Система распознавания объектов в миллиметровом диапазоне радиоволн

Актуальность работы. Определённые достижения в области распознавания классов автомобильной и гусеничной техники были получены в ряде НИИ бывшего СССР при разработке образцов станций разведки наземных движущихся целей. Однако, некоторые проблемы в области создания банка данных о признаках распознавания реальных целей, а также существенные ограничения на возможности реализации программного и алгоритмического обеспечения не позволили в 80-90-х годах решить эту задачу. Указанное приводит к необходимости продолжения исследований по синтезу и анализу алгоритмов обнаружения и предварительной классификации неподвижных целей (объекты искусственного или естественного происхождения, объекты автобронетанковой техники среди искусственных сооружений) и распознавания движущихся малоразмерных наземных целей (МНЦ).
Анализ исследований, проводящихся в настоящий момент в странах с развитой экономикой, что проблема распознавания движущихся и обнаружения неподвижных целей по–прежнему актуальна и далека от своего завершения.
В отдельных работах отмечено, что перспективным направлением при решении проблемы селекции неподвижных целей является применение методов поляризационной селекции. Использование поляризационной обработки обеспечивает ряд преимуществ по сравнению с традиционными методами обработки сигналов, таких как:
– возможность использования полной эффективной площади рассеяния (ЭПР) объекта, что особенно важно при селекции малоконтрастных целей;
– применение тонкой поляризационной структуры отраженного сигнала при решении задач обнаружения МНЦ, укрытых растительностью;
– возможность использования видов поляризации, отличных от линейной, для повышения РЛ контраста.
Уместно отметить, что применение процедур классификации МНЦ поляриметрическими РЛС к настоящему времени практически не рассмотрены вследствие отсутствия возможности сравнительной оценки признаков распознавания для реальных целей.
Широкий круг исследований, посвященных решению задачи распознавания классов целей по спектральным отличиям отражённых от них сигналов, не привёл к появлению алгоритмов, устойчивых к изменению условий РЛ наблюдения: ракурса, скорости, вида трассы.
Таким образом, проведенные к настоящему моменту исследования эффективности использования поляризационных и спектральных характеристик для решения задач распознавания движущихся и селекции неподвижных МНЦ обладают рядом существенных недостатков:
1. Систематизированные сведения об отражающих свойствах и поляризационных и спектральных характеристиках широкого круга образцов военной техники и местных предметов к настоящему моменту отсутствуют.
2. Отсутствуют эффективные алгоритмы повышения радиолокационного контраста МНЦ на фоне подстилающей поверхности.
3. Не разработаны достаточно эффективные и реализуемые на практике алгоритмы селекции неподвижных МНЦ на фоне мешающих отражений.
4. Отсутствуют реализуемые на практике алгоритмы классификации движущихся МНЦ по совокупности поляризационных и спектральных признаков.
В связи с этим актуальной научно–технической задачей является разработка системы интелектуального распознавания классов движущихся и селекции неподвижных МНЦ на фоне подстилающей поверхности в интересах построения РЛС разведки и целеуказания повышенной информативности.
Актуальность задачи обусловлена: необходимостью повышения информативности радиолокационных средств разведки и целеуказания; неизученностью отражающих свойств реальных объектов военной техники и подстилающей поверхности; целесообразностью разработки алгоритмов распознавания движущихся и селекции неподвижных целей на фоне помеховых отражений от подстилающей поверхности.
Объект исследования представляет собой РЛС разведки и целеуказания повышенной информативности, позволяющую решить задачи селекции неподвижных и классификации движущихся МНЦ.
Предметом исследования являются алгоритмы и устройства для селекции неподвижных и распознавания движущихся МНЦ на основе спектральных и поляризационных параметров отражённого от них сигнала.
Целью работы является повышение эффективности распознавания движущихся и поляризационной селекции неподвижных малоразмерных наземных целей в интересах радиолокационных станций разведки и целеуказания.
