Способ распознавания типового состава групповой воздушной цели различных классов при различных условиях ее полета на основе калмановской фильтрации и нейронной сети Российский патент 2023 года по МПК G01S13/52 G01S7/41 G06N3/02 G06T7/20 

Изобретение относится к области радиолокации и может быть использовано для распознавания в импульсно-доплеровской радиолокационной станции (РЛС) типового состава групповой воздушной цели (ГВЦ) различных классов при различных условиях ее полета на основе калмановской фильтрации и нейронной сети.

Известен способ распознавания типа самолета из класса «самолет с турбореактивным двигателем (ТРД)» в импульсно-доплеровской РЛС, заключающийся в том, что радиолокационный (РЛ) сигнал, отраженный от самолета с ТРД, с выхода приемника РЛС на промежуточной частоте подвергается узкополосной доплеровской фильтрации на основе процедуры быстрого преобразования Фурье (БПФ) и преобразуется в амплитудно-частотный спектр (АЧС), спектральные составляющие которого обусловлены отражениями сигнала от планера самолета с ТРД и вращающихся лопаток рабочего колеса первой ступени компрессора низкого давления (КНД) его силовой установки, определяется отсчет доплеровской частоты в АЧС с максимальной амплитудой спектральной составляющей спектра сигнала, соответствующего его отражениям от планера самолета с ТРД, который поступает на вход первого фильтра сопровождения, определяется отсчет доплеровской частоты в АЧС, соответствующий максимальной амплитуде спектральной составляющей спектра сигнала, находящийся справа по доплеровской частоте относительно спектральной составляющей сигнала, отраженного от планера самолета, который поступает на вход второго фильтра сопровождения первой компрессорной составляющей спектра сигнала, обусловленной его отражениями от вращающихся лопаток первой ступени рабочего колеса КНД, на каждом k - ом такте работы обоих оптимальных фильтров сопровождения определяется оценка разности между оцененными значениями доплеровских частот, обусловленных отражениями от планера и вращающихся лопаток рабочего колеса первой ступени КНД силовой установки самолета, которая соответствует только одному типу самолета с ТРД, при этом весь диапазон возможных значений оценок разностей априорно разбивается на W неперекрывающихся друг с другом поддиапазонов, нижняя F_Hw и верхняя F_Bw границы каждого w - го поддиапазона соответствующего w - му типу самолета с ТРД, определяются выражениями

где F_P - максимальная частота вращения ротора КНД силовой установки w - го типа самолета с ТРД;

n₁ и n₂ - соответственно минимальное и максимальное значение величины относительных оборотов вращения ротора силовой установки, одинаковые для всех типов самолетов с ТРД;

N_Л - количество лопаток рабочего колеса первой ступени КНД силовой установки самолета с ТРД,

за конечное количество тактов работы обоих фильтров сопровождения вычисляется вероятность попадания величины в каждый из априорно сформированный w - й поддиапазон, определяется номер w -го поддиапазона, для которого величина вероятности максимальна, ее значение сравнивается с пороговым значением вероятности распознавания типа самолета с ТРД, при превышении порога принимается решение о распознавании w-го типа самолета с ТРД с вероятностью, не ниже заданной, в противном случае принимается решение о невозможности распознавания типа самолета с заданной вероятностью [1].

Недостатком данного способа является невозможность с помощью его распознать типовой состав ГВЦ различных классов (а не только из класса «самолет с ТРД») при различных условиях ее полета, а также существенная ракурсная зависимость доплеровской частоты, обусловленной отражениями РЛ сигнала от вращающихся лопаток рабочего колеса первой ступени КНД двигателя самолета, существенно влияющая на качество распознавания.

