Введение к работе
Актуальность. Радиолокационные изображения, получаемые от современных радиолокационных систем с синтезированной апертурой(РСА) воздушного и космического базирования широко используются для оперативного получения данных о интересующих объектах в чрезвычайных ситуациях, мониторинга военных объектов и техники в пограничных зонах с районами локальных военных конфликтов, районами действий террористов, оценки земных покровов, их классификации(распознавания) и определения состояния при решении широкого круга народнохозяйственных задач, а также для проведения экологического контроля На основании сопоставления радиолокационного изображения(РЛИ) или признаков этих объектов с РЛИ и признаками эталонов объектов может быть принято решение о классе объекта При этом значительные трудности имеются как при формировании банка эталонных данных, так и при принятии решений о классах объектов
Использование традиционных методов визуального и инструментального дешифрования РЛИ в силу ограниченных возможностей оператора по восприятию и анализу РЛИ обуславливает низкую эффективность решения задач распознавания объектов мониторинга. Кроме того, системы визуализации РЛИ обладают ограниченными динамическим диапазоном воспроизводимых яркостей и разрешающей способностью
Решение проблемы повышения оперативности, полноты, достоверности и точности данных о земной поверхности и объектах, получаемых в процессе обработки радиолокационной информации, лежит на пути автоматизации процесса обработки с использованием современных высокопроизводительных средств цифровой вычислительной техники
Для повышения информативности многофункциональных комплексов дистанционного зондирования земной и водной поверхности необходимо дальнейшее совершенствование существующих радиолокационных систем путем использования новых информационных признаков объектов, новых методов зондирования и обработки сигналов
Диссертационная работа посвящена научному поиску методологических подходов к решению задачи статистического синтеза алгоритмов автоматического обнаружения и распознавания важных классов объектов(малоразмерных и групповых) по данным бортовых РЛС с синтезированной апертурой Очень важными условиями, при которых решается задача, являются необходимость учета априорной неопределенности, адаптации алгоритмов и выдачи потребителям получаемой информации в реальном масштабе времени Учитывая это, тему диссертационной работы следует признать актуальной
Значительный вклад в создание и развитие теории статистического синтеза при априорной неопределенности и адаптации информационных систем, в том числе радиотехнических систем, внесли отечественные и зарубежные ученые Большаков И А, Левин Б Р , Репин В Г , Тартаковский Г П , Вальд А, Заде, Стратанович Р Л , Ципкин Я 3 , Тихонов В И , Ярлыков М С , Дудник П И , Реутов А П, Кондратенков Г С , Школьный Л А, Ширман Я Д, Гуляев Ю В , Галушкин А И , Журавлев Ю И , Шеремет И А и др
Цель работы заключается в синтезе в условиях априорной неопределенности адаптивных алгоритмов обработки информации при автоматическом обнаружении и распознавании(классификации) малоразмерных объектов(целей - МЦ) и групповых целей(ГЦ) по данным бортовых РЛС с синтезированной апертурой в реальном масштабе времени(РМВ)
Для достижения поставленной цели в работе решаются следующие частные задачи
- проведение системного анализа задач и объектов дистанционного зондирования земной
поверхности авиационными и спутниковыми бортовыми радиолокационными системами с
синтезированной апертурой, оценки информационных возможностей систем и показ
необходимости автоматизации обработки информации с целью повышения оперативности ее
использования при решении соответствующих задач,
- проведение анализа модели РСА, формирующей поле решений применительно к
процедуре автоматического обнаружения целей без учета изменчивости статистических
характеристик сигналов и помех(фона),
синтез квазиоптимального адаптивного алгоритма автоматического обнаружения МЦ при априорной неопределенности, учете изменчивости статистических характеристик полезных сигналов и сигналов фона при различных видах выборок сигнала фона,
обоснование целесообразности декомпозиции алгоритма обнаружения и классификации ГЦ и условной оптимизации(синтеза) процедур отдельных этапов обработки по частным критериям с последующей параметрической оптимизацией алгоритма в целом по критерию эффективности обнаружения и классификации ГЦ,