Поставленная цель достигается решением следующих задач, составляющих основные этапы исследования:
1. Анализ физических предпосылок селекции движущихся МНЦ по спектральным параметрам. Разработка алгоритмов и устройств обнаружения МНЦ и оценка их эффективности.
2. Разработка алгоритмов обнаружения МНЦ и оценка их эффективности.
3. Синтез алгоритмов классификации движущихся МНЦ и оценка их эффективности.
4. Разработка системы интеллектуального распознавания классов движущихся и селекции неподвижных МНЦ на фоне подстилающей поверхности в интересах построения РЛС разведки и целеуказания повышенной информативности.
Методы исследований. Методологической основой развиваемых методов, алгоритмов и разрабатываемых устройств служат:
– элементы теории вероятностей, математической статистики и случайных процессов;
– методы статистической теории обнаружения и классификации случайных сигналов;
– методы статистической теории радиолокации;
– методы радиофизики, электродинамики и теории распространения радиоволн.
В рамках научно–технической задачи, решаемой в работе, должны быть получены следующие результаты:
1. Разработана математическая модель.
2. Разработано информационное обеспечение.
3. Оценена эффективность полученных алгоритмов.
4. Разработано программное обеспечение.
На защиту выносятся следующие вопросы, соответствующие основе рассматриваемой задачи.
1. Совокупность аналитических соотношений для вероятностных характеристик поляризационных параметров сигналов, отраженных от МНЦ, наблюдаемых на фоне мешающих отражений.
2. Алгоритмы обнаружения сигналов, отраженных от неподвижных МНЦ, по поляризационным и корреляционным свойствам.
3. Алгоритмы распознавания классов движущихся МНЦ, методика оценки их эффективности.
Практическая значимость работы состоит в следующем:
1. В разработке программного комплекса для определения спектральных и поляризационных характеристик реальных целей.
2. В получении данных о спектральных свойствах и ПХ МНЦ, позволяющих осуществлять анализ эффективности радиолокационных систем разведки и целеуказания.
3. В разработке методов поляризационной селекции неподвижных МНЦ, наблюдаемых на фоне подстилающей поверхности и местных предметов.
Достоверность результатов диссертационной работы определяется следующими факторами:
В основе исследований, проведенных в работе, лежат хорошо апробированные ранее положения статистической теории радиолокации. Обработка данных и сопоставление их с теоретическими базируется на методах математической статистики.
1. АНАЛИЗ МЕТОДОВ И ПАРАМЕТРОВ ВОЗМОЖНЫХ ПРИЗНАКОВ КЛАССИФИКАЦИИ И ОБНАРУЖЕНИЯ НАЗЕМНЫХ ОБЪЕКТОВ
1.1 Формирование алфавитов классов (типов) целей для системы распознавания объектов
Различаемые классы (типы) целей составляют определенный алфавит, подобный алфавиту букв русского (английского и т.п.) языка. Выбор алфавита классов предопределяет как эффективность использования систем селекции–распознавания, так и трудности, возникающие при их реализации, а значит и стоимость их преодоления.
Информация, используемая для селекции–распознавания, содержится в совокупности принимаемых радиолокационных сигналов. Однако чаще всего, чтобы селектировать–распознать цель, используют определенные измеренные признаки цели, которые сопоставляют в соответствии с алгоритмами распознавания с известными (эталонными) признаками.
Совокупности признаков, необходимые для распознавания в тех или иных алфавитах классов, образуют признаковые пространства или, иначе, рабочие словари [16,17] признаков. Целесообразность совокупного выбора алфавитов классов, признаковых пространств и алгоритмов распознавания оценивают на основе известного системотехнического критерия «эффективность-стоимость». Эффективность распознавания характеризуют его влиянием на показатели качества потребителей информации распознавания или непосредственно показателями качества распознавания.