Известен способ распознавания типа самолета с ТРД в импульсно-доплеровской РЛС, заключающийся в том, что РЛ сигнал, отраженный от самолета с ТРД, с выхода приемника РЛС на промежуточной частоте подвергается узкополосной доплеровской фильтрации на основе процедуры БПФ и преобразуется в АЧС, спектральные составляющие которого обусловлены отражениями сигнала от планера самолета с ТРД и вращающихся лопаток первой ступени рабочего колеса КНД его силовой установки, путем пороговой обработки АЧС сигнала формируют только те отсчеты F_m (где М - общее количество отсчетов доплеровских частот) доплеровских частот с соответствующими амплитудами спектральных составляющих, которые превысили установленный порог, за время Т_обз каждого обзора пространства измеряют два значения дальности Д₁ и Д₂ до самолета с ТРД, по измеренным значениям дальности Д₁ и Д₂ предварительно вычисляют частотную позицию доплеровской частоты , обусловленной скоростью сближения носителя импульсно-доплеровской РЛС с планером самолета с ТРД, как (где λ - рабочая длина волны импульсно-доплеровской РЛС), в АЧС сигнала определяют ближайшее к предварительно вычисленной частотной позиции доплеровской частоты значение доплеровской частоты с соответствующей амплитудой спектральной составляющей, превысившей установленный порог, которое окончательно определяет доплеровскую частоту сигнала F_п в его АЧС, обусловленную скоростью сближения носителя импульсно-доплеровской РЛС с планером самолета с ТРД, определяют в АЧС сигнала позицию доплеровской частоты (где g=1,…, (m-1), (m+1),…, М), на которой находится спектральная составляющая, превысившая установленный порог и имеющая максимальную амплитуду А_g, которая соответствует значению доплеровской частоты F_к, обусловленной скоростью сближения носителя импульсно-доплеровской РЛС с вращающимися лопатками первой ступени КНД силовой установки самолета с ТРД, вычисляют разность доплеровских частот ΔF_пк=(F_п - F_к), априорно разбивают диапазон разностей ΔF_пк на W неперекрывающихся поддиапазонов, нижняя F_Hw и верхняя F_Bw границы каждого w - го поддиапазона соответствующего w - му типу цели, определяются выражениями (1) и (2), при попадании разности доплеровских частот ΔF_пк в w -ый поддиапазон принимают решение о w -м типе самолета с ТРД [2].

Недостатком данного способа является невозможность с помощью его распознать типовой состав ГВЦ различных классов (а не только из класса «самолет с ТРД») при различных условиях ее полета, а также существенная ракурсная зависимость доплеровской частоты, обусловленной отражениями РЛ сигнала от вращающихся лопаток рабочего колеса первой ступени КНД двигателя самолета, существенно влияющая (ракурсная зависимость) на качество распознавания.

Цель изобретения - распознать в импульсно-доплеровской радиолокационной станции с вероятностью, не ниже заданной, типовой состав групповой воздушной цели различных классов при различных условиях ее полета.

С этой целью, в способе распознавания типа летательного аппарата (ЛА) в импульсно-доплеровской РЛС, заключающимся в том, что РЛ сигнал, отраженный от группы ЛА, с выхода приемника импульсно-доплеровской РЛС на промежуточной частоте подвергается узкополосной доплеровской фильтрации на основе процедуры БПФ и преобразуется в АЧС, спектральные составляющие которого обусловлены отражениями сигнала от планеров ЛА, путем пороговой обработки АЧС сигнала формируют только те отсчеты F_ijq (где i=1,…,I; I - количество ЛА в группе; j=1,…,J; J - количество типов ЛА; q=1,…Q; Q - количество условий полета ЛА) доплеровских частот, на частотных позициях которых амплитуды спектральных составляющих превысили установленный порог, дополнительно в соответствии с ijq - ми динамическими моделями доплеровских частот

где F_ijq и ΔF_кijq - соответственно детерминированная и флюктуационная составляющая доплеровской частоты для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета;

- производная доплеровской частоты для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета;

α_ijq - величина, обратно пропорциональная времени корреляции доплеровской частоты для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета;

β_ijq - квадрат собственной частоты автокорреляционной функции (АКФ) доплеровской частоты для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета;

- дисперсия производной доплеровской частоты для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета;

n_ijq - взаимонезависимые формирующие «белые» гауссовские шумы с нулевыми математическими ожиданиями и единичными интенсивностями для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета, формируются последовательно в дискретном времени доплеровские частоты в виде

