Методы распознавания радиолокационных целей по диаграммам рассеяния в пространственно-разнесенном многодиапазонном радиолокационном комплексе с использованием аппарата нейронных сетей

• Автор: Чинь Суан Шинь
• Шифр специальности: 05.12.14
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Санкт-Петербург
• Количество страниц: 138 с. : ил.

Перечень сокращений и условных обозначений
]. Постановка задачи и анализ алгоритмов распознавания радиолокацион
ных целей
1.1. Постановка задачи проектирования систем распознавания целей
1.1.1. Основы проектирования систем распознавания цели в пространст- 16 венно-разнесенном многодиапазонном радиолокационном комплексе (МДРК).
1.1.2 . Формирование алфавитов классов воздушных целей
1.1.3. Признаки распознавания целей в МДРК
1.1.4. Выбор признаков при распознавании целей в МДРК
1.2. Анализ алгоритмов распознавания радиолокационных воздушных це

1.2.1. Байесовские одноэтапные и близкие к ним алгоритмы распознава

1.2.2. Непараметрические алгоритмы распознавания
1.2.3. Многоэтапные алгоритмы распознавания
1.2.4. Нейросетевые алгоритмы
1.2.5. Выбор алгоритма распознавания
2. Характеристики распознавания целей по диаграммам рассеяния (ДР)
2.1. Основные особенности функционирования многодиапазонного радио
локационного комплекса
2.1.1. Определения и классификация
2.1.2. Преимущества многодиапазонного радиолокационного комплекса
2.2. Характеристики распознавания целей по ДР в МДРК
2.2.1. Многопозиционная эффективная площадь рассеяния
2.2.2. Статистические модели входных сигналов в МДРК
2.2.3. Распознавание целей по ДР в МДРК

3. Разработка алгоритма распознавания целей на основе иейросетевых 66 технологий при использовании в качестве признака диаграмм рассеяния
3.1. Разработка алгоритма распознавания целей на основе иейросетевых 66 технологий
3.1.1. Понятие, классификация и прикладные возможности нейронных сетей
3.1.2. Структуры и принципы функционирования нейронных сетей для рас- 70 познавания
3.1.3. Алгоритм распознавания воздушных целей на основе иейросетевых 74 технологий
3.1.4. Проектирование системы распознавания воздушных целей в МДРК 87 на базе нейронных сетей
3.2. Методы использования ДР при распознавании целей в МДРК
3.2.1. Моделирование исходных данных для проектирования
3.2.2. ДР как векторы признака при распознавании
3.2.3. Методы использования ДР при распознавании
4. Моделирование процесса распознавания и оценка результатов
4.1. Методы определения характеристик вторичного излучения
4.2. Варианты распознавания по ДР
4.3. Выбор программных средств
4.4. Условия моделирования
4.5. Процесс моделирования
4.6. Результаты моделирования распознавания
4.7. Анализ результатов моделирования
Заключение
Список литературы
Приложение

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ
АВО Алгоритмы «вычисления оценок»
АРУ Автоматическая регулировка усиления
АЦП Аналого-цифровой преобразователь
БПЛА Беспилотный летательный аппарат
БПФ Быстрое преобразование Фурье
БЭПР Бистатическая эффективная площадь рассеяния
ВР Вероятность распознавания
ДН(А) Диаграмма направленности (антенны)
ДП Дальностный потрет
др Диаграмма рассеяния
ДРВР Диаграмма рассеяния с высоким разрешением
ЗРВ Закон распределения вероятностей
ИАП Источник активных помех
ИК Измерительный канал
ИН Искусственный нейрон
ио Идеальный ограничитель
ЛА Летательный аппарат
ЛЧМ Линейная частотная модуляция
МДРК Многодиапазонный радиолокационный комплекс
МПЭПР Многопозиционная эффективная площадь рассеяния
МЭПР Моностатическая эффективная площадь рассеяния
ммп Метод максимального правдоподобия
МНС Многослойная нейронная сеть
мссв Мало скоростная средня высотная
НКМРЦ Некооперативные методы распознавания цели
НС Нейронная сеть
ОДПФ Обратное дискретное преобразование Фурье
ОРЛСАО Обзорная РЛС с активным ответом

РЛСГ a_)
Рис. 2.1. Повышение разрешающей способности в МДРК
а) расположение РЛС и целей 1 и 2; б) и в) — выходные сигналы приемников соответственно РЛС1 и РЛС2.
б. Повышение точности измерения пространственного положения цели
Точность измерения положения цели в пространстве характеризуется телом ошибок. Каждое тело ошибок обычно представляет собой сильно сплюснутый эллипсоид, вытянутый в направлении, точность измерения которого минимальна. Для разнесенных РЛС при совместной обработке информации от нескольких станций тело ошибок всей системы представляет собой пересечение тел ошибок отдельных РЛС. При определенном размещении разнесенных позиций, когда тела ошибок пересекаются под достаточно большими углами, порядка 60 - 90 градусов, точность оценки местоположения цели резко возрастает, причем главным образом благодаря измерениям дальности.
Для ориентировочной оценки угловой точности воспользуемся приближенным значением среднеквадратической ошибки (СКО) определения угловой
координаты цели по измерениям дальности в каждой паре РЛС: ап «о- л/2 И
и R эф
где - СКО измерения дальности в каждой РЛС (предполагается, что ошибки независимы, а СКО одинаковы). Из приведенной формулы следует, что при высокой точности измерения дальности (при использовании широкополосных сигналов) и достаточно больших базах СКО сгд может быть значительно меньше, чем при обычной однопозиционной пеленгации цели. Например, при Од—5м, Д