CC BY
27
ОЦЕНКА ПАРАМЕТРОВ НАБЛЮДЕНИЯ МЕТОДОМ РЕДУКЦИИ
Моисеев Александр Александрович,
к.т.н., старший научный сотрудник научно-производственного предприятия «Технологические системы радиомониторинга», г. Москва, Россия, [email protected]
АННОТАЦИЯ
Процесс пассивного радиотехнического наблюдения включает ряд этапов, в частности обнаружение, местоопределение и распознавание наблюдаемых объектов. Эти объекты могут быть комплексными и включать ряд подобъектов - например, радиолокационных станций различных типов и назначения. На этапе обнаружения в этой ситуации оцениваются параметры обнаруженных подобъектов, используемые в дальнейшем для их распознавания. Место-определение подобъектов позволяет при этом идентифицировать их в составе объекта и тем самым решать задачу его структурного распознавания. В свою очередь, совокупность распознанных объектов с установленным местоположением характеризует наблюдаемое поле. Совокупность параметров наблюдаемых подобъектов образует множество точек многомерного пространства указанных параметров. Задача распознавания в этих условиях сводится к разбиению этого пространства на области решений, соответствующие характеристикам отдельных подобъектов. Возможным методом решения этой задачи является предварительная кластеризация указанного множества точек на этапе обучения без учителя с последующей фиксацией границ областей. Система распознавания сложных объектов реализуется в виде обучаемой нейронной сети, алфавит которой соответствует упомянутым областям решений, а сложные объекты представляют собой слова этого алфавита. Формированию этих слов предшествует географическая привязка подобъектов, позволяющая идентифицировать их как составляющие объекта и осуществляемая методом триангуляции. Оценку параметров подобъектов предлагается проводить методом редукции на основе модели измерения, базирующейся на основном соотношении пассивной локации. Настройка параметров модели, интерпретируемых как параметры наблюдаемого сигнала, осуществляется с помощью статистического или прямого перебора. Таким образом, метод редукции представляет собой модельно-ориентированный метод оценки параметров отдельного излучателя по результатам наблюдения принятого от него сигнала. Для географической привязки объекта используется триангуляция, а для трансформации спектрографического сигнала в спектрометрический масштабно-инвариантный преобразователь.
Ключевые слова: распознавание; параметрическое пространство; разбиение; области решений; кластеризация; нейронная сеть; обучение без учителя; обучение с учителем; метод редукции; статистический перебор; прямой перебор; спектрограф; спектрометр; масштабная инвариантность.
Для цитирования: Моисеев А.А. Оценка параметров наблюдения методом редукции // Наукоемкие технологии в космических исследованиях Земли. 2017. Т. 9. № 3. С. 31-38.
h&es research, 3-2017
31
Процесс пассивного радиотехнического наблюдения включает ряд этапов, в частности обнаружение, местоопре-деление и распознавание наблюдаемых объектов [1]. Эти объекты могут быть комплексными и включать ряд подо-бъектов — например, радиолокационных станций (РЛС) различных типов и назначения. На этапе обнаружения в этой ситуации оцениваются параметры обнаруженных подобъектов, используемые в дальнейшем для их распознавания. Местоопределение подобъектов позволяет при этом идентифицировать их в составе объекта и тем самым решать задачу его структурного распознавания. В свою очередь, совокупность распознанных объектов с установленным местоположением характеризует наблюдаемое поле.
Совокупность параметров подобъектов определяет совокупность точек в многомерном параметрическом пространстве. Задача распознавания подобъектов в этих условиях сводится к рациональному разбиению пространства параметров на области решений, соответствующих подо-бъектам. Возможным методом решения этой задачи является предварительная кластеризация совокупности точек на этапе обучения без учителя с последующей фиксацией построенных границ [2]. Систему распознавания объектов предлагается реализовать в виде нейронной сети, алфавит которой образуют упомянутые выше области решений. Обучение этой сети предполагается вести либо по отечественным аналогам, либо по существующим записям наблюдений, а в перспективе — на основе статистических моделей наблюдаемого поля.