где k=1,…,К - текущий такт формирования доплеровских частот;

К - общее количество тактов формирования доплеровских частот;

Т - значение временного дискрета, по которым за К тактов осуществляется вычисление значений соответствующей ijq -ой АКФ и по ней - соответствующее значение дисперсии производной доплеровской частоты для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета в соответствии с выражением

где - дисперсия флюктуаций доплеровской частоты для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета, осуществляется предварительное обучение нейронной сети для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета, в процессе распознавания типового состава ГВЦ по РЛ сигналу, отраженному от ее элементов, с помощью каждого ijq - го калмановского фильтра, функционирующего в соответствии с процедурой оптимальной многомерной линейной дискретной калмановской фильтрацией, описываемой выражениями

где Р^-(k+1) и Р(k+1) - ковариационные матрицы ошибок экстраполяции и фильтрации соответственно, размерности nxn, n - размерность вектора Х(k+1) состояния;

Ф(k) - переходная матрица состояния размерности nxn;

G(k) и R(k) - ковариационные матрицы шумов возбуждения и наблюдения размерности nxn и mxm соответственно, m - размерность вектора Y(k+1) наблюдения;

ϒ(k) - вектор-столбец шумов наблюдения, представляющие собой гауссовские «белые» последовательности с нулевыми математическими ожиданиями и матрицами спектральных плотностей N_ζ(k) размерности m;

Н(k) - матрица наблюдения размерности mxn;

Z(k+1) - матрица невязок измерения размерности т;

S(k+1) - матрица весовых коэффициентов размерности nxm;

I - единичная матрица размерности nxn;

«т» - символ транспонирования;

«-1» - символ нахождения обратной матрицы;

«^» - символ нахождения оценки,

с соответствующей динамической моделью (3), осуществляется фильтрация отсчетов доплеровских частот, в результате чего на выходе каждого ijq - го калмановского фильтра формируется соответствующая оценка доплеровской частоты, по которой вычисляется соответствующая оценка АКФ и по ней в соответствии с выражением

где - оценка дисперсии оценки флюктуаций доплеровской частоты для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета;

- оценка величины, обратно пропорциональной времени корреляции оценки доплеровской частот для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета;

- оценка квадрата собственной частоты АКФ оценки доплеровской частоты для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета;

- оценка дисперсии оценки производной флюктуаций оценки доплеровской частоты для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета, которая поступает на соответствующий вход нейронной сети для принятия за К тактов работы всех калмановских фильтров предварительного решения о наличии в группе i-го ЛА группы, имеющего j - й тип с q-ми условиями полета с соответствующей вероятностью Р_ijq, которая сравнивается с пороговым значением Р_пор, при выполнении условия для каждого значения вероятности Р_ijq≥Р_пор принимается окончательное решение о том, что в группе находится i-й ЛА, имеющий j - й тип с q-ми условиями полета, в противном случае принимается решение об отсутствии данного типа летательного аппарата в группе.

Использование оценки дисперсии оценки производной флюктуаций оценки доплеровской частоты для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета, вычисляемой (выражение (13)) по параметрам соответствующей АКФ, в качестве признака распознавания типа ЛА различного класса с соответствующими условиями его полета и находящегося в составе их группы, обусловлена следующими факторами.

В соответствии с [3], справедливы несколько иные формульные зависимости коэффициентов, входящих в динамическую модель (3). Так, согласно [3]:

где, в данном случае, ;

V_ijq - воздушная скорость i-го ЛА группы, имеющего j - й тип с q-ми условиями полета;

L - масштаб турбулентности атмосферы, одинаковый для всех ЛА группы;

γ_jjq - параметр, зависящий от j - го типа ЛА с q-ми условиями полета;

- дисперсия флюктуации доплеровской частоты, обусловленная флюктуациями скорости ветра для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета.