- оценка потребной производительности вычислителей для реализации полученных
алгоритмов, выбор альтернативных вариантов вычислительных систем,
- выполнение моделирования с целью оценки эффективности предлагаемых алгоритмов
Объект исследования Объектом исследования являются системы обработки информации, выдаваемой бортовыми радиолокационными станциями с синтезированной апертурой(РСА) при дистанционном зондировании земной(водной) поверхности
Предмет исследования составляют модели сигналов и помех(фона), адекватно отражающие принципы их формирования, условия наблюдения интересующих объектов, их состояние, методы оптимизации обработки информации, оптимальные и квазиоптимальные алгоритмы обработки при автоматическом обнаружении и распознавании объектов в реальном масштабе времени(РМВ), их реализуемость
Методы исследований В работе используются методы системного анализа, теории принятия решений проверки статистических гипотез, методы статистического синтеза при априорной неопределенности и адаптации информационных систем, статистические методы радиолокации, методы кластерного анализа, методы построения интеллектуальных программных сред для автоматизированных систем обработки информации, методы математического моделирования
Достоверность полученных научных положений, результатов и выводов подтверждается адекватным и корректным применением использованных методов, полнотой и корректностью исходных данных, в том числе, реальных радиолокационных изображений, обсуждением и одобрением на III НТК «Радиооптические технологии в приборостроении» и на научно- практическом семинаре в МЭИ, приоритетными публикациями в научных изданиях по рекомендованному ВАК России Перечню
На защиту выносятся:
1 Квазиоптимальный адаптивный алгоритм автоматического обнаружения малоразмерных целей при априорной неопределенности, учете изменчивости статистических характеристик полезных сигналов и сигналов фона при различных видах выборок сигнала фона, используемых для автоматической регулировки порога обнаружения и обеспечения адаптивности обнаружителя
Оптимальный обнаружитель полезных сигналов РСА, формирующий поле решений о наличии или отсутствии МЦ на основе сравнения достаточных статистик(отношения правдоподобия) с порогом, выбираемом по критерию Неймана-Пирсона, при априорной неопределенности теряет свою оптимальность и может оказаться даже неработоспособным(может привести к изменению вероятности ложных обнаружений на 2-3 порядка)
Квазиоптимальный адаптивный алгоритм при использовании выборочного среднего(ВС) обеспечивает приемлемые вероятности /"/70=0,83 и Рдо=3 Ю-4, однако при выполнении условия локальной однородности фона При использовании выборочной
порядковой статистики(ВПС) алгоритм оказывается устойчивым к «засорениям» фона «местниками» и обеспечивает высокую вероятность Рпо =0,93 при заданной вероятности
Pjio=W*
2 Алгоритм автоматического обнаружения и классификации групповых
объектов(целей) по данным бортовой РСА дистанционного зондирования с его
декомпозицией на ряд последовательно выполняемых процедур(этапов), условной
оптимизацией процедур отдельных этапов с последующей параметрической оптимизацией
алгоритма в целом по критерию эффективности обнаружения и классификации ГЦ
Такой подход обусловлен априорной неопределенностью состава и расположения ГЦ Достаточная статистика классификатора в каждом канале должна усредняться по всем возможным реализациям ГЦ в области ее расположения, и данная операция должна быть развернута по всему кадру радиолокационного изображения Кроме того, из-за априорной неопределенности фона алгоритм должен быть адаптивным Реализация такого алгоритма без проведения декомпозиции, без сокращения избыточности обрабатываемых данных от этапа к этапу предъявляет чрезвычайно высокие требования к производительности (>1016 оп/с) и объему памяти (>1010 байт) спецпроцессора
3 Результаты выбора и оценки методом статистического моделирования процедур
кластеризации отметок(МЦ), образующих групповую цель(і^) и принятия решений об
обнаружении ГЦ (Ьщ)
