Разработка и исследование методов сигнально-траекторного накопления для решения задачи обнаружения движущейся цели и определения параметров ее движения

• Автор: Шадрин, Александр Викторович
• Шифр специальности: 01.04.03
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Москва
• Количество страниц: 123 с.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ДАННЫХ РАДИОЛОКАЦИОННЫХ НАБЛЮДЕНИЙ
Введение
§ 1. Оптимальная доверительная оценка векторного параметра
Конкретизация алгоритма доверительного оценивания параметров радиолокационного сигнала
Экспериментальное исследование алгоритма (одномерный случай)
Экспериментальное определение порога
Исследование точности произведенной оценки
Экспериментальное исследование алгоритма (случай трех измерений)
§2 Проблема дальнейшего использования полученных оценок
Сложность вида полученных оценок
2.1 Аппроксимация функции правдоподобия
2.2 . Покрытие получившейся оценки простыми множествами
2.3 Выбор класса описывающих множеств
§3 Эллипсоидальное описание
Пример построения описания
§4 Клеточное описание
Выводы
ГЛАВА 2. МЕЖКАДРОВАЯ ОБРАБОТКА ДАННЫХ РАДИОЛОКАЦИОННЫХ НАБЛЮДЕНИЙ
§ 1. Априорные знания о законе движения цели

§2. Гарантированное оценивание наблюдаемых траекторий
§3 Эволюция множеств допустимых значений параметров
3.1 Эллипсоидальное описание
3.2 Клеточное описание
§4 Возможности предварительной межкадровой обработки
§ 5. Эллипсоидальное описание
5.1 Аппроксимация сферического слоя
5.2 Аппроксимация эллипсоидального слоя
5.3 Построение субоптимального эллипсоида натянутого на пересечение эллипсоидов
ГЛАВА 3. ОПТИМАЛЬНАЯ МЕЖКАДРОВАЯ ОБРАБОТКА ДАННЫХ РАДИОЛОКАЦИОННЫХ ИЗМЕРЕНИЙ
§ 1. Оптимальная межкадровая обработка радиолокационного сигнала в ограниченном пространстве параметров
§ 2. Традиционная процедура обработки сигнала
§ 3. Сравнение результатов, даваемых различными методами обнаружения-измерения
§4 Замечания
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА
ВВЕДЕНИЕ
1. ОБЩИЕ ПОЛОЖЕНИЯ.
Задачи обнаружения движущихся объектов и определения параметров их движения возникают с самого рождения радиолокации. В решении этих задач достигнуты значительные успехи, в том числе синтезированы оптимальные процедуры их решения, основанные, например, на минимизации среднего риска при принятии решений [4, 6,26, 44, 47, 53]. К сожалению, в практических ситуациях, из-за имеющих место неопределенностей относительно наблюдаемых ситуаций, законов распределения сигналов и помех, классические байесовы процедуры оказываются неприменимы, либо применимы лишь частично, в сочетании с другими, небайесовскими процедурами, например, адаптивный байесов подход, минимаксный подход и др. [5, 11, 29, 33, 47] Когда невозможно применение и этих методов, применяются чисто небайесовские подходы, такие как критерий максимального правдоподобия или, даже, критерий минимума среднего квадрата ошибки. Преимущество таких подходов состоит в простоте, и небольших, в сравнении с байесовскими процедурами, вычислительных затратах. Но в то же время эти методы являются, как правило, только частными случаями байесовских решений при довольно жестких условиях, таких как линейная зависимость наблюдаемых ситуаций от параметров, гауссовость исходных распределений, симметричность функции потерь и т.д. Вопрос же об их эффективности (качестве обнаружения, точности оценивания параметров) в общем случае остается открытым [33, 53, 56, 57]. С другой стороны, требования к надежности, качеству и эффективности алгоритмов радиолокационного обнаружения постоянно возрастают. Это связано как с практическими потребностями радиолокации, так и с совершенствованием самих радиолокаторов, так что объем информации, предоставляемый ими, становится все больше и больше. Поэтому, синтез процедур, позволяющих эффективно, качественно и надежно проводить обработку данных радиолокационных наблюдений, становится крайне важен. Этот факт также становится понятен, если учесть, что технические характеристики радиолокатора можно существенно улучшить путем применения соответствующей процедуры обработки сигнала.

ми, может получиться связной, соответственно мы потеряем какую-то часть информации, кроме того, при дальнейшем исследовании невозможно будет отличить одноцелевой случай от многоцелевого, основываясь на полученной в результате приближения информации. Также возможна и обратная ситуация, когда одна и та же связная область, имеющая сложное строение может быть накрыта несколькими пересекающимися множествами, а это, в свою очередь, приведет к размножению целей.
2.3 Выбор класса описывающих множеств.
Класс описывающих множеств может быть выбран отчасти произвольно. Хотя
желательно, чтобы описание было по возможности простым и адекватным поставленной задаче по точности.
Предлагается в качестве элемента описания выбрать эллипсоиды и прямоугольные параллелепипеды.
Что касается эллипсоидов, то асимптотически (по отношению сигнал/шум) мы получаем точное описание оптимальной оценки. Кроме того, в трехмерном пространстве требуется всего 9 параметров для полного задания эллипсоида (в п мерном случае (;? + )п
п + -—Это минимальное число параметров в сравнении с другими аналогичными
классами. Во-вторых, эллипсоид имеет гладкую границу, что важно при описании областей с гладкими границами и, наконец, при линейных преобразованиях пространства эллипсоид переходит в эллипсоид. Последнее может оказаться немаловажным при последующей обработке сигнала.
Что же касается прямоугольных параллелепипедов, то эти множества, конечно не так хороши, как эллипсоиды. Например, класс прямоугольных параллелепипедов не является инвариантным относительно линейного преобразования пространства, но с другой стороны мы можем с их помощью строить достаточные близкие клеточные описания, и в общем случае, когда задача не допускает упрощения, это самый простой и традиционно применяемый способ описания оценки.
Возможность покрытия множества определяемого (4) эллипсоидами следует, например, из [20]. Можно показать, что для любого ограниченного множества С вй" существует единственный эллипсоид Е+ наименьшего объема, содержащий С. Это позволяет надеяться на получение адекватного описания оптимального доверительного множества, если последнее представить в виде суммы областей, каждая из которых накрыта