Из выражений (13) и (16) можно заключить, что в таком параметре, как , который, в первом случае, связывает траекторные статистические характеристики планерной составляющей спектра РЛ сигнала, отраженного каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета (55), полученные на основе оценок соответствующих АКФ, а во (, , ), втором случае - параметры, зависящие от типа ЛА различного класса и условий его полета (γ_ijq), масштаба турбулентности атмосферы (L), дисперсии флюктуаций доплеровской частоты, обусловленной флюктуациями скорости ветра (), содержится информация о типе ЛА различного класса (а не только из класса «самолет с ТРД»). Следовательно, по оценкам статистических характеристик , , , вычисленных на основе соответствующих оценок АКФ оценок доплеровских частот, формируемых на выходах всех ijq-ых калмановских фильтров, появляется возможность только по оценке доплеровской частоты планерной составляющей спектра сигнала распознать j - й тип с q-ми условиями полета каждого i-го ЛА группы без дополнительной оценки компрессорной составляющей спектра сигнала, которая, во-первых, характерна только для одного класса ЛА - «самолет с ТРД» и, во-вторых, имеет существенную ракурсную зависимость.

Применение нейронной сети обусловлено тем, что она по своим характеристикам эквивалентна оптимальному разомкнутому калмановскому фильтру [4]. Поэтому, в данном случае, решающее правило можно также, как и получаемую оценку доплеровской частоты на выходе каждого ijq-го калмановского фильтра, считать оптимальным.

Новыми признаками, обладающими существенными отличиями, являются следующие.

1. Использование оптимального решающего правила в виде нейронной сети, эквивалентной по своим характеристикам оптимальному разомкнутому калмановскому фильтру, при распознавании типового состава ГВЦ в импульсно-доплеровской РЛС различных классов при различных условиях ее полета.

2. Формирование в дискретном времени доплеровских частот в соответствии с выражением (4), по которым за К тактов осуществляется вычисление значений соответствующих ijq-х АКФ и по ним - соответствующие значения дисперсии производной доплеровской частоты для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета в соответствии с выражением (5).

3. Предварительное обучение нейронной сети для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета по значениям

4. Формирование на выходе каждого ijq-го калмановского фильтра, функционирующего в соответствии с процедурой (6)-(12), оценки доплеровской частоты, по которой вычисляется соответствующая оценка АКФ и по ней в соответствии с выражением (13) - оценки дисперсии оценки производной флюктуаций доплеровской частоты для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета.

5. Принятие за К тактов работы всех калмановских фильтров предварительного решения о наличии в группе i-го ЛА группы, имеющего j - й тип с q-ми условиями полета с соответствующей вероятностью Рщ, которая сравнивается с пороговым значением Р_пор, при Р_ijq≥Р_пор принимается окончательное решение о том, что в группе i-й ЛА, имеет j - й тип с q-ми условиями полета, в противном случае принимается решение об отсутствии данного типа летательного аппарата в группе.

Данные признаки обладают существенными отличиями, так как в известных способах не обнаружены.

Применение всех новых признаков в совокупности с известными позволит распознать в импульсно-доплеровской РЛС с вероятностью, не ниже заданной, типовой состав ГВЦ различных классов при различных условиях ее полета.

На фигуре приведена блок-схема, поясняющая предлагаемый способ распознавания типового состава ГВЦ различных классов при различных условиях ее полета на основе калмановской фильтрации и нейронной сети.

Предлагаемый способ осуществляется следующим образом (фигура).

В первом блоке 1 формирования отсчетов доплеровских частот в соответствии с ijq - ми динамическими моделями вида (3) формируются последовательно в дискретном времени доплеровские частоты в виде (4), по которым за К тактов в первом вычислителе 2 осуществляется вычисление значений соответствующей ijq-ой АКФ и ее параметров , σ_ijq, β_ijq, по которым во втором вычислителе 3 осуществляется вычисление соответствующего значения дисперсии производной флюктуаций доплеровской частоты для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета в соответствии с выражением (5). Вычисленное значение дисперсии через первый коммутатор 4 по команде «Обучение» поступает на соответствующий ijq-ый вход нейронной сети 5 для ее предварительного обучения для каждого i-го ЛА группы, имеющего j - й тип с q-ми условиями полета.