Оценку параметров подобъекта на этапе обнаружения предлагается осуществлять на основе модели измерения принимаемой мощности подобъекта, интерпретируемого
как излучатель. Подгонка параметров модели измерения по его результатам представляет собой один из вариантов оптимальной редукции [3]. В качестве модели измерений в данном случае используется основное соотношение пассивной радиолокации. При широкополосном беспоисковом приеме [1] относительная мощность принятого сигнала описывается в данном случае соотношением вида:
_ Р ^ (ф г, ф,)
N 4пВ2 N _ кТ А/
где Р — средняя мощность излучателя;
М0 — мощность шума в частотном диапазоне А/ приемника излучения [4];
к—постоянная Больцмана; Т— абсолютная температура приемника; А — площадь приемной антенны; Б — дальность до излучателя;
^Ф^, фл) — комплексная диаграмма, учитывающая ориентацию диаграмм направленности излучателя и приемника.
С учетом скважности излучения ^ находим среднее отношение сигнал / шум:
к.
PA
4nD N0 d
(1)
где Р0 — мощность излучения в импульсе.
Переходя в (1) к децибелам, получаем для модели сигнала:
. = 10lg(ksg (Ф,, ф.) +1)
(2)
Рис. 1. Расчет комплексной диаграммы
Комплексная диаграмма направленности. В соответствии с [1] комплексная диаграмма определяется произведением диаграмм направленности излучателя и приемника. Стандартная форма этих диаграмм приближенно принимается в виде квадрата функции отсчетов вида[1, 3,5]:
g (у) = G sin A (у4в)
где G = = — коэффициент усиления антенны;
4пА
к
gr = Gr sinc | —t-Ф
21 2п
g* = Gs sin c'| —t-Ф s
где Ф s=
Фг + п, Фr < п Фг -п,Фг > п
Г—текущее время наблюдения.
Импульсный характер принимаемого излучения отображается в модели дополнительной модуляцией огибающей (2). Аппроксимируя импульс отрезком косинусоиды, получаем:
= 10lg
ksg (ф r, ф* )max
0,сов
2пй?„
л л +1
с — скорость света;
X,/— длина волны и несущая частота радиоизлучения; у << 1 — угловое отклонение от оси диаграммы направленности;
а — настроечный коэффициент.
Для ситуации всестороннего излучения или панорамного приема имеет место g = 1.
Пояснение к расчету комплексной диаграммы приведено на рисунке. Она представляет собой произведение диаграмм для приемника и излучателя с учетом отклонения осей диаграмм от азимута Фг «приемник - излучатель» и азимута Ф^ «излучатель - приемник», а также с ограничением величиной усиления приемной антенны:
g (ФГ > Ф* ) = min(Gr > grgs )
2п
Рис. 2. Схема настройки
в этом эксперименте использовался сву-файл, полученный на основе модели (3), реализованной в графической среде ЬаЬУГЕШ [8].Схема реализации модели приведена на рис. 3, а результат численного эксперимента по обработке файла данных в среде МАТЬАВ с использованием прямого перебора отображен на рис. 4. Его анализ указывает на качественное соответствие расчетной и модельной динамики сигнала. Имело также место приближенное соответствие модельных и расчетных параметров принятого сигнала. Это обстоятельство позволяет интерпретировать настроечные параметры модели в качестве соответствующих оценок параметров сигнала по результатам его наблюдения.
Географическая привязка. Как уже отмечалось, распознавание сложных объектов включает предварительную географическую привязку составляющих их подобъек-тов. В свою очередь, эта привязка включает пеленгацию наблюдаемых подобъектов и оценку дальности дл них. Естественным методом оценки дальности по локационным данным является триангуляция, предусматривающая решение треугольника по величине его основания - базы, а также двух углов при этом основании - пеленгов. Схема триангуляции приведена на рис. 5, а дальности, определяемые этим методом, составляют:
(3)
Параметры излучателя для полученного представления подбираются по результатам аппроксимации (3) методом наименьших квадратов. Указанная аппроксимация настраивается путем выбора параметров излучателя Т' к с учетом заданных параметров приемника Ог, Т, Ф При этомвыбранные значения параметров интерпретируются как их оценки по результатам наблюдения. В условиях отсутствия априорной информации об излучателе настройку предлагается осуществлять методом статистического или прямого перебора [6]. Принципиальная схема настройки приведена на рис. 2. Ее также можно дополнить процедурой коррекции 1здсигуей1 [7], используя результат предварительного выбора в качестве начального приближения.
