Классификация объектов в сейсмической системе обнаружения с учетом параметров их движения

• Автор: Алямкин, Сергей Анатольевич
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Новосибирск
• Количество страниц: 124 с. : ил.

Содержание
Введение
1. Обзор методов классификации и сопровождения движущихся объектов в Сейсмических Системах Охраны

1.1. Сейсмические волны

1.1.1. Общее описание

1.1.2. Скорость распространения сейсмических волн. Дисперсия

1.1.3. Интенсивность сейсмических волн

1.1.4. Сейсмические приемники

1.2. Спектральные и временные характеристики движущихся объектов

1.3. Периметровые маскируемые сейсмические средства обнаружения

1.4. Алгоритмы обнаружения движущихся объектов в ССО

1.4.1. Обнаружение пешехода
1.4.2. Обнаружения автомобильной техники
1.5. Определение траектории движения объекта в ССО
1.5.1. Поляризационный метод
1.5.2. Метод на основе измерения временной задержки сигнала между сейсмоприемниками
1.5.3. Энергетический метод
1.5.4. Сравнение методов
1.6. Постановка задачи исследования
2. Исследование методов обнаружения объектов на основе анализа скалярного сейсмического сигнала
2.1. Обнаружение пешехода
2.1.1. Описание метода
2.1.2. Клиппированная автокорреляционная функция
2.2. Обнаружение автомобильной техники
2.2.1. Карты самоорганизации Кохонена
2.2.2. Вероятностная нейронная сеть
2.3. Эксперимент
2.3.1. БД одноканальных сейсмических записей
2.3.2. Обнаружение пешехода
2.3.3. Обнаружение авто
2.4. Результаты
2.4.1. Обнаружение пешехода
2.4.2. Обнаружение авто

2.5. Выводы
3. Исследование алгоритмов сопровождения движущихся объектов в ССО на основе многомерных сейсмических сигналов
3.1. Пеленгование одного объекта
3.1.1. Алгоритмы вычисления временной задержки
3.1.2. Описание методики эксперимента
3.1.3. Анализ полученных результатов
3.2. Пеленгование нескольких объектов
3.2.1. Теория
3.3. Эксперимент
3.3.1. Компьютерное моделирование
3.3.2. Эксперимент на реальных данных
3.4. Выводы
4. Уточнение траектории движущегося объекта
4.1. Теория
4.1.1. Характеристики вектора наблюдения и вектора состояния системы
4.1.2. Фильтр Калмана
4.1.3. Расширенный фильтр Калмана и фильтр частиц
4.1.4.Фильтр частиц
4.2. Эксперимент. Сравнение алгоритмов восстановления траектории
4.2.1. Методика эксперимента
4.3. Результаты
4.4. Выводы
5. Классификация движущихся объектов в ССО с использованием информации о траектории их движения
5.1. Теория
5.1.1. Анализ признаков классификации
5.1.2. Классификация объектов. Метод опорных векторов
5.2. Эксперимент
5.2.1. Интенсивность источника сейсмического сигнала
5.2.2. Частота следования импульсов в сейсмическом сигнале
5.2.3. Классификация
5.3. Результаты
Заключение
Список литературы

Введение
Актуальность работы
В настоящее время при охране особо важных объектов получили широкое применение сейсмические системы обнаружения (ССО), в которых регистрируются и затем обрабатываются сейсмические сигналы, генерируемые при движении объекта по поверхности земли. Сейсмические датчики являются основой для ССО, их работа обусловлена алгоритмической селективностью, основанной на различиях характеристик шумовых и целевых сигналов. Основными преимуществами сейсмических датчиков являются пассивный принцип функционирования (отсутствие собственного излучения), возможность скрытной установки (в грунт). За счет пассивности функционирования сейсмические средства обнаружения не выявляются электронными средствами разведки, а также обладают большей длительностью автономной работы по сравнению с датчиками, основанными на других физических принципах. Основными тактико-техническими характеристиками (ТТХ) ССО являются вероятность распознавания Р объектов классов «Пешеход», «Автомобиль» и время наработки на ложную тревогу Т. Улучшение ТТХ достигается за счет разработки новых подходов к обработке сейсмических сигналов. Несмотря на то, что такие алгоритмы разрабатываются в мире с начала 70-х годов, их эффективность остается недостаточно высокой.
Среди задач, решаемых в ССО, стоит отдельно выделить задачу определения местоположения нарушителя и траектории его движения. Решение данной задачи основано на синхронной обработке сигналов с нескольких сейсмоприемников, разнесенных в пространстве. Применительно к задаче распознавания, траектория и скорость объекта могут позволить получить дополнительные признаки для классификации движущихся объектов.

качестве классификационных были выбраны корреляционный контраст (далее КК)
КК=А1 + А2, (2.1)
где А1,А2 - амплитуды первых двух максимумов нормированной автокорреляционной функции; частота автокорреляционной функции:
/ = 2/г, (2.2)
где г - интервал времени между нулевым и вторым максимумами функции автокорреляции.
2.1.2. Клиппированная автокорреляционная функция
Потребление энергии микроконтроллером датчика зависит от числа операций в секунду, производимых микропроцессором. Расчет и анализ параметров функции автокорреляции производится один раз в секунду, поэтому его вклад в потребление невелик, и, основные вычислительные ресурсы тратятся на расчет самой функции автокорреляции.
Ф(п) = ^ыБ{к)хЗ(к-п), (2.3)
где 5'(к) - сейсмический сигнал в момент времени 1к
Ресурсоемкость алгоритма пропорциональна частоте отбора значений сигнала , и каждое новое значение сигнала для подсчета функции
автокорреляции длины п требует п умножений (2.3), т.е. требуется х п операций умножения в секунду. Длина массива автокорреляции п определяется интервалом времени Т, на котором нужно ее подсчитывать и частотой отбора значений, п = Р5хГ, таким образом, число умножений в секунду пропорционально Д52.
Операция умножения требует значительно больших вычислительных
ресурсов, чем сложение. Известен метод вычисления функции корреляции,
где умножение заменяется сложением - клиппированная функция
корреляции [9]. Показано, что для сигналов с гауссовой статистикой он дает