Теория и методы цифрового моделирования полей целей и сигналов в оптических и радиолокационных автономных информационных системах

• Автор: Лабунец, Леонид Витальевич
• Шифр специальности: 05.12.04, 05.11.07
• Научная степень: Докторская
• Год защиты: 2001
• Место защиты: Москва
• Количество страниц: 484 с. : ил

СОДЕРЖАНИЕ

ВВЕДЕНИЕ
ГЛАВА 1. ПАРАМЕТРИЧЕСКИЕ МОДЕЛИ МНОГОМЕРНЫХ РАСПРЕДЕЛЕНИЙ ВХОДНЫХ ВОЗДЕЙСТВИЙ ЛОКАЦИОННЫХ СИСТЕМ
Вводные замечания
1.1. Модели конечной смеси многомерных распределений
в метрике Махаланобиса
1.2. БХУМ алгоритм оценки параметров конечной смеси стандартных распределений
1.3. Полупараметрическая фильтрационная ядерная оценка ближайших соседей для многомерной плотности вероятности
1.4. Исследование свойств сходимости БХУМ алгоритма
1.5. Ковариационное приближение многомерных вероятностных распределений
Основные результаты и выводы
ГЛАВА 2. ИНТЕРПОЛЯЦИОННЫЙ МЕТОД АНАЛИЗА ХАРАКТЕРИСТИК ВЫБРОСОВ ШЕРОХОВАТОЙ ПОВЕРХНОСТИ
Вводные замечания
2.1. Оценка распределения длительности выбросов методом кусочно-линейной интерполяции
2.2. Распределение длительности выбросов гауссовского и полигауссовского нестационарных процессов
2.3. Оценка вероятности затенения и маскировки луча микрогранями шероховатой поверхности
Основные результаты и выводы

ГЛАВА 3. РАНДОМИЗИРОВАННЫЕ СПЕКТРАЛЬНЫЕ МОДЕЛИ ИЗОБРАЖЕНИЙ ФОНОВ И ПОДСТИЛАЮЩИХ ПОВЕРХНОСТЕЙ
Вводные замечания
3.1. Многомерное спектральное оценивание методом
прямого и обратного линейного прогноза
3.2. Каноническая спектральная модель гауссовского случайного поля, измеренного на дискретном растре
3.3. Рандомизация спектров в метрике Махаланобиса
3.4. Параметрическая модель изотропного случайного поля
3.5. Моделирование негауссовского случайного поля
Основные результаты и выводы
ГЛАВА 4. МОДЕЛЬ ОТРАЖЕНИЯ ОПТИЧЕСКОГО ИЗЛУЧЕНИЯ ОБРАЗЦАМИ ПОКРЫТИЙ В ВИДИМОМ И БЛИЖНЕМ ИК ДИАПАЗОНАХ
Вводные замечания
4.1. Гониофотометрические исследования отражения оптического излучения образцами покрытий
4.2. Лучевая модель индикатрис отражения оптического излучения шероховатой поверхностью
4.3. Оптимизация параметров модели индикатрис отражения излучения образцами покрытий
4.4. Параметрическая модель направленной спектральной степени черноты конструкционного материала
Основные результаты и выводы
ГЛАВА 5. СИСТЕМА ГЕОМЕТРИЧЕСКОГО МОДЕЛИРОВАНИЯ
АНТРОПОГЕННЫХ ОБЪЕКТОВ ЛОКАЦИИ
Вводные замечания

5.1. Базовые геометрические элементы системы
5.2. Алгоритмы расчета координат облучаемых и
видимых точек на поверхности цели
5.3. Алгоритмы визуализации геометрического образа трехмерного объекта
Основные результаты и выводы
ГЛАВА 6. ЦИФРОВОЕ МОДЕЛИРОВАНИЕ ОПТИЧЕСКИХ И РАДИОЛОКАЦИОННЫХ ХАРАКТЕРИСТИК
ОТРАЖЕНИЯ ЦЕЛЕЙ
Вводные замечания
6.1. Моделирование переходных характеристик объектов
в однопозиционной системе оптической локации
6.2. Моделирование интегральных коэффициентов яркости
целей в двухпозиционной оптической системе
6.3. Электромагнитное поле, рассеянное гладкой частью
объекта локации
6.4. Моделирование электромагнитного поля, рассеянного острыми кромками цели
6.5. Рассеяние электромагнитных волн двугранными вогнутыми структурами объекта локации
6.6. Моделирование ЭПР целей в однопозиционной радиолокационной системе
Основные результаты и выводы
ГЛАВА 7. ЦИФРОВОЕ МОДЕЛИРОВАНИЕ ИЗОБРАЖЕНИЙ ЦЕЛЕЙ И РЕАЛИЗАЦИЙ СИГНАЛОВ В ЛОКАЦИОННЫХ СИСТЕМАХ
Вводные замечания

алгоритмы типа ЕМ и SEM [3,155,165,193, 202]. В этом нетрудно убедиться, подставив в формулу (1.8) равенства Ÿ(m) =X(m); w(X|6) = ф(Х) = q(X|ô). Преимущество этого варианта состоит в том, что исходная выборка Х(га) выступает в роли обучающей Ÿ(m) для оценки многомерных интегралов в формулах (1.5), (1.6) и (1.7). Иными словами из алгоритма идентификации исключается этап статистического моделирования векторов Ÿ(1),...,Ÿ(M).
Однако распределение q(X|6) — Ф(Х) отличается от оптимального q0Pr(k|X,Ö)<|>(£) в той мере, в которой апостериорное распределение Pr(k| Х,5) уклоняется от единицы. Отсюда становится очевидным основной недостаток выборочного алгоритма, а именно, существенная зависимость скорости сходимости итерационного процесса от межклассовых расстояний. При малых расстояниях апостериорные распределения классов значительно уклоняются от единицы, приближаясь к величине порядка К”1. Поэтому дисперсии выборочных оценок многомерных интегралов в формулах (1.5), (1.6) и (1.7) неприемлемо большие. Кроме того, при малом объеме М исходной выборки дисперсия эмпирического функционала качества оценок, в частности, правдоподобия

1(§) = ^1>$(£<т)|§) (1.9)

становится также неприемлемо большой. В этом случае не приходится надеяться на хорошую сходимость итерационного процесса, максимизирующего такой функционал.
1.2. SWM алгоритм оценки параметров конечной смеси стандартных распределений
1.2.1. Модифицированная система нормальных уравнений. В рамках регулярной формы представления исходной информации наилучшим, в смысле эффективности моделирования обучающей выборки, является вто-