Введение к работе
Актуальность работы
Одной из важных задач обработки гидроакустической информации івляется определение направления на источник гидроакустического сигнала, тринимаемого многоэлементной антенной решеткой, в условиях мешающего ;ействия близких по угловому положению других источников. Традиционные методы решения данной задачи дают неудовлетворительные зезультаты в условиях сильной корреляции полезного и мешающего ;игналов, обработки сигналов существенно разной мощности, имеющих элизкие пеленги, а также в случае приема слабых сигналов.
Помимо указанных недостатков известные методы пеленгования требуют значительных вычислительных затрат, связанных с геобходимостью обращения матриц большой размерности или вычисления ;обственных векторов таких матриц.
Поэтому актуальной является разработка метода пеленгования сигналов, жономичного в вычислительном отношении и позволяющего получать ірисмлемьіе результаты в сложных помехо-сигнальных ситуациях - в /словиях наличия нескольких источников сильно коррелированных или злизко расположенных слабых сигналов.
Перспективным подходом к решению подобных задач является трименение искусственных нейронных сетей (ИНС). Применение этого тодхода для решения поставленной задачи обусловлено важной зсобенностью нейронных сетей - способностью к минимизации некоторого функционала качества в процессе обучения. Обычно минимизируется свадрат нормы разности желаемого и реального выходов, получаемых в зезультатс предъявления сети элементов обучающей выборки. Так работают, іапример, сети, обучающиеся по правилу обратного распространения зшибки.
В процессе выполнения диссертационной работы синтезирован шгоритм функционирования нейроподобной сети, реализующий предложенный для пеленгования сигналов и описанный в^работе метод минимизации остаточной мощности (MOM). В основу метода положена минимизация критерия, представляющего мощность, остающуюся после шчитания из сигналов, принимаемых антенной решеткой, гипотетических толезных сигналов с выбранных направлений. Другими словами, минимизируется остаточная мощность сигналов, что и определяет выбор газвания предложенного метода.
Практический интерес также представляет задача пеленгования
сигналов, углы прихода волновых фронтов которых медленно меняются. В этом случае для разрешения слабых сигналов с постоянным пеленгом на фоне сильных, пеленг которых изменяется во времени, предлагается использовать короткие выборки измерений, и затем обрабатывать множества полученных оценок способом, характерным для самоорганизующихся нейронных сетей. Для решения задачи пеленгования в этой практически важной ситуации в диссертационной работе предлагается использовать нейроподобную сеть, работающую аналогично алгоритму Кохонена.
Целью работы является исследование проблем нейросетевой организации обработки гидроакустической информации в реальном масштабе времени при решении задачи пеленгования сигналов. Поставленная цель достигается решением задач:
разработки метода и алгоритмов пеленгования сигналов в условиях малых различий между направлениями на источники этих сигналов, малого отношения сигнал/шум, а также в случае приема нескольких сильно коррелированных между собой сигналов;
разработки программных средств для моделирования разработанных алгоритмов;
создания программного макета системы пеленгования сигналов, принимаемых многоэлементной антенной решеткой, и проверка его работоспособности;
разработки нейросетевой организации предложенных алгоритмов, в том числе, для случая близкорасположенных источников сигналов разной мощности с большой скоростью изменения пеленга;
исследования вопросов технической реализации алгоритма с использованием мультипроцессорной ЭВМ.
Методы исследований базируются на использовании методов линейной алгебры, " численных методов и методов математической статистики.
Научная новизна результатов, полученных автором, заключается в следующем:
-
Обоснована возможность решения задачи определения направления на источники гидроакустических сигналов, принимаемых многоэлементной антенной решеткой, на основе применения нейросетевого подхода.
-
На основе предложенных математической модели входного сигнала и критерия эффективности, заключающегося в минимизации остаточной мощности сигнала, синтезирован алгоритм решения
поставленной задачи, обладающий свойством адаптации к помехо-сигнальным условиям приема входных сигналов. Метод, в отличие от традиционных алгоритмов Кейпона, Борджотти-Лагунаса и Шмидта, не требует обращения матриц высокой размерности или вычисления их собственных векторов, поэтому обладает значительно меньшей вычислительной слолшостью. Метод работоспособен при любых статистических характеристиках входных сигналов и помех.
3. С использованием методов статистического моделирования и
программного макетирования произведена оценка эффективности
разработанного алгоритма. Установлено, что:
метод работоспособен при любых выборочных матрицах ковариаций сигналов, в том числе и. в случае вырожденных матриц, тогда как традиционные методы в этих условиях работают неэффективно;
метод позволяет различать более близкие сигналы, чем большинство традиционных методов.
4. Синтезирована структура искусственной нейронной сети,
реализующей разработанный алгоритм определения направлений на
источники сигналов и допускающей реализацию с использованием
мультипроцессорных систем.
Практическая ценность
-
Разработан комплекс программ, реализующих разработанные на основе нейросетевого подхода алгоритмы пеленгования сигналов, принимаемых многоэлементной антенной решеткой, в условиях малых различий между направлениями на источники этих сигналов, малого отношения сигнал/шум, а также в случае приема нескольких сильно коррелированных между собой сигналов.
-
Разработана методика и выполнена оценка эффективности функционирования синтезированных алгоритмов. Выполнено сопоставление с оценками эффективности классических алгоритмов пеленгования.
-
Разработан программный макет системы пеленгования сигналов, принимаемых многоэлементной антенной решеткой.
-
Исследована техническая реализация разработанных алгоритмов в гидроакустических системах с использованием ЭВМ семейства «Багет». Определены требования к комплектации многопроцессорной ЭВМ «Багет-25» для реатизации разработанных алгоритмов в гидроакустических комплексах.
Результаты диссертационной работы внедрены в научно-исследовательской работе «Цепкость» на тему «Исследование проблем нейросетевой организации систем обработки гидроакустической информации в реальном масштабе времени при решении задач обнаружения, сопровождения, классификации, идентификации, определения координат и параметров движения цели», выполненной СПбГЭТУ в 1996-1999 гг. в рамках Программы фундаментально-поисковых исследований в интересах МО РФ по контракту с в/ч 87415, в ЦНИИ "Морфизприбор" при выполнении опытно-конструкторских разработок гидроакустических систем, в учебном процессе кафедры МО ЭВМ СПбГЭТУ в учебном курсе "Нейронные сети и нейрокомпьютеры" для специальности 220400, а также в рамках госбюджетной НИР ГБ2/МО-15 на тему «Исследование и разработка структурного построения, организации вычислительных процессов, алгоритмов и программного обеспечения, функционирования параллельных вычислительных систем с интеллектуальным интерфейсом» в 1994-1998 гг.
Апробация работы
Основные положения работы докладывались на следующих конференциях:
Third International Conference Parallel Computing Technologies, 1995, Санкт-Петербург;
42nd International Scientific Colloquium, 1997, Ilmenau, Германия;
5 Международная конференция «Современные технологии обучения», 1999, Санкт-Петербург;
научно-технические конференции профессорско-преподавательского состава СПбГЭТУ, 1994-1998, Санкт-Петербург;
- семинар в научном центре «Нейрокомпьютер», 1994, Москва.
Публикации
По теме диссертации опубликовано 8 печатных работ, из них 4 статьи, 1 учебное пособие, 1 методические указания к лабораторным работам, и 2 работы - тезисы докладов на конференциях.
Структура и обьем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, одного приложения и списка литературы, включающего 115 наименований. Основная часть работы изложена на 120 страницах машинописного текста. Работа содержит 49 рисунков и 18 таблиц.