При распознавании типового состава ГВЦ различных классов при различных условиях ее полета РЛ сигнал, отраженный от группы ЛА, с выхода приемника импульсно-доплеровской РЛС на промежуточной частоте в блоке 6 БПФ подвергается узкополосной доплеровской фильтрации на основе процедуры БПФ и преобразуется в АЧС, спектральные составляющие которого обусловлены отражениями сигнала от планеров ЛА.

Во втором блоке 7 формирования отсчетов доплеровских частот путем пороговой обработки АЧС сигнала формируются только те отсчеты F_ijq доплеровских частот, на частотных позициях которых амплитуды спектральных составляющих превысили установленный порог. Сформированные отсчеты F_ijq доплеровских частот поступают на входы соответствующих ijq-ых калмановских фильтров блока 8, функционирующих в соответствии с процедурой оптимальной многомерной линейной дискретной калмановской фильтрации, описываемой выражениями (6)-(12), с соответствующей динамической моделью (3).

В каждом ijq-ом калмановском фильтре блока 8 осуществляется фильтрация отсчетов доплеровских частот, в результате чего на выходе каждого ijq-го калмановского фильтра формируется соответствующая оценка доплеровской частоты, по которой в третьем вычислителе 9 вычисляется соответствующая оценка АКФ и ее параметров , , и по ним, в соответствии с выражением (13), в четвертом вычислителе 10 - оценка дисперсии производной оценки флюктуаций доплеровской частоты для каждого i-го ЛА аппарата группы, имеющего j -й тип с q-ми условиями полета, которая поступает на соответствующий ijq -ый вход нейронной сети 5.

За К тактов работы всех калмановских фильтров соответствующая вероятность Р_ijq предварительного распознавания типа каждого ЛА группы с соответствующими условиями его полета с ijq-го выхода нейронной сети 5 через второй коммутатор 11 по команде «Распознавание» поступает на соответствующий ijq - й вход блока 12 пороговых устройств (по команде «Обучение», подаваемой на вход коммутатора 11, с выхода нейронной сети 5 значения отсчетов доплеровских частот, определяемые формулой (4), на входы блока 12 пороговых устройств не поступают), а на их вторые входы поступает единое для всех пороговых устройств значение пороговой вероятности распознавания Р_пор типа каждого ЛА группы с соответствующими условиями его полета.

В каждом ijq-м пороговом устройстве блока 12 соответствующее значение вероятности Р_ijq сравнивается с пороговым значением Р_пор. При выполнении условия для каждого значения Р_ijq>Р_пор принимается окончательное решение о том, что i-й ЛА в группе имеет j - ый тип с q-ми условиями полета, в противном случае принимается решение об отсутствии данного типа ЛА в группе.

Для оценки работоспособности предлагаемого способа было проведено его имитационное моделирование по РЛ, отраженным от реальных ЛА, которые (сигналы) были зарегистрированы (с помощью специального бортового регистратора, установленного в приемник импульсно-доплеровской бортовой РЛС современного самолета) на промежуточной частоте с выхода линейной части приемника бортовой РЛС с фазированной антенной решеткой, работающей в сантиметровом диапазоне волн.

В качестве реальных ЛА, от которых отраженные РЛ были зарегистрированы, использовались:

9 типов самолетов с ТРД;

2 типа самолетов из класса «самолет с турбовинтовым двигателем (ТВД)»;

4 типа вертолета;

2 класса ракет («воздух-воздух» и «воздух-поверхность»).

Условиями полета ЛА-целей в турбулентной атмосфере являлись:

стационарный полет группы ЛА с выдерживанием заданных дистанций между ЛА в группе (группы из однотипных самолетов с ТРД, разнотипных самолетов с ТРД, разнотипных самолетов с ТРД и турбовинтовым двигателем);

маневр в группе типа «догон», «торможение»;

маневры составом группы типа «разворот», «змейка»;

стационарный полет вертолета, с последующим ускорением и торможением;

самонаведение пущенной ракеты «воздух-воздух» на воздушную цель;

самонаведение пущенной ракеты «воздух-земля» на наземную цель.

При моделировании варьировался как численный состав группы ЛА, типовой состав группы, а также условия полета.

