Способ всеракурсного распознавания типового состава групповой воздушной цели из класса "самолеты с турбореактивными двигателями" на основе калмановской фильтрации и нейронных сетей Российский патент 2025 года по МПК G01S13/52 G01S13/78 G06N3/02 G06T7/20 

Изобретение относится к области вторичной цифровой обработки радиолокационных (РЛ) сигналов и может быть использовано для распознавания типового состава групповой воздушной цели (ГВЦ) из класса «самолеты с турбореактивными двигателями (ТРД)» при различных ракурсах ее РЛ наблюдения.

Известен способ распознавания типового состав ГВЦ из класса «самолеты с ТРД», заключающийся в том, что РЛ сигнал, отраженный от ГВЦ, на промежуточной частоте подвергается узкополосной доплеровской фильтрации на основе процедуры быстрого преобразования Фурье (БПФ) и преобразуется в амплитудно-частотный спектр (АЧС), составляющие которого обусловлены отражениями сигнала от планеров самолетов группы и вращающихся лопаток первых ступеней рабочих колес компрессора низкого давления (КНД) их двигателей, вычисляется отсчет доплеровской частоты центроида, как среднее значение отсчетов доплеровских частот локальных максимумов, соответствующих отражениям РЛ сигналов от планеров самолетов группы, который поступает на вход оптимального фильтра сопровождения центроида ГВЦ, работающего в соответствии с процедурой оптимальной многомерной линейной дискретной калмановской фильтрацией [1]

где - ковариационные матрицы ошибок экстраполяции и фильтрации соответственно, размерности nxn, n - размерность вектора состояния;

- переходная матрица состояния размерности nxn;

- ковариационные матрицы шумов возбуждения и наблюдения размерности nxn и mxm соответственно, m - размерность вектора наблюдения;

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

- матрица наблюдения размерности mxn;

- вектор невязок измерения размерности m;

- матрица весовых коэффициентов размерности nxm;

- единичная матрица размерности nxn;

- символ транспонирования;

- символ нахождения обратной матрицы;

- символ нахождения оценки.

Определяются отсчеты доплеровских частот первых компрессорных составляющих спектра РЛ сигнала, обусловленных его отражениями от вращающихся лопаток рабочих колес первой ступени КНД двигателя каждого i-го (где i=1,…,I; I - количество самолетов в группе) самолета группы, которые поступают на вход оптимального фильтра сопровождения компрессорных составляющих спектра сигнала, работающего в соответствии с процедурой (1)-(7). На каждом k-ом такте работы обоих оптимальных фильтров сопровождения определяются оценки разностей между оцененными значениями доплеровских частот, соответствующих центроиду ГВЦ и отражениям РЛ сигнала от лопаток рабочего колеса первой ступени КНД двигателя каждого i - го самолета группы, которые соответствуют только одному из распознаваемых типу самолета с ТРД, весь диапазон возможных значений оценок разностей априорно разбивается на Q неперекрывающихся друг с другом поддиапазонов, нижняя и верхняя границы каждого q-го поддиапазона определяются выражениями

где - максимальная частота вращения ротора КНД двигателя q-го типа воздушной цели;

- соответственно минимальное и максимальное значение величины относительных оборотов вращения ротора двигателя, одинаковые для всех типов воздушных целей;

- количество лопаток рабочего колеса первой ступени КНД,

За К промежуточных тактов работы обоих оптимальных фильтров вычисляются вероятности попадания величин в каждый из априорно сформированный q-й поддиапазон, определяются номера q-x поддиапазонов, для которых величины вероятностей максимальны, максимальные значения величин сравниваются с пороговым значением вероятности распознавания типа каждого самолета группы принимается решение о том, что i-й самолет в группе имеет q-й тип из класса «самолеты с ТРД» с вероятностью не ниже заданной, в противном случае принимается решение о невозможности распознать тип самолета в группе с заданной вероятностью. Количество величин разностей попавших в q-й поддиапазон с вероятностями , определяет количество самолетов q-го типа в группе [2].

Недостатком данного способа является невозможность с помощью его распознать типовой состав ГВЦ при различных ракурсах ее РЛ наблюдения. Это обусловлено тем, что РЛ сигналы, отраженные от вращающихся лопаток первой ступени КНД, имеют существенную ракурсную зависимость.