Отладка алгоритма настройки осуществлялась в ходе численного эксперимента. В качестве входных данных
DB =
L sin 0,
De
sin(0C -0i )
L sin 0B
- sin( -0B )
L sin 0B sin 0C D =-l--
' sin ( -0B )
(4)
где Вл, Вв — дальности из концов базы; — дальность от траверса. Погрешность местоопределения наблюдаемого подо-бъекта составляет при этом [9]:
pl СТ1 + Di ст
,2_2
C
L sin (0c -0i )
где а а„ — погрешности пеленгации из концов базы.
t
а
A
Рис. 3. Реализация модели
Рис. 4. Результат настройки
При определении дальности от центра базы может быть использован следующий подход. В соответствии с рис. 5 пеленг 0 из центра базы определяется системой уравнений, вытекающих из свойств внешних углов треугольника и теоремы синусов:
0 = 0г + а
ес = е+р
10Д = sin а = sin (0-0Д )
sin 0С sin Р sin (0С -0)
(5)
Рис. 5. Схема триангуляции
Исключая из этой системы аир, получаем: 28т9в 8ш9
9 _ агС£
вш (9в +(
(6)
9В
9С _
(-(в > (>(в 2П + ф-фв > (<(в (-(с > (>(с
2п + ф-фс, (<ФС
радиоизлучения, расположенного в точке В базы. Тогда в приближении малой дальности широта и долгота излучателя в точке А приближенно определяется соотношениями:
Дальность Б относительно центра базы рассчитывается далее в соответствии с (4) с использованием подстановки 9С^9, БС^Б. В некоторых условиях наблюдения пеленги относительно траверса приходится рассчитывать по азимутам местоопределения из концов базы. Схема этого расчета приведена на рис. 6. В соответствии с ней указанные пеленги рассчитываются из соотношений:
-Рв +-
Мл _ Мв +
Рв С0в (
Кв
Рв вш Фв сов Рв
(8)
(7)
где фв, фс — азимуты местоопределения; Ф — азимут траверса.
Рассчитанные таким образом дальности могут быть пересчитаны в географические координаты наблюдаемого объекта. Пусть Рв, Мв — широта и долгота приемника
где ЯЕ — радиус Земли.
При больших дальностях при проведении триангуляции необходим переход от решения плоских треугольников к решению сферических.
Масштабно-инвариантный преобразователь. Требование нечувствительности к федингу, предъявляемое к спектрометру, предполагает использование масштабно-инвариантного преобразователя. В применении к анализу спектра этот преобразователь используется для спектрометрических измерений в составе спектрографа. Возможная схема алгоритма такого преобразования рассмотрена в [10] и приведена на рис. 7. Пара инерционных звеньев с незначительно отличающимися временными параметрами Т и Т + ДТ образуют полосовой фильтр, а деле-
траверс
Рис. 6. Расчет пеленгов по азимутам
Рис. 7. Масштабно-инвариантный преобразователь
Рис. 8. Динамика спектрометра
ние выхода фильтра иа выход одного из инерционных звеньев обеспечивает масштабную инвариантность выхода.
Входом преобразователя является зашумленный спектрографический сигнал X, промежуточным выходом — спектрометрический сигнал У, а независимая переменная представляет собой переменную развертки. Промежуточный выход обрабатывается симметричным пороговым устройством, порог которого был принят равным к = ^(у / п), где з/п — предполагаемое отношение сигнал/ шум. В свою очередь, выходы этого устройства управляют триггером с приоритетом по сбросу, на выходе которого формируется бинарный признак Ъ наличия спектра.