В общем случае формирование алфавитов классов (кластеров) характерно не только для задач радиолокационного распознавания, но и для других кибернетических задач теории и техники распознавания образов [14]. Эти задачи выделяют иногда как задачи кластерного анализа [16]. В качестве кластеров могут выступать не только классы, но и их подклассы. Состав алфавита определяется задачами потребителей локационной информации, с одной стороны, и возможностями средств локации при тех или иных признаковых пространствах – с другой.
Применительно к РЛС, учитывая возможности реализации методов селекции в спектральной области и поляриметрической обработки, существенно различать движущиеся цели (класс ω1 ) и неподвижные (класс ω2 ).
Также важна зачастую дополнительная выходная информация относительно класса движущихся целей ω1 : гусеничная это техника (подкласс ω11 ) или колесная (подкласс ω12 ).
В свою очередь, класс неподвижных объектов ω2 включает подкласс местных предметов (подкласс ω21 ) и подкласс техники (подкласс ω22 ), который, собственно, и включает объекты разведки РЛС разведки и целеуказания.
Для подкласса местных предметов можно продолжить дальнейшую градацию – на субклассы предметов антропогенного характера (ω211 ) и естественного (ω212 ) характера.
Графически предложенная схема классификации объектов может быть представлена рис.1.1.
Чем шире и достовернее информация селекции–распознавания, тем эффективнее, в принципе, она может быть использована. Однако чрезмерное расширение алфавита классов снижает достоверность информации (особенно при не очень высоких отношениях сигнал–шум), требует привлечения новых признаков.
В общем случае оптимизация алфавита классов представляет собой непростую комплексную (локационную, тактическую и экономическую) задачу, решаемую путем сравнения вариантов с использованием методов физико–математического моделирования после определения окончательного технического облика проектируемой РЛС.

Рис. 1.1. Схема классификации объектов
Таким образом, была предложена схема классификации классов объектов, объединяющая задачи селекции-распознавания МНЦ и местных предметов.
Предварительный анализ путей внедрения в РЛС разведки и целеуказания режима обнаружения и распознавания малоподвижных и неподвижных объектов, предложений по их технической реализации и экспериментальных данных позволил сформулировать следующий алгоритм обнаружения и распознавания неподвижных целей, приведенный на рис.1.2.
Поясним отдельные этапы этого алгоритма.
1. Ввод значений вектора входного сигнала X, который может быть представлен в форме
,
где , l – размер выборки от k–го элемента разрешения;
, j – количество элементов разрешения по дальности.
2. Предварительное обнаружение по энергетическому параметру мере заметности цели ((L1)2 – максимум ЭПР цели для оптимальной поляризации) или комплексному параметру. Ранее в [26] были показана возможность и синтезирован алгоритм обнаружения по перспективным параметрам.
3. Селекция по протяженности цели. При разработке этого подалгоритма необходимо учесть следующие предпосылки:
а) предполагаемая величина элемента разрешения узкополосных РЛС по дальности 10 – 15 м;
б) цели являются пространственно–сосредоточенными, т.е. занимают одну ячейку разрешения по дальности, а мешающие отражения – пространственно-распределенными, т.е. занимают более одной ячейки разрешения по дальности;
в) наибольшая радиальная протяженность лоцируемого наземного объекта разведки РЛС порядка 7–8 м. Следовательно, если по результатам предварительного обнаружения по энергетическому параметру цель занимает несколько смежных элементов разрешения по дальности, то принимается решение, что зондируемый объект относится к подклассу местных предметов (подкласс ω21 ).
Если же зондируемый объект располагается в одном элементе разрешения, то принимается решение, что зондируемый объект относится к подклассу техники (подкласс ω22 ).
4. Адаптивная фильтрация сигнала на фоне мешающих отражений. Основная задача этого этапа – повышение соотношения сигнал/шум на основе алгоритмов поляризационно–временной селекции, результаты синтеза которых будут приведены далее.