Была проведена оценка эффективности алгоритмов обнаружения ГЦ с использованием нескольких процедур кластеризации «минимально-связывающего дерева»(МСД), алгоритма «оценки ближайшего соседства» (ранговой кластеризации), алгоритма на основе информационного критерия и алгоритма «с фиксированным радиусом» Использовались математические модели поля решений МЦ Распредление в поле решений ложных отметок задавалось реализацией пуассоновского случайного потока При других одинаковых исходных данных при пороге А=10 были получены следующие значения вероятностей обнаружения ГЦ алгоритм МСД - ^/10=0,97, Р^лсгЮ'1, алгоритм ранговой кластеризации - /^0=0,9, і^ло=10', алгоритм «на основе информационного критерия» -/^0=0,65, /^flO'!, алгоритм «с фиксированным радиусом» - .^/70=0,4, /^^0=10"3 Таким образом наиболее эффективными являются алгоритм МСД и алгоритм ранговой кластеризации, однако последний требует больших вычислительных затрат
4 Процедура классификации групповых целей, состоящая из процедуры
рационального описания ГЦ для задаваемого алфавита классов и оптимальной для заданного
описания решающей процедуры
В силу того, что информация о ГЦ в выделенных обнаружителем кластерах точечных отметок заключена только в геометрических особенностях их построения, в качестве описания ГЦ использованы их геометрические параметры(признаки) При этом учитывалась требуемая эффективность классификации, реализуемость решающей процедуры, инвариантность описания к условиям наблюдения
При принятом условии выбора простой функции потерь процедура принятия решения о классе ГЦ производится по максимуму апостериорной вероятности
В качестве показателя эффективности использовалась средняя вероятность Р0 ошибок классификации При выборе порога обнаружения h=hop, получено Р0<0,03 (для N=\) и Р0 < 0,01 (для //=3), что вполне может удовлетворить требованиям к уровню этой вероятности в автоматизированных системах обработки радиолокационной информации
5 Предложенная для классификации и распознавания наземных объектов на РЛИ, полученном с помощью РСА, гибридная нейросеть состоящая из нейросети Кохонена и блока преобразования
Результаты моделирования нейросеть состояла из 3-х нейронов Массив данных состоял из 150 фрагментов После обучения и проверки работы системы были получены верные ответы в 141 случае, что составило 94%
Научная значимость представленных в работе решений частных задач статистического синтеза при априорной неопределенности и адаптации информационных систем состоит в том, что использованные при этом методологические подходы могут быть применены для получения квазиоптимальных алгоритмов обнаружения и классификации(распознавания) других значимых объектов по данным РСА дистанционного зондирования земной(водной) поверхности, бортовых систем других диапазонов ЭВМ и их комплексировании
С учетом необходимости преодоления высоких требований к производительности спецпроцессоров для реализации разработанных алгоритмов определенную научную значимость представляют результаты проработки вопроса применения гибридной нейросетевого алгоритма обучения без учителя для распознавания наземных объектов Эффективность его использования подтверждена полунатурным моделированием
Практическая ценность Полученные научные положения и результаты прошли проверку, что позволяет рекомендовать их для использования при модернизации современных авиационных и космических РСА и построении перспективных систем
Основные научные положения, результаты и выводы диссертационной работы получены лично автором и внедрены в НИР «Актор», вьшолненной ГОУ «МАРТИТ» с
участием Концерна радиостроения «Вега», а также в курсе лекций «Распознавание и идентификация объектов радиолокации» на кафедре «Радиосистемотехника» ГОУ «МАРТИТ»
Апробация работы. Научные положения, результаты и вьшоды обсуждались и получили одобрение на научно-практических семинарах в ГОУ «МАРТИТ», научно-практическом семинаре в МЭИ (г Москва, 9-11 декабря 2003 г) и на III научно-технической конференции (г Сочи, 13-17 сентября 2005г) «Радиооптические технологии в приборостроении»
Публикации По теме диссертационной работы опубликованы 7 научных трудов, из которых 6 статей опубликованы в научном издании по Перечню ВАК
Структура и объем работы Диссертационная работа включает содержание работы, введение, четыре главы, заключение и список использованной литературы Работа изложена на 101 странице машинописного текста Список использованной литературы включает 30 наименований
Похожие диссертации на Адаптивные алгоритмы обработки информации при автоматическом обнаружении и распознавании объектов дистанционного зондирования земной поверхности с помощью бортовой РЛС с синтезированной апертурой