Динамика сигнала У построенного таким образом спектрометра отображена на рис. 8а. Для наглядности на этом же рисунке приведены исходная форма спектра X и зависимость порога детектирования для разных отношений сигнал/шум. Анализ этого рисунка, а также динамики признака спектра приведенной на рис. 8Ь, указывают на незначительное влияние отношения сигнал/шум на величину порога и измеряемую полосу спектра. Таким образом, можно утверждать, что построенный преобразователь действительно является масштабно-инвариантным.
Полученные оценки периода следования импульсов Тх и их скважности ( позволяют оценить длительность 3 Т
излучаемого импульса т» —-. Наряду с оценкой полосы
спектра Д£ характеризующей используемую модуляцию импульса, спектрометрические наблюдения позволяют также определить несущую частоту излучения ^ и, следовательно, длину его волны X _ — . Используя ее и оценку
/о
усиления антенны О , можно оценить площадь излучателя
Л
4п
[1]. Связь между коэффициентом усиления ан-
тенны и линеиным углом раствора диаграммы направленности используется в качестве альтернативного способа задания указанного коэффициента. Эта связь определяется G 4п
соотношением G = — , а телесный угол раствора в предположении о конусовидной форме диаграммы направленности связан с линейным углом раствора у выражением П = 2п (1 - cos у). Отсюда вытекает соотношение связи
П 2 ( 2 ^
cos у = 1--= 1--или у = arccos 11--I. Оценки
2п G I G >
отношения сигнал/шум к и скважности ^позволяют при определенной методом триангуляции дальности Б оценить мощность излучения в импульсе Р0 в соответствии с соотношением (1).
Таким образом, проведенное рассмотрение показывает, что метод редукции представляет собой модельно-ори-ентированный метод оценки параметров по результатам наблюдения и позволяет провести детальную оценку параметров отдельного излучателя по результатам анализа принятого от него сигнала.
Выводы
1. Совокупность параметров наблюдаемых подобъек-тов образует множество точек многомерного пространства указанных параметров. Задача распознавания в этих условиях сводится к разбиению этого пространства на области решений, соответствующих характеристика отдельных подобъектов. Возможным методом решения этой задачи является предварительная кластеризация указанного множества точек этапе обучения без учителя с последующей фиксации границ областей.
2. Система распознавания сложных объектов реализуется в виде нейронной сети, алфавит которой соответствует упомянутым областям решений, а сложные объекты представляют собой слова этого алфавита.Формированию этих слов предшествует географическая привязка подобъектов, позволяющая идентифицировать их как составляющие объекта.
3. Оценку параметров подобъектов предлагается осуществлять на базе модели измерения, базирующейся на основном соотношении пассивной локации. Оценка параметров подобъекта осуществляется в ходе настройки соответствующих параметров моделипутем прямого или статистического перебора. Географическую привязку наблюдаемых подобъектов предполагается осуществлять методом триангуляции.
4. Построен преобразователь спектрографического сигнала в спектрометрический, базирующийся на реализации полосового фильтра с помощью пары инерционных звеньевс разнесенными временными параметрами.Прибли-женная масштабная инвариантность преобразователя была продемонстрирована в ходе численного эксперимента.
5. Проведенное рассмотрение показывает, что метод редукции представляет собой модельно-ориентированный метод оценки параметров по результатам наблюдения и позволяет провести детальную оценку параметров отдельного излучателя по результатам анализа принятого от него сигнала.
Литература
1. СмирновЮ.А.Ращотехническая разведка. М.: Во-ениздат, 2001. 456 с.
2. Буренин А.Н., Легкое К.Е. Современные инфоком-муникационные системы и сети специального назначения. Основы построения и управления: монография. М.: Медиа-Паблишер, 2015. 348 с.
3. Хургин Я.М., Яковлев В. П. Финитные функции в физике и технике. М.: Наука, 1971. 408 с.
4. Ван дер Зил А. Шум. М.: Советское радио, 1973. 228 с.
5. Гудмен Дж. Введение в фурье-оптику. М.: Мир, 1970. 364 с.
6. МоисеевА.А. Критериальное моделирование в виртуализации квалификационных испытаний II Информационные технологии. 2016. Т. 22. № 8. С. 596-605.
7. Ануфриев И.Е., Смирное A.B., СмирноваЕ.В. MATLAB7. # СПб.: БХВ,2005. 1104 с.