При узкополосном спектральном анализе зарегистрированных реальных РЛ сигналов применялся алгоритм БПФ с эквивалентной полосой пропускания одного бина, равной 10 Гц.

В калмановской процедуре фильтрации (6)-(12) для каждого ijq-го калмановского фильтра элементы матриц имели следующие значения.

В матрице Ф(к), размерности 3x3 (в соответствии с динамической моделью (3)), отличные от нуля элементы имели следующие значения

ϕ₁₁=ϕ₂₂=1; ϕ₂₃=Т; ϕ₃₁=-β_ijqТ; ϕ₃₃=1 - α_iiqT.

Ненулевым элементом ковариационной матрицы G(k) шумов возбуждения, размерности 3x3, являлся .

Ненулевыми элементами матрицы наблюдения Н(k), имеющей размерность 1x3, являлись h₁₁=h₁₂=1.

Вектор состояния X(t) имел следующий вид (согласно динамической модели (3))

Отсчеты доплеровских частот в блоке 1, (формула (4)) определялись из выражения

Вектор наблюдения имел вид

где

Элемент вектора невязок измерения имел вид

Элементы вектора оценок имели вид

Результирующая оценка отсчетов доплеровских частот определялась из выше приведенных частных оценок, как

Архитектура нейронной сети 5 представляла из себя многослойную нейронную сеть прямого распространения, состоящей из трех слоев.

Первый слой нейронов - это входной слой сети, на ijq-е входы которой последовательно подавались соответствующие оценки отсчетов доплеровских частот с выхода соответствующего ijq-го калмановского фильтра блока 8.

Второй, (скрытый) слой нейронной сети - это слой с нелинейной функцией активации.

Третий слой - это выходной слой сети, на ijq-х выходах которой формируются оценки Р_ijq вероятностей предварительного распознавания i-го самолета в группе, имеющего j-й тип с q-ми условиями полета.

Пороговое значение вероятности принималось равным Р_пор=0,9.

Величина дискрета - Т=0,1 с.

В таблице приведены результаты моделирования - вероятности правильного распознавания с доверительной вероятностью 0,95 при отношении сигнал/шум 20 дБ за 14-15 тактов работы калмановских фильтров.

Во всех случаях вероятности ложного распознавания составили порядка 0,012-0,018.

Таким образом, применение предлагаемого изобретения позволит распознать в импульсно-доплеровской РЛС с вероятностью, не ниже заданной, типовой состав ГВЦ различных классов при различных условиях ее полета.

ИСТОЧНИКИ ИНФОРМАЦИИ

1. Пат.2419815 Российская Федерация, МПК G01S 13/52 (2006.01). Способ сопровождения воздушной цели из класса «самолет с турбореактивным двигателем» [Текст] / Богданов А.В., Васильев О.В., Исаков И.Н., Ситников А.Г., Филонов А.А.; заявитель и патентообладатель ОАО ТСКБ "АЛМА3-АНТЕЙ" им. АКАДЕМИКА А.А. РАСПЛЕТИНА (RU). - №2009140853/09; заявл. 03.11.2009; опубл. 27.05.2011, Бюл. №15.

2. Пат. 2705070 Российская Федерация, МПК G01S 13/52 (2006.01). Способ распознавания типа самолета с турбореактивным двигателем в импульсно-доплеровской радиолокационной станции [Текст] / Богданов А.В., Голубенко В.А., Коваленко АГ., Корнилов А.А., Кучин А.А., Лобанов А.А., Филонов А.А.; заявитель и патентообладатель Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова (RU). - №2019111580; заявл. 16.04.2019; опубл. 05.11.2019, Бюл. №31 (прототип).

3. Ярлыков, М.С. Статистическая теория радионавигации [Текст] / М.С. Ярлыков. - М.: Радио и связь, 1985, с. 189, выражение (6.19).

4. Ефименко, B.C. Применение нейронных сетей в задачах оптимальной фильтрации [Текст] / B.C. Ефименко, В.Н. Харисов, Е.Г. Стребков // Радиотехника, 2000. - №7.