Рисунок 1.2. Алгоритм обнаружения и распознавания неподвижных целей
5. Расчет поляризационных и временных параметров. На этом этапе осуществляется расчет поляризационных и временных параметров в соответствии с соотношениями, рассмотренными в [28–31].
6. Процедуры распознавания (обнаружения) целей по вектору признаков. На основании вычисленных на этапе 5 поляризационных и временных параметров, составляющих вектор признаков, осуществляется распознавание (обнаружение) целей. Алгоритмы распознавания (обнаружения) целей по вектору признаков будут рассмотрены в дальнейшем.
1.2 Характеристики сигналов, отражённых от движущихся объектов
1.2.1 Анализ физических факторов, определяющих спектр сигнала от движущейся цели
Физическими предпосылками для решения задачи распознавания классов движущихся наземных целей являются как различия в частоте колебаний подрессоренной массы цели при ее движении по трассе, так и особенности вибрации ее конструктивных элементов [21, 12]. Механизмами возникновения спектральных отличий для классов колесной и гусеничной техники являются:
1. Вибрации объекта, обусловленные работой двигателя , которые являются следствием как вращения неуравновешенных частей механизмов двигателя, так и процессов ударного сгорания топливной смеси в цилиндрах. Для дизельных и карбюраторных двигателей спектр отраженного сигнала содержит гармоники основной частоты коленчатого вала, значение которой лежит в диапазоне частот . Положение спектральных линий меняется в зависимости от числа оборотов двигателя, а следовательно и от скорости движения объекта.
2. Вибрации объекта при движении по неровностям трассы без отрыва от ее поверхности. Такие вибрации зависят от формы пространственного спектра неровностей дороги, собственных колебательных характеристик объекта как механической системы, скорости движения и типа грунта. Составляющая спектра, связанная с этими вибрациями, имеет сплошной вид с максимумами, обусловленными АЧХ подвески ходовой части и характеристиками грунта. Резонансные частоты подвески у тяжелых и легких гусеничных объектов составляют соответственно 1,1 и 1,4 Гц. Для гусеничной техники характерны также колебания, возбуждаемые при движении катков по неровностям трассы, сосредоточенные в диапазоне частот . При движении колесной техники по неровностям дороги колебания возбуждаются: за счет колебания кузова в диапазоне частот ; за счет колебания мостов в диапазоне частот ; за счет колебания двигателя на подвеске в диапазоне частот . Основная энергия сигнала при движении колесной техники по неровностям дороги приходится на диапазон частот , а максимум спектральной плотности – на диапазон .
3. вибрации, связанные с наличием гусеничного движителя возникают из–за движения опорных катков по профилированной гусенице и возбуждают колебания на «траковой» частоте и ее гармониках. Спектр этого колебания зависит от скорости движения объекта, а значение «траковой» частоты можно определить из соотношения
F = V / L (1.1)
где L – длина гусеницы, м; V – скорость объекта, м/с.
При скоростях движения 3–15 м/с значение частоты «траковой» составляющей в спектре находится в диапазоне за счет многополярности подвески гусениц. Значение частот колебаний, возбуждаемых вследствие нецентрированности колес и катков, можно определить из соотношения
F = V / d (1.2)
где V – скорость движения, м/с; d – диметр катка, м.
Как видно из (1.2), спектр колебаний зависит от скорости движения. При движении со скоростями он сосредоточен в диапазоне частот от 0,5 до единиц герц. Удары траков гусениц о дорогу с твердым покрытием приводят к возбуждению колебаний, значение частоты которых зависит от скорости движения и лежит в диапазоне от 10 до 60 Гц.
