Формирование алфавитов классов (типов) целей для системы распознавания объектов

Различаемые классы (типы) целей составляют определенный алфавит, подобный алфавиту букв русского (английского и т.п.) языка. Выбор алфавита классов предопределяет как эффективность использования систем селекции–распознавания, так и трудности, возникающие при их реализации, а значит и стоимость их преодоления.

Информация, используемая для селекции–распознавания, содержится в совокупности принимаемых радиолокационных сигналов. Однако чаще всего, чтобы селектировать–распознать цель, используют определенные измеренные признаки цели, которые сопоставляют в соответствии с алгоритмами распознавания с известными (эталонными) признаками.

Совокупности признаков, необходимые для распознавания в тех или иных алфавитах классов, образуют признаковые пространства или, иначе, рабочие словари [16,17] признаков. Целесообразность совокупного выбора алфавитов классов, признаковых пространств и алгоритмов распознавания оценивают на основе известного системотехнического критерия «эффективность-стоимость». Эффективность распознавания характеризуют его влиянием на показатели качества потребителей информации распознавания или непосредственно показателями качества распознавания.

В общем случае формирование алфавитов классов (кластеров) характерно не только для задач радиолокационного распознавания, но и для других кибернетических задач теории и техники распознавания образов [14]. Эти задачи выделяют иногда как задачи кластерного анализа [16]. В качестве кластеров могут выступать не только классы, но и их подклассы. Состав алфавита определяется задачами потребителей локационной информации, с одной стороны, и возможностями средств локации при тех или иных признаковых пространствах – с другой.

Применительно к РЛС, учитывая возможности реализации методов селекции в спектральной области и поляриметрической обработки, существенно различать движущиеся цели (класс ω₁) и неподвижные (класс ω₂).

Также важна зачастую дополнительная выходная информация относительно класса движущихся целей ω₁: гусеничная это техника (подкласс ω₁₁) или колесная (подкласс ω₁₂).

В свою очередь, класс неподвижных объектов ω₂ включает подкласс местных предметов (подкласс ω₂₁) и подкласс техники (подкласс ω₂₂), который, собственно, и включает объекты разведки РЛС разведки и целеуказания.

Для подкласса местных предметов можно продолжить дальнейшую градацию – на субклассы предметов антропогенного характера (ω₂₁₁) и естественного (ω₂₁₂) характера.

Графически предложенная схема классификации объектов может быть представлена рис.1.1.

Чем шире и достовернее информация селекции–распознавания, тем эффективнее, в принципе, она может быть использована. Однако чрезмерное расширение алфавита классов снижает достоверность информации (особенно при не очень высоких отношениях сигнал–шум), требует привлечения новых признаков.

В общем случае оптимизация алфавита классов представляет собой непростую комплексную (локационную, тактическую и экономическую) задачу, решаемую путем сравнения вариантов с использованием методов физико–математического моделирования после определения окончательного технического облика проектируемой РЛС.

 

Рис. 1.1. Схема классификации объектов

 

Таким образом, была предложена схема классификации классов объектов, объединяющая задачи селекции-распознавания МНЦ и местных предметов.

Предварительный анализ путей внедрения в РЛС разведки и целеуказания режима обнаружения и распознавания малоподвижных и неподвижных объектов, предложений по их технической реализации и экспериментальных данных позволил сформулировать следующий алгоритм обнаружения и распознавания неподвижных целей, приведенный на рис.1.2.

Поясним отдельные этапы этого алгоритма.

1. Ввод значений вектора входного сигнала X, который может быть представлен в форме

 

,

 

где , l – размер выборки от k–го элемента разрешения;

, j – количество элементов разрешения по дальности.

2. Предварительное обнаружение по энергетическому параметру  мере заметности цели ((L1)² – максимум ЭПР цели для оптимальной поляризации) или комплексному параметру. Ранее в [26] были показана возможность и синтезирован алгоритм обнаружения по перспективным параметрам.

3. Селекция по протяженности цели. При разработке этого подалгоритма необходимо учесть следующие предпосылки:

а) предполагаемая величина элемента разрешения узкополосных РЛС по дальности 10 – 15 м;

б) цели являются пространственно–сосредоточенными, т.е. занимают одну ячейку разрешения по дальности, а мешающие отражения – пространственно-распределенными, т.е. занимают более одной ячейки разрешения по дальности;

в) наибольшая радиальная протяженность лоцируемого наземного объекта разведки РЛС порядка 7–8 м. Следовательно, если по результатам предварительного обнаружения по энергетическому параметру цель занимает несколько смежных элементов разрешения по дальности, то принимается решение, что зондируемый объект относится к подклассу местных предметов (подкласс ω₂₁).

Если же зондируемый объект располагается в одном элементе разрешения, то принимается решение, что зондируемый объект относится к подклассу техники (подкласс ω₂₂).

4. Адаптивная фильтрация сигнала на фоне мешающих отражений. Основная задача этого этапа – повышение соотношения сигнал/шум на основе алгоритмов поляризационно–временной селекции, результаты синтеза которых будут приведены далее.

Рисунок 1.2. Алгоритм обнаружения и распознавания неподвижных целей

 

5. Расчет поляризационных и временных параметров. На этом этапе осуществляется расчет поляризационных и временных параметров в соответствии с соотношениями, рассмотренными в [28–31].

6. Процедуры распознавания (обнаружения) целей по вектору признаков. На основании вычисленных на этапе 5 поляризационных и временных параметров, составляющих вектор признаков, осуществляется распознавание (обнаружение) целей. Алгоритмы распознавания (обнаружения) целей по вектору признаков будут рассмотрены в дальнейшем.