Распознавание радиолокационных целей по дальностному портрету с использованием аппарата нейронных сетей в целях мониторинга воздушного пространства

• Автор: Ле Дай Фонг
• Шифр специальности: 05.12.14
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Санкт-Петербург
• Количество страниц: 126 с. : ил.

Перечень сокращений и условных обозначений
Глава 1 - Применения нейронных сетей в обработке
радиолокационной информации
1.1. Основные области применения нейронных сетей в обработке
1 радиолокационной информации
1.2. Распознавание радиолокационных целей
Выводы к главе
Глава 2 - Радиолокационные цели и их признаки,
использующиеся при распознавании
2.1. Постановка задачи распознавания
2.2. Классификация радиолокационных целей по признакам, использующимся при их распознавании
2.3. Формирование алфавита классов воздушных целей
* 2.4. Радиолокационные признаки распознавания воздушных целей
2.5. Выбор признака при распознавания
Выводы к главе
Глава 3 - Алгоритмы распознавания цели
3.1. Байесовские одноэтапные алгоритмы распознавания
3.2. Непараметрические алгоритмы распознавания
3.3. Многоэтапные алгоритмы распознавания
3.4. Нейрокомпьютерные алгоритмы
3.5. Выбор алгоритма при распознавании
Выводы к главе
Глава 4 - Принципы построения и структуры нейрокомпыотерных алгоритмов распознавания
4.1. Использование дальностных портретов при распознавании
4.2. Предварительная обработка дальностных портретов

4.3. Нейронные сети, использующиеся для распознавания
4.4. Принципы построения и структуры нейрокомпьютерных алгоритмов распознавания
Выводы к главе
Глава 5-Разработка модели распознавания радиолокационных
целей и оценка результатов моделирования
5.1. Процесс моделирования
1 5.2. Результаты моделирования распознавания
Выводы к главе
Заключение
Список литературы

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ
И УСЛОВНЫХ ОБОЗНАЧЕНИЙ
АВО Алгоритмы «вычисления оценок»
АРУ Автоматическая регулировка усиления
АЦП Аналого-цифровой преобразователь
(Б)ПФ (Быстрое) преобразование Фурье
ВМС Вращательная модуляция спектров
ДН(А) Диаграмма направленности (антенны)
ДП Дальностный потрет (профиль)
ДПВР ДП с высоким разрешением
ДДП дальностно-поляризационный портрет
дчп дальностно-частотный портреты
ДУП дальностно-угловый портрет
ДАП дальностно-азимутальный портрет
ЗРВ Закон распределения вероятностей
ик Измерительный канал
ин Искусственный нейрон
ЛА Летательный аппарат
лчм Линейно-частотная модуляция
ммп Метод максимального правдоподобия
МНС Многослойная нейронная сеть
МССВ Малоскоростная средневысотная
НОМРЦ Некооперативные методы распознавания цели
НС Нейронная сеть
ОДПФ Обратное дискретное преобразование Фурье
ОРАО Обзорная РЛС с активным ответом
ОРО Обратное распространение ошибки
ОСШ Отношение «сигнал-шум»
ОСЧ Опознавание «свой - чужой»

характерных признаков дели из первичных данных, которые получаются на стадии 1. Такое представление называют вектором признака. На стадии классификации вектор признака неизвестной цели сравнивается с векторами признаков известных целей, сохраненными в базе данных. Затем в соответствии с правилами распознавания неизвестных целей принимается решение о принадлежности данной цели тому или иному классу.
Выбор надлежащих векторов признака является весьма важным при распознавании цели. Идеальный вектор признака для распознавания воздушной цели должен удовлетворять следующим требованиям: он должен быть устойчивым и надежным в шумной среде; он должен меняться незначительно при движении цели; он должен быть способен правильно распознавать цель в случае неполной информации, и, наконец, его аппаратно-программная реализация не должна быть слишком сложной.
Исходя из этих требований, ЭПР цели не может использоваться в качестве вектора признака, поскольку ЭПР сильно зависит от частоты и от ракурса цели. С другой стороны, ДП представляет собой рассеянное распределение цели по радиальному расстоянию; он содержит информацию о положении и интенсивности рассеяния отражённых точек цели в определенном ракурсе цели [66]. Образ ДП меняется незначительно, если изменения ракурса цели очень маленькие. Кроме того, скорость, дальность, угол головки и траектория воздушной цели обычно могут быть оценены по профилю дальности с определенной точностью.
Мы можем определить какие ДП в большой базе данных должны быть выбраны для сравнения с вектором признака неизвестной цели. Поэтому, дально-стный портрет вполне подходит для использования в качестве вектора признака при распознавании воздушных целей. Дальностные портреты будут использованы как одномерные векторы признака для представления данных.