Изобретение относится к области радиолокации и может быть использовано для распознавания в импульсно-доплеровской радиолокационной станции (РЛС) типового состава групповой воздушной цели (ГВЦ) различных классов при различных условиях ее полета на основе калмановской фильтрации и нейронной сети. Технический результат заключается в создании способа, позволяющего распознать в импульсно-доплеровской РЛС с вероятностью не ниже заданной типовой состав ГВЦ различных классов при различных условиях ее полета. Заявленный способ заключается в том, что радиолокационный (РЛ) сигнал, отраженный от группы летательных аппаратов (ЛА), с выхода приемника импульсно-доплеровской РЛС на промежуточной частоте подвергается узкополосной доплеровской фильтрации и преобразуется в амплитудно-частотный спектр (АЧС), спектральные составляющие которого обусловлены отражениями сигнала от планеров ЛА. Далее проводят пороговую обработку АЧС сигнала с формированием отсчетов F_ijq доплеровских частот, где i=1,…, I; I - количество ЛА в группе; j=1,…, J; J - количество типов ЛА различного класса; q=1,…Q; Q - количество условий полета ЛА. Затем формируют последовательно в дискретном времени доплеровские частоты, по которым за К тактов осуществляется вычисление значений соответствующей ijq-й АКФ и значение дисперсии производной доплеровской частоты для каждого i-го ЛА, имеющего j-й тип с q-ми условиями полета. Осуществляют предварительное обучение нейронной сети для каждого i-го ЛА группы. В процессе распознавания типового состава ГВЦ по РЛ сигналу, отраженному от ее элементов, с помощью каждого ijq-го калмановского фильтра с соответствующей динамической моделью осуществляют фильтрацию отсчетов доплеровских частот, в результате чего на выходе каждого ijq-го калмановского фильтра формируется оценка доплеровской частоты, по которой вычисляется оценка АКФ и оценка дисперсии производной оценки флуктуаций доплеровской частоты для каждого i-го ЛА группы, которая поступает на соответствующий вход нейронной сети для принятия за К тактов работы всех калмановских фильтров предварительного решения о наличии в группе i-го ЛА группы, имеющего j-й тип с q-ми условиями полета с вероятностью Р_ijq, которая сравнивается с пороговым значением Р_пор, при выполнении условия для каждого значения вероятности Р_ijq≥Р_пор принимается окончательное решение о том, что i-й ЛА в группе имеет j-й тип с q-ми условиями полета, в противном случае принимается решение об отсутствии данного типа ЛА в группе. 1 ил., 1 табл.

Способ распознавания типового состава групповой воздушной цели различных классов при различных условиях ее полета на основе калмановской фильтрации и нейронной сети, заключающийся в том, что радиолокационный сигнал, отраженный от группы летательных аппаратов, с выхода приемника импульсно-доплеровской радиолокационной станции на промежуточной частоте подвергается узкополосной доплеровской фильтрации на основе процедуры быстрого преобразования Фурье и преобразуется в амплитудно-частотный спектр, спектральные составляющие которого обусловлены отражениями сигнала от планеров летательный аппаратов, путем пороговой обработки амплитудно-частотного спектра сигнала формируют только те отсчеты F_ijq, где i=1,…, I; I - количество летательных аппаратов в группе; j=1,…, J; J - количество типов летальных аппаратов различного класса; q=1,…Q; Q - количество условий полета летательного аппарата, доплеровских частот, на частотных позициях которых амплитуды спектральных составляющих превысили установленный порог, отличающийся тем, что в соответствии с ijq-ми динамическими моделями доплеровских частот

где F_ijq и ΔF_кijq - соответственно детерминированная и флуктуационная составляющая доплеровской частоты для каждого i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета;

- производная доплеровской частоты для каждого i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета;

α_ijg - величина, обратно пропорциональная времени корреляции доплеровской частоты для каждого i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета;

β_ijq - квадрат собственной частоты автокорреляционной функции доплеровской частоты для каждого i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета;

- дисперсия производной доплеровской частоты для каждого i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета;

n_ijg - взаимонезависимые формирующие «белые» гауссовские шумы с нулевыми математическими ожиданиями и единичными интенсивностями для каждого i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета;