8. Bress Т. Effective EabVIEW Programming. NTS Press, 2013. 720 p.
9. МельниковЮ.П., Попов C.B. Радиотехническая разведка. M.: Радиотехника, 2008. 432 с.
10. МэисеееЛАВиртуальный детектор пламени II Промышленные АСУ и контроллеры. 2015. № 7. С. 64-66.
OBSERVATION PARAMETERS ESTIMATION USING REDUCTION METHOD
Alexander A. Moiseev,
Moscow, Russia, [email protected]
ABSTRACT
Passive monitoring process includes some stages, in particular object disclosure, localization and recognition. These objects can be complex and can include some subobjects - for example different radars. At disclosure subobjects parameters are estimated, which used for subobjects recognition. Subobjects localization allows identifying them in object frames and performing object structure recognition. For one's part set of recognized objects characterizes field under monitoring. Parameters values of observed subobjects form points set of these parameters multidimensional space. In this situation recognition is equivalent to space subsetting into solutions areas which correspond to some subobjects characteristics. Possible method of subsetting is points clasterization at learning without teacher and subsequent fixation of areas boundaries. Complex objects recognition realizes as taught neuron system whose alphabet corresponds to solutions areas mentioned above, Objects correspond to words formed on this alphabet basis. To words formation precedes geographical subobjects binding which provides their identification as object components and performs using triangulation method. Parameters estimation is proposed to perform using reduction method based on passive location equation. Model parameters adjusted by means of statistical or direct search. Thus reduction method can be interpreted as model-oriented method of parameters estimation on results of irradiations observation. To transform spectrographic signal into spectrometric one it's proposed to use scale-invariant transformer
Keywords: recognition; parametrical space; subsetting; solutions areas; cauterization; .neuron net; learning without teacher; learning with teacher; reduction method; statistical search; direct search; spectrograph; spectrometer; scale invariance.
References
1. Smirnov Yu. A. Radiotechnicheskaya razvedka [Electronic intelligence]. Moscow: Voenizdat, 2001. 456 p. (In Russian)
2. Burenin A. N., Legkov K. E. Sovremennye infokommunikatsionnye sistemy i seti spetsial nogo naz-nacheniya. Osnovy postroeniya i upravleniya: Monografiya. [Modern infocommunication systems and special purpose networks. Basics of creation and control]. Moscow, Media Publisher, 2015. 348 p. (In Russian)
3. Khurgin Ya. M., Yakovlev V. P. Finitnye funktsii v fizike i technike [Finitary functions in physics and technics]. Moscow: Nauka, 1971. 408 p. (In Russian)
4. Van der Ziel A. Noise. Prentice-Hall, 1954. 228 p.
5. Goodman J. Introduction into fourier optics. NY: McGraw Hill, 1968. 364 p.
6. Moiseev A. A. Kriterialnoe modelirovanie v virtualizatsii kvalifikatsionnych ispytaniy [Criteria modeling in virtualization of qualification tests]. Informacionnye tehnologii [Information technologies]. 2016. Vol. 22. No. 8. Pp. 596-605. (In Russian)
7. Anufriev I. E., Smirnov A.B., Smirnova E.V. MATLAB 7. St-Petersburg: BChV, 2005. 1104 p. (In Russian)
8. Bress T. Effective LabVIEW Programming. NTS Press, 2013. 720 p.
9. Mel'nikov Yu. P., Popov S. V. Radiotechnicheskaya razvedka [Electronic intelligence]. Moscow: Radiotechnika, 2008. 432 p. (In Russian).
10. Moiseev A. A. Virtualnyj detector plameni [Virtual flame detector]. Promyshlennye ASU i kon-trollery [Industrial Automatic Control Systems and Controllers]. 2015. No. 7. Pp. 64-66. (In Russian)
Information about author:
Moiseev A. A., PhD, senior researcher of enterprise "Technos - RM".
For citation: Moiseev A.A. Observation parameters estimation using reduction method. H&ES Research. 2017. Vol. 9. No. 3. Pp. 31-38. (In Russian)
38 www.h-es.ru