Известен способ распознавания типового состава ГВЦ, заключающемся в том, что что РЛ сигнал, отраженный от ГВЦ, на промежуточной частоте подвергается узкополосной доплеровской фильтрации на основе процедуры БПФ и преобразуется в АЧС, составляющие которого обусловлены отражениями сигнала от планеров самолетов группы и вращающихся лопаток первых ступеней рабочих колес КНД их двигателей, вычислении отсчета доплеровской частоты центроида как среднее значение отсчетов доплеровских частот локальных максимумов, соответствующих отражениям РЛ от планеров самолетов группы, определяются отсчеты доплеровский частот (где i=1,…,I; I - количество самолетов в группе; q=1,…,Q; Q - количество типов самолетов с ТРД в группе) первых компрессорных составляющих спектра сигнала, обусловленных его отражениями от лопаток рабочего колеса первой ступени КНД двигателя каждого i-го самолета группы, имеющего q-й тип. Вычисляются разносы отсчетов доплеровских частот между центроидом F_ц ГВЦ и каждым отсчетом F_{к iq}, как:

где i=1,…,I; q=1,…,Q.

В соответствии с iq-ми динамическими моделями разносов доплеровских частот:

где - соответственно детерминированные и флюктуационные составляющие разносов доплеровских частот для каждого i-го самолета группы, имеющего q-й тип;

- производные разносов доплеровских частот для каждого i-го самолета группы, имеющего q-й тип;

- величины, обратно пропорциональные временам корреляции разносов доплеровских частот для каждого i-го самолета группы, имеющего q-й тип;

- квадраты собственных частот автокорреляционных функций (АКФ) разносов доплеровских частот для каждого i-го самолета группы, имеющего q-й тип;

- дисперсия производных разносов доплеровских частот для каждого I-го самолета группы, имеющего q-й тип;

- взаимонезависимые формирующие «белые» гауссовские шумы с нулевыми математическими ожиданиями и единичными интенсивностями для каждого i-го самолета группы, имеющего - й тип.

Для каждого i-го ЛА группы, имеющего q-й тип формируются последовательно в дискретном времени доплеровские частоты в виде

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

К - общее количество тактов формирования разносов доплеровских частот;

Т - значение временного дискрета, по которым в течение К тактов осуществляется предварительное обучение нейронной сети (НС) для различных типов целей, имеющих соответствующий разнос доплеровских частот В процессе распознавания типового состава ГВЦ по РЛ сигналу, отраженному от ее элементов, с помощью каждого iq-го калмановского фильтра, функционирующего в соответствии с процедурой фильтрации (1)-(7) с соответствующей динамической моделью (11), осуществляется фильтрация отсчетов разносов доплеровских частот, в результате чего на выходе каждого iq-го калмановского фильтра формируются соответствующие оценки разносов доплеровских частот, которые поступают на соответствующие входы НС для принятия за К тактов работы калмановских фильтров предварительного решения о наличии в группе i-го самолета q-го типа с соответствующей вероятностью которая сравнивается с пороговым значением При выполнении условия для каждого значения вероятности принимается окончательное решение о том, что в группе находится i-й самолет q-го типа, в противном случае принимается решение об отсутствии данного типа самолета в группе [3].

Недостатком данного способа является невозможность с помощью его распознать типовой состав ГВЦ при различных ракурсах ее РЛ наблюдения, поскольку РЛ сигналы, отраженные от вращающихся лопаток первой ступени КНД двигателей самолетов, имеют существенную ракурсную зависимость.

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

С этой целью в способе распознавания в РЛС типового состава ГВЦ при различных ракурсах полета на основе калмановской фильтрации и нейронных сетей, РЛ сигнал, отраженный от ГВЦ из класса «самолеты с ТРД», на промежуточной частоте подвергается узкополосной доплеровской фильтрации на основе процедуры БПФ и преобразуется в АЧС, спектральные составляющие которого обусловлены отражениями сигнала от планеров самолетов группы и вращающихся лопаток первых ступеней рабочих колес КНД их двигателей, определяются отсчеты доплеровских частот спектральных составляющих сигнала, отраженного от каждого планера самолета группы, и отсчеты доплеровских частот спектральных составляющих сигнала, отраженного от вращающихся лопаток рабочего колеса первой ступени КНД каждого i-го самолета группы, имеющего q-й тип (где i=I - количество самолетов с турбореактивными двигателями в группе; q=1,…Q; Q - количество типов самолетов с ТРД), вычисляется процедура оптимальной многомерной линейной дискретной калмановской фильтрации отсчетов доплеровских частот в соответствии с выражениями (1)-(7), дополнительно в соответствии с iq-ми динамическими моделями

