Алгоритмическое обеспечение информационной поддержки оценивания динамической ситуации в многосенсорных системах при автоматическом сопровождении надводных объектов

• Автор: Бескид, Павел Павлович
• Шифр специальности: 05.13.06
• Научная степень: Докторская
• Год защиты: 2001
• Место защиты: Санкт-Петербург
• Количество страниц: 350 с. : ил

1. Методологические аспекты оценивания динамических ситуаций в

многосенсорных системах автосопровождення надводных объектов .

1.1. Динамическая ситуация как задача распознавания и

автосопровождения НО

1.2. Анализ средств наблюдения, применяемых в многосенсорных системах автосопровождения НО.

1.3. Структуризация методов объединения информации в многосенсорных системах

Выводы

2. Формализация процедуры автоматического сопровождения

маневрирующих объектов .

2.1. Рекуррентные фильтры с преобразованием координат

2.2. Многомодельный алгоритм фильтрации параметров траектории маневрирующих целей

2.3.Вероятностный алгоритм фильтрации маневрирующих целей
2.4. Обобщенный фильтр Калмана с использованием информации об амплитуде сигнала
2.5. Сравнительное оценивание алгоритмов по результатам моделирования.
Выводы
3. Алгоритмизация и информационное обеспечение автосопровождения
целей в многосенсорных системах
3.1. Особенности информационного обеспечения в синхронных многосенсорных системах
3.2. Алгоритмизация слежения за маневрирующими целями в многосенсориых системах в условиях априорной неопределенности .
3.3.Анализ влияния взаимосвязи ошибок измерения в различных
датчиках на точность вычисления .
3.4.Алгоритм обработки информации по данным оценок состояния отдельных сенсоров
3.5. Обработка информации в многосенсорных системах с разнородными датчиками .
3.6. Использование информации о радиальной скорости цели в многосснсорных системах автосопровождсния .
Выводы .
4. Основы принятия решений при распознавании информационных образов как динамических ситуаций .
4.1. Взаимосвязь задач обнаружения, оценивания и распознавания
4.2.Модели надводных объектов .
4.2.1. Распределенная модель
4.2.2. Дискретная модель
4.2.3. Комбинированная модель .
4.3. Методы формирования и представления информационных образов надводных объектов
4.4. Алгоритмы распознавания и классификации пространственнораспределенных надводных объектов .
4.5. Оптимизация структуры информационного образа надводных объектов
Выводы
5. Обратная задача распознавания как метод управления
информационным образом объекта
5.1. Информационное пространство эталонов при решении обратной
задачи распознавания
5.2.Оптимизация процедуры управления информационными образами
5.3. Методы управления информационными образами надводных
объектов.
5.3.1. Технология управления информационными образами .
5.3.2. Система оперативного изменения ИО объекгов на базе уголковых отражателей .
5.3.3. Система оперативного изменения ИО объекта на базе с помощью экранирования
5.3.4. Система оперативного управления ИО объекта с использованием поглотителей электромагнитных волн
5.4. Формирование банка данных методов управления информационным образом объекта
5.5.Структуризация процессов изменения информационных образов надводных объектов .
Выводы
6. Модели оценивания работоспособности систем информационной
поддержки принятия решения
6.1. Система информационной поддержки принятия решения как объект диагностики
6.1.1. Модель подсистемы аппаратнопрограммной реализации
6.1.2. Модель контроля работоспособности конструкций механических СИП .
6.1.3. Модель конгроля работоспособности электронных узлов СИП
6.2. Управление техническим обслуживанием САЦ .
6.2.1. Алгоритмизация контроля работоспособности САЦ
6.2.2. Анализ эффективности методики контроля работоспособности САЦ
6.2.3. Аппаратнопрограммная реализация САЦ
6.3. Оценивание технического состояния механических конструкций САЦ
6.3.1. Концепция вибродиагностики механических конструкций САЦ.
6.3.2. Снижение размерности пространства признаков .
6.3.3. Адаптивная фильтрация сигналов в задачах вибродиагностики
6.3.4. Аппаратнопрограммный комплекс системы вибродиагностики
6.4. Алгоритмизация прогнозирования и контроля работоспособности электронных систем по результатам экспресс оценок показателей
качества функционирования отдельных блоков .
6.4.1. Принципы анализа и прогнозирования работоспособности
электронных устройств САЦ
6.4.2. Прогнозирование состояния работоспособности электронных систем на основе модели, учитывающей информацию датчиков различных типов
6.4.3. Модели оценки работоспособности РЛС .
Выводы
Заключение .
Список литературы