Физическими предпосылками для решения задачи распознавания классов наземных целей являются как различия в частоте колебаний подрессоренной массы цели при ее движении по трассе, так и особенности вибраций ее конструктивных элементов. Так, например, амплитуда колебаний конструктивных элементов для танка составляет (0,01…0,25) мм, а для автомобиля (0,01…3) мм. Частота вибраций соответственно лежит в пределах (200…2000) …..Гц и (0,5…30) Гц. Представив модель цели в виде совокупности блестящих точек (БТ), результирующий сигнал на входе антенны РЛС можно записать в виде:
(1.3)
где – коэффициент усиления антенны, – расстояние до центра масс (ЦМ) цели, – волновое число, – начальная фаза, – количество БТ цели, – несущая частота, – диаграмма обратного рассеяния по мощности –ой БТ, – разность хода волн от ЦМ до –й БТ.
Величина определяет изменение фазы –й БТ . Можно показать, что разность хода волн равна
(1.4)
где – математическое ожидание расстояния от центра масс до –й колеблющейся БТ; – математическое ожидание расстояния от РЛС до колеблющегося ЦМ.
Радиальные составляющие колебаний БТ с угловой скоростью будут определять изменения мгновенной доплеровской частоты. Доплеровская частота для –й БТ при будет равна .
Например, при движении цели на РЛС расстояние от – й БТ до центра раскрыва антенны РЛС будет описываться выражением
(1.5)
При малых угловых высотах цели величиной можно пренебречь. Тогда , а
. (1.6)
Так как флуктуации фазы БТ определяют доплеровскую добавку
с учетом окончательно запишем
(1.7)
Так, например, при 5 мм, = 8 мм и = 0,25 рад/с величина составляет 78 Гц. Видно, что с уменьшением или увеличением увеличивается доплеровская добавка. Кроме того, различия в скорости угловых колебаний (вибраций) для различных целей являются основой для их распознавания.
Учитывая соотношения (1.5–1.7) рассмотрим фазовый множитель . Видно, что статистическая структура результирующего сигнала на входе антенны ИРТС будет определяться доплеровскими добавками , вносимыми каждой блестящей точкой представляющей объект. Применяя сложные сигналы, позволяющие разделить блестящие точки цели (сверхразрешение по дальности или угловым координатам) и измеряя доплеровский сдвиг частоты для каждой из них, можно построить портрет цели в системе координат (линейный размер цели, доплеровская частота). Основой для решения задачи распознавания являются не только различия в числе БТ и расстояниях между ними для различных объектов, но и в особенностях их колебаний для движущейся цели или вибраций при нулевой скорости и работающем двигателе. Во всех указанных случаях проявляется эффект внешней когерентности (блуждания –й БТ относительно неподвижного или медленно колеблющегося ЦМ). Для когерентных РЛС, использующих узкополосные сигналы, этот эффект может быть зафиксирован в законе изменения максимумов допплеровского спектра коротких реализаций результирующего сигнала, а для некогерентных в определенной закономерности участков «сгущения» и «разрежения» диаграммы обратного рассеяния цели.
В работе [79], автор которой для анализа статистической структуры сигналов, отраженных от цели, представляет ее совокупностью локальных отражателей показано, что двухмерная корреляционная функция для совокупности движущихся независимых отражателей равна
, (1.8)
где – линейный размер объема, занимаемого отражателями; – средняя скорость их движения; – дисперсия скорости.
Для совокупности жестко связанных отражателей эта зависимость имеет вид:
(1.9)
где , и – среднее значение, дисперсия и корреляционная функция изменения расстояний до n– го отражателя во времени – дисперсия радиальной скорости n– го локального источника. Видно, что синхронность колебаний отражателей во втором случае приводит к зависимости функции от числа отражателей и расстояний между ними. Степень жесткости связей отражающих элементов для автомобилей и танков различна, и это должно проявляться в статистической структуре фазы или доплеровского спектра отраженного сигнала, обусловленного особенностями колебаний конструктивных элементов целей.

Внимание, отключите Adblock

Вы посетили наш сайт со включенным блокировщиком рекламы!
Ссылка для скачивания станет доступной сразу после отключения Adblock!

Скачать полную версию