формируются последовательно в дискретном времени отсчеты доплеровских частот в виде

В режиме предварительного обучения первой НС по значениям сформированных отсчетов доплеровских частот (14) и (15) вычисляются разности доплеровских частот между каждым отсчетом доплеровской частоты, обусловленным отражением сигнала от планера каждого i-го самолета группы q-го типа, и соответствующего ему каждым отсчетом доплеровской частоты, обусловленным отражением сигнала от вращающихся лопаток рабочего колеса первой ступени КНД двигателя каждого i-го самолета q-го типа, как

по которым в течение К тактов осуществляется предварительное обучение первой НС, на iq-x выходах которой формируются оценки вероятностей предварительного распознавания i-го самолета в группе, имеющего q-й тип.

В режиме предварительного обучения второй НС за К тактов по значениям отсчетов доплеровских частот (14) вычисляются соответствующие значения iq-x АКФ отсчетов доплеровских частот, обусловленных отражением РЛ сигнала от планеров самолетов группы, которые поступают на соответствующие w-e входы второй НС (где w=1,…,W; W - общее количество входов второй нейронной сети), на iq-x выходах которой формируются оценки вероятностей предварительного распознавания i-го самолета в группе, имеющего q-й тип. В режиме распознавания сравнивают текущий ракурс РЛ наблюдения i-го самолета группы q-го типа с пороговым значением при выполнения условия в соответствии с процедурой (1)-(7) осуществляется калмановская фильтрация отсчетов доплеровских частот, где в качестве априорных сведений, принятых при фильтрации, используется соответствующая iq-я динамическая модель (13). В результате на выходе каждого i-го калмановского фильтра формируются оценки отсчетов доплеровских частот, обусловленных отражением сигнала от планера каждого i-го самолета группы, и оценки отсчетов доплеровских частот, обусловленных отражением сигнала от вращающихся лопаток рабочего колеса первой ступени КНД двигателя каждого j-го самолета группы (где i,j=1,…,I), вычисляются оценки всевозможных разностей доплеровских частот в соответствии с выражением

которые последовательно подают на ij-е входы первой НС, на выходах которой формируются оценки вероятности предварительного распознавания i-го самолета группы q-го типа, которые сравниваются с пороговым значением При выполнении условия принимается окончательное решение о том, что i-й самолет группы имеет q-й тип. При этом вторая НС переходит в режим дообучения, на ее w-e входы поступают сформированные обучающие выборки в виде значений оценок АКФ, полученных на основе оценок доплеровских частот, обусловленных отражением РЛ сигнала от планера каждого i-го самолета q-го типа.

При выполнения условия осуществляется калмановская фильтрация отсчетов доплеровских частот, которые обусловлены отражением сигнала от планера каждого i-го самолета группы q-го типа, в результате чего на выходе каждого i-го калмановского фильтра формируются оценки , по которым вычисляют оценки значений АКФ доплеровских частот и их подают на w-e входы второй НС. На ее выходах формируются оценки вероятности предварительного распознавания i-го самолета группы q-го типа. При выполнении условия принимается окончательное решение о том, что i-й самолет группы имеет q-й тип. При этом первая НС переходит в режим дообучения, на ее iq-е входы поступают сформированные обучающие выборки в виде совокупности разностей доплеровских частот , которые были получены на основе оценки доплеровской частоты, обусловленной отражением РЛ сигнала от планера каждого i-го самолета группы q-го типа и отсчетов доплеровских частот, обусловленным отражением сигнала от вращающихся лопаток рабочего колеса первой ступени КНД двигателя каждого i-го самолета q-го типа и сформированных в соответствии с (13), в виде

При этом результирующая вероятность распознавания каждого i-го самолета q-го типа независимо от вариантов функционирования обоих нейронных сетей будет определятся выражением

Использование оценки значений АКФ доплеровских частот для каждого i-го ЛА группы, имеющего q-й тип, в качестве признака всеракурсного распознавания типа ВЦ из класса «самолет с ТРД» и находящегося в составе их группы, обусловлена следующими факторами.