В этой структуре каждый датчик имеет свой локальный процессор и систему определения траекторий НО, которые затем объединяются сливаются, при условии, что траектории принадлежат одной цели. Конфигурация системы, приведенной на рис. Рис. Сигнальный Устройство Сглаживаю . Рис. Слияние данных в этой системе происходит в реальном масштабе времени, т. В конфигурации, приведенной на рис. Определение траектории НО производится по данным объединенной информации. Такая структура применяется при обработке информации от разнородных датчиков. Устройство выработки стооба
Рис. На рис. НО. В данной структуре локальные процессоры осуществляют только сглаживание результатов измерений без определения траекторий и вся информация поступает на центральный процессор, где и происходит определение траектории, т. Рис. Поставлена задача оценивания динамической ситуации в заданном районе акватории. Показано, что динамическая ситуация оценивается эффективностью функционирования систем автосопровождения и распознавания надводных объектов. Проведен анализ технических характеристик средств наблюдения различной физической природы. Оценена возможность их применения для решения задач автосопровождения и распознавания подвижных объектов. Показано, что большинство из анализируемых средств наблюдения обладает большой функциональной избыточностью. Обоснована целесообразность построения многосенсорных систем оценивания динамической ситуации в акваториях перемещения надводных объектов. Приведены предлагаемые конфигурации систем объединения информации при решении задач автосопровождения надводных объектов. Задача слежения за не маневрирующими целями в настоящее время решена достаточно полно и изложена, например, в . В системе слежения для определения оценки сглаженного и экстраполированного значения координат целей используют, как правило, фильтр Калмана. Указанные проблемы не имеют общего решения. Некоторые частные методы решения проблемы траекторных измерений маневрирующих целей освещены в литературе, например, в , , , однако они не охватывают все возможные случаи. В данном разделе будут рассмотрены некоторые методы и алгоритмы слежения за маневрирующими целями с помощью как активных, так и пассивных радиоэлектронных радиолокационных, гидродинамических, пеленгационных и т. Задачи обнаружения маневра цели или определение вероятности его наличия решаются в основном с помощью адаптивных алгоритмов фильтрации. Обнаружить маневр цели можно по отклонению ее траектории от прямолинейной по каждой из фильтруемых координат. Таким образом, для решения задач обнаружения маневра цели, а также по некоторым другим соображениям, фильтрацию параметров ее движения целесообразно осуществлять в декартовой системе координат с началом в точке стояния локатора. В то же время другие операции вторичной обработки локационной информации стробирование отметок, идентификация отметок, сравнение измеренных и экстраполированных значений координат цели наиболее просто осуществлять в сферической системе координат. Таким образом, для решения задачи адаптивной фильтрации параметров маневрирующих целей целесообразно применять рекуррентные фильтры, в которых фильтруемые параметры представляются в прямоугольной системе координат, а сравнение измеренных и экстраполированных координат производится в сферической системе координат. В этом случае обнаружение маневра или определение вероятностных характеристик маневра может быть организовано на основе анализа отклонения оценок параметров траектории от значений, соответствующих гипотезе прямолинейного и равномерного движения. Рассмотрим основные соотношения рекуррентного фильтра, используемого в задачах фильтрации и экстраполяции координат маневрирующих целей. При этом в качестве базового рекуррентного фильтра выбран фильтр Калмана. На рис. Калмана НФК. Нелинейный фильтр Калмана является субоптимальным алгоритмом оценивания нелинейных систем и основан на разложении нелинейных функций в ряд Тейлора обычно 1го или 2го порядка. Основной особенностью нелинейной фильтрации является то, что в этом случае переходная ковариационная матрица Р и ковариационная матрица измерений Н вычисляются через Якобианы эти матрицы не являются независимыми. Рис. Рис.