kyait...,ax)- rk, а, следовательно, в результате алгоритма {я-,,...,жК} = { j\,...,&к}. В некоторых случаях тк=а{, поэтому Л(л-„йгр...)аЛ)=сг/=Л( )0Гі,...,лЛ)=сгА.
Это позволяет для указанного случая объединить символы ук и сг, в единственный символ ск, исключив символ сг;, как неинформативный (дублирующий значение символа тА), Таким образом, из множества {ах,...,сгК} путем исключения ряда элементов формируется множество {сг,,..., crL}. Это, в свою очередь, доказывает утверждение, что L K.
Выделение МНС с помочью частотно-сигнального преобразования
Определим общую форму ядра ЧСП следующим образом: \/(/,dOv,w) = exp(j oy)-r(/,w), (3.4) где ехрмЮтП - комплексная экспонента с параметром со , определяющем частоту основной анализируемой гармоники сигнала (рис. 3.1, д) , j = -yj—i - мнимая единица; W(t,w} —оконная функция, обеспечивающая локализацию анализируемого фрагмента сигнала во временной области (рис. 3.1, е); w — параметр оконной функции, определяющий ширину локализуемого фрагмента сигнала. Комплексная экспонента в выражении (3.4) определяет избирательные свойства ядра ЧСП в частотной области, тогда как оконная функция W(ti\v) - в сигнальной. Конкретная форма W{t,w) может быть различной, (что определяет, в том числе, частотные свойства ядра ЧСП в целом), но должна удовлетворять требованиям, сформулированным в п. 1.5. Кроме того будем полагать чётной функцией, т.е. W{t,w) = W{,w), имеющей собственную спектральную плотность Sfy (со).
Оценим влияние формы оконной функции и параметров ядра ЧСП, на формируемую им оценку спектра сигнала [116, 180].
Выражения (3.11) и (3.15) представляют собой общую зависимость ЧСП вида (3.4) на событие типа амплитудно-фазового скачка в сигнале. Их дальнейший анализ целесообразно проводить, задавшись конкретным видом оконной функцииW{t w).
Таким образом, независимо от конкретного вида ядра, результат ЧСП сигнала можно рассматривать-как взвешенную сумму преобразований этого сигнала с помощью комплексной экспонентыexpfjnco t), огра ниченной прямоугольным окном
Учитывая, что сигнал описывается спектральной плотностью Sx (со), рассмотрим взаимодействие ядра ЧСП с отдельной гармонической составляющей сигнала. Согласно принятой модели, информация о событиях, происходящих в объекте, представляется локальными во времени изменениями спектра сигнала. Таким образом, для идентификации подобных событий необхо- димо использовать ЧСП с ядрами, обеспечивающими локализацию формируемых оценок как во временной, так и в частотной областях. Комплексная экспонента ехрМЮщП имеет спектральную плотность, выражаемую обобщённой функцией вида S((а) = 2пЬ(а~(0^) [15], и, с учётом фильтрующего свойства 8-функции, обладает идеальной локализацией в частотной области: S(O)*S(CO') = S(G>')- Однако в силу бесконечной области определения во временной области она не может непосредственно использоваться в задачах частотно-временного анализа сигналов. Для обеспечения локальности во временной области исходную комплексную экспоненту ограничивают окном некоторой формы. Получающийся в результате вейвлет имеет вид; y^fflv) = ^(0*exp(jfly), (3.20) где W(t) - некоторая оконная функция, локализованная во временной области. Согласно теореме о свёртке, спектральная плотность сигнала, полученного в результате произведения двух исходных сигналов, представляет собой свёртку спектральных плотностей этих исходных сигналов: $4>(<в) = 2тс J Sjy(&)6 И и- «ц/)- й] du = 2тг%г (со ~ Wy), (3.21) -00 то есть спектральная плотность ядра ЧСП (3.20) будет представлять собой спектральную плотность оконной функции, сдвинутую на величину 0 по частоте. Выполним анализ основных видов оконных функций, применяемых на практике, с точки зрения эффективности их использования для анализа событий.
Характеристика возмущающих воздействий на ПНО
Первичным регистрируемым сигналом в ИИС рассматриваемого класса является отражённый от наблюдаемой сцены радиосигнал. В случае наблюдения за наземными целями его обработка осложняется наличием отражений от поверхности земли, строений и т.п., выступающих по отношению к ИИС как шумы. Традиционно для решения этой проблемы применяется доплеровская фильтрация, принцип которой основан на эффекте Доплера, — способности отраженного сигнала к изменению своей частоты в зависимости от скорости движения наблюдаемого объекта. Из этого следует, что для наблюдения за движущимися объектами определенного типа можно применять фильтрацию наблюдаемого сигнала в определенном частотном диапазоне [156, 167].
Доплеровский сдвиг по отношению к частоте излучаемого сигнала определяется выражением: где со о - частота излучаемого сигнала, /Q - длина волны излучаемого сигнала, с — скорость распространения радиоволны, v— относительная скорость движения объекта. Для неподвижных целей величина доплеровского сдвига равна нулю.
Очевидным следствием из формулы доплеровского сдвига является то, что доплеровская частота, соответствующая движущейся цели, является переменной величиной. С одной стороны, это обусловлено наличием управляемых движений наблюдаемых ПНО, которые могут менять направление и скорость перемещения. С другой, в процессе движения ПНО совершает вынужденные, неуправляемые движения, обусловленные воздействием микропрофиля дороги. Если характер воздействия микропрофиля на ПНО различных видов отличается, эти отличия должны проявляться в характере изменения доплеровской составляющей сигналов радиолокационного наблюдения.
При заданной скорости движения основные и достаточно полные данные для построения спектра воздействия дает микропрофиль дороги. На рис. 4.2 даны типовые микропрофили участка дороги, которые являются обобщением результатов измерений, проведенных в [161].
Величина H(s) представляет собой превышение точек дороги над некоторым средним уровнем. Как следует из цитируемого источника, для построения приведенных микропрофилей дорог превышение одной точки над другой измерялось нивелиром через каждый метр дороги. Ввиду специфики использования ПНО при решении целевых задач, в цитируемом источ нике представлены микропрофили проселочных дорог, а участок рис. 4.2 г) представляет собой сильно пересеченную местность (отсутствие дороги).
В чередовании неровностей нельзя установить какой-либо определенной закономерности. То обстоятельство, что ПНО в любой момент времени может попасть на выступ или во впадину различной формы — явление случайное. Поэтому микропрофиль математически можно описать только случайной функцией. Воздействие дороги на машину представляет собой случайный процесс, в котором случайными факторами являются величина, направление и продолжительность действия импульсов сил на ПНО.
Чтобы перейти от случайной функции # ), описывающей профиль дороги, к случайной функции его воздействия на ПНО, достаточно поделить горизонтальную координату s на продольную скорость v, получающуюся при моделировании продольного движения