В соответствии с [4], справедливы несколько иные формульные зависимости коэффициентов, входящих в динамическую модель (13). Так, согласно [4]:

где, в данном случае,

- воздушная скорость i-го ЛА группы, имеющего q-й тип;

- масштаб турбулентности атмосферы, одинаковый для всех ЛА группы;

- параметр, зависящий от q-го типа ЛА;

Из выражений (20) и (21) можно заключить, что в таком параметре, как значения АКФ доплеровских частот, который, в первом случае, связывает траекторные статистические характеристики планерной составляющей спектра РЛ сигнала, отраженного каждого i-го ЛА группы, имеющего q-й тип а во втором случае - параметры, зависящие от типа ЛА и условий его полета масштаба турбулентности атмосферы (L), дисперсии флюктуаций доплеровской частоты. Следовательно, по оценкам значений АКФ оценок доплеровских частот, формируемых на выходах всех iq-ых калмановских фильтров из состава их первой группы, появляется возможность только по оценке доплеровской частоты планерной составляющей спектра сигнала распознать q-й тип в случае, если выполняется условие (в данном случае условия РЛ наблюдения сигналов, отраженных от первых ступеней вращающихся лопаток рабочих колес КНД двигателей, позволяют сформировать отсчеты доплеровских частот ).

Новыми признаками, обладающими существенными отличиями, являются следующие:

1. Использование двух нейронных сетей для принятия решения о всеракурсном распознавании типового состава ГВЦ.

2. Использование значений АКФ в качества признака всеракурсного распознавания типового состава ГВЦ.

3. Дообучение нейронных сетей в режиме распознавании типового состава ГВЦ.

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

Применение новых признаков в совокупности с известными позволит распознать в импульсно-доплеровской радиолокационной станции с вероятностью, не ниже заданной, типовой состав ГВЦ цели при различных ракурсах ее РЛ наблюдения.

На фигуре приведена блок-схема, поясняющая предлагаемый способ всеракурсного распознавания типового состава ГВЦ из класса «самолеты с ТРД» на основе калмановской фильтрации и нейронных сетей.

Предлагаемый способ всеракурсного распознавания типового состава ГВЦ из класса «самолеты с ТРД» осуществляется следующим образом (фигура).

В блоке 1 формирования разносов доплеровских частот в соответствии с iq-ми динамическими моделями (13) формируются последовательно в дискретном времени разносы доплеровских частот вида (16).

Вычисленные значения разносов доплеровских частот подаются на первую группу входов 2 первого коммутатора 3. По команде «ПО» (предварительное обучение), поступающей на второй вход 4 коммутатора 3, данные значения разносов доплеровских частот поступают на соответствующую первую группу входов 5 первой НС 6 для ее предварительного обучения для каждого i-го самолета группы, имеющего q-й тип, по команде «ПО», поступающей на ее второй вход 7.

В блоке 8 формирования траекторий доплеровских частот в соответствии с iq-ми динамическими моделями (13) формируются последовательно в дискретном времени отсчеты доплеровских частот обусловленные отражением сигнала от планера каждого i-го самолета группы q-го типа вида (14).

Сформированные значения траекторий доплеровских частот подаются на первую группу входов 9 вычислителя 10 АКФ в котором вычисляются соответствующие значения iq-x АКФ.

Вычисленные значения АКФ подаются на первую группу входов 11 второго коммутатора 12. По команде «ПО», поступающей на второй вход 13 коммутатора 12, данные значения АКФ доплеровских частот поступают на соответствующую первую группу входов 14 второй НС 15 для ее предварительного обучения для каждого i-го самолета группы, имеющего q-й тип, по команде «ПО», поступающей на ее второй вход 16.

При всеракурсном распознавании типового состава ГВЦ, РЛ сигнал S(t), отраженный от группы ЛА, с выхода приемника импульсно-доплеровской РЛС на промежуточной частоте в блоке 17 подвергается узкополосной доплеровской фильтрации на основе процедуры БПФ и преобразуется в АЧС S(f), спектральные составляющие которого обусловлены отражениями сигнала от планеров самолетов и вращающихся частей рабочих колес КНД их двигателей.

В блоке 18 формирования отсчетов доплеровских частот путем пороговой обработки АЧС сигнала на группах выходов 19 и 20 формируются только те отсчеты доплеровских частот, которые обусловлены отражениями сигнала от планеров самолетов группы и вращающихся лопаток первых ступеней рабочих колес КНД их двигателей соответственно, на частотных позициях которых амплитуды спектральных составляющих превысили установленный порог.