формируются последовательно в дискретном времени доплеровские частоты в виде

где k=1,…, К - текущий такт формирования доплеровских частот;

К - общее количество тактов формирования доплеровских частот;

Т - значение временного дискрета,

по которым за К тактов осуществляется вычисление значений соответствующей ijq-й автокорреляционной функции и по ней - соответствующее значение дисперсии производной доплеровской частоты летательного аппарата группы, имеющего j-й тип с q-ми условиями полета в соответствии с выражением

где - дисперсия флуктуаций доплеровской частоты для каждого i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета, вычисленные значения дисперсии через первый коммутатор по команде «Обучение» поступают на соответствующий ijq-й вход нейронной сети для ее предварительного обучения для каждого i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета, от которых заранее были получены и обработаны реальные радиолокационные сигналы, с формированием в результате обучения оценок дисперсии производной доплеровской частоты для каждого i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета, при этом архитектура нейронной сети представляет собой многослойную нейронную сеть прямого распространения, состоящую из трех слоев: первого входного слоя нейронной сети, на ijq-е входы которой последовательно подают оценки дисперсии производной доплеровской частоты с выхода соответствующего Ф_ijq-го калмановского фильтра, второго скрытого слоя нейронной сети в виде слоя с нелинейной функцией активации, и третьего выходного слоя сети, на ijq-х выходах которого формируются оценки P_ijq вероятностей предварительного распознавания i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета, в процессе распознавания типового состава групповой воздушной цели по радиолокационному сигналу, отраженному от ее элементов, с помощью каждого ijq-го калмановского фильтра, функционирующего в соответствии с процедурой оптимальной многомерной линейной дискретной калмановской фильтрации, описываемой выражениями

где Р^-(k+1) и Р(k+1) - ковариационные матрицы ошибок экстраполяции и фильтрации соответственно, размерности n×n, n - размерность вектора Х(k+1) состояния;

Ф(k) - переходная матрица состояния размерности n×n;

G(k) и R(k) - ковариационные матрицы шумов возбуждения и наблюдения размерности n×n и m×m соответственно, m - размерность вектора Y(k+1) наблюдения;

ϒ(k) - вектор-столбец шумов наблюдения, представляющих собой гауссовские «белые» последовательности с нулевыми математическими ожиданиями и матрицами спектральных плотностей N_ζ(k) размерности m;

Н(k) - матрица наблюдения размерности m×n;

Z(k+1) - матрица невязок измерения размерности m;

S(k+1) - матрица весовых коэффициентов размерности n×m;

I - единичная матрица размерности n×n;

«т» - символ транспонирования;

«-1» символ нахождения обратной матрицы;

«^» - символ нахождения оценки,

с соответствующей динамической моделью (1), осуществляется фильтрация отсчетов доплеровских частот, в результате чего на выходе каждого ijq-го калмановского фильтра формируется соответствующая оценка доплеровской частоты, по которой вычисляется соответствующая оценка автокорреляционной функции и по ней в соответствии с выражением

где - оценка дисперсии оценки флуктуаций доплеровской частоты для каждого i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета;

- оценка величины, обратно пропорциональной времени корреляции оценки доплеровской частоты для каждого i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета;

- оценка квадрата собственной частоты автокорреляционной функции оценки доплеровской частоты для каждого i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета;

- оценка дисперсии производной оценки флуктуаций доплеровской частоты для каждого i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета, которая поступает на соответствующий вход нейронной сети для принятия за К тактов работы всех калмановских фильтров предварительного решения о наличии в группе i-го летательного аппарата группы, имеющего j-й тип с q-ми условиями полета с соответствующей вероятностью Р_ijd, которая сравнивается с пороговым значением Р_пор, при выполнении условия для каждого значения вероятности P_ijq≥Р_пор принимается окончательное решение о том, что i-й летательный аппарат в группе имеет j-й тип с q-ми условиями полета, в противном случае принимается решение об отсутствии данного типа летательного аппарата в группе.