Сформированные отсчеты доплеровских частот с первого 19 и второго 20 выходов блока 18 формирователя отсчетов доплеровских частот поступают соответственно на группы входов соответствующих iq-ых калмановских фильтров 21 и 22, которые функционируют в соответствии с процедурой фильтрации (1)-(7).

На выходе каждого iq-го калмановского фильтра формируется соответствующие оценки доплеровских частот, которые поступают на первую 23 и вторую 24 группу входов формирователя разносов доплеровских частот 25. При этом оценки параллельно поступают на первую группу входов 26 управляющего устройства 27, которое пропускает оценку на группу входов вычислителя 28 оценок АКФ, где осуществляется вычисление оценок АКФ доплеровских частот, которые поступают на третью группу входов 29 второго коммутатора 12.

На выходе формирователя 25 разносов доплеровских частот формируются возможные оценки разносов доплеровских частот которые поступают на третью группу входов 30 первого коммутатора 3.

В анализаторе 31 ракурса сравнивается текущий ракурс РЛ наблюдения ГВЦ с пороговым значением При выполнении условия (в этом случае осуществляется РЛ наблюдение сигналов, отраженных от вращающихся лопаток рабочих колес КНД двигателей самолетов с ТРД) на его выходе формируется разрешающий сигнал (индекс «р»), который поступает на первый вход 32 третьего коммутатора 33, в противном случае на выходе анализатора 31 ракурса формируется запрещающий сигнал (индекс «з»), который также поступает на первый вход 32 третьего коммутатора 33.

При поступлении сигнала «р» с выхода анализатора 31 ракурса третий коммутатор 33 пропускает сигнал «р» на второй вход 34 управляющего устройства 27, четвертый вход 35 второго коммутатора 12 и четвертый вход 36 первого коммутатора 3, а также коммутирует на третью группу входов 37 второй НС 15 информацию о решении на выходе первой НС 6 о том, что i-й самолет с ТРД имеет q-й тип.

При поступлении сигнала «з» с выхода анализатора 31 ракурса третий коммутатор 33 дублирует его на второй вход 34 управляющего устройства 27, четвертый вход 35 второго коммутатора 12 и четвертый вход 36 первого коммутатора 3, а также коммутирует на третью группу входов 38 первой НС 6 информацию о решении на выходе второй НС 15 о том, что i-й самолет с ТРД имеет q-й тип.

При поступлении сигнала «з» на второй вход 34 управляющего устройства 27 с первой группы его выходов 39 оценки доплеровских частот , обусловленных отражением РЛ сигнала от планеров самолетов группы поступают на группу входов формирователя 1 разносов доплеровских частот, на выходе которого в этом случае формируются разносы доплеровский частот в соответствии с выражением (18) для дообучения первой НС 6, которая при выполнения условия в третьем коммутаторе 33 по команде «Д» (дообучение), поступающей на ее четвертый вход 40 с выхода третьего коммутатора 33, на N тактов переходит в режим дообучения.

При поступлении сигнала «р» на второй вход 34 управляющего устройства 27, со второй группы его выходов 41 оценки доплеровских частот обусловленных отражением РЛ сигнала от планеров самолетов группы поступают на вторую группу входов 42 вычислителя 10 АКФ.

Вычисленные оценки АКФ поступают на первый вход 11 второго коммутатора 12, который их пропускает на первый вход 14 второй НС 15, которая при выполнения условия в третьем коммутаторе 33 по команде «Д», поступающей на ее четвертый вход 43, на N тактов переходит в режим дообучения.

По командам «Расп» (распознавание), которые подаются на третий вход 44 первой НС 6 и на пятый вход 45 второй НС 15, обе НС переходят в режим всеракурсного распознавания, в результате чего формируются соответствующие значения вероятностей P_1iq(k+1) и P_2iq(k+1) предварительного распознавания типа самолета с ТРД, которые поступают соответственно через 46 и 47 группы входов в третий коммутатор 33, где они сравниваются с пороговыми значениями соответственно , поступающими на 48 и 49 входы третьего коммутатора 33 соответственно. При выполнении условий значения вероятностей подаются на соответствующие группы входов 50 и 51 вычислителя 52, в котором вычисляется результирующая вероятность распознавания каждого i-го самолета q-го типа в соответствии с выражением (19).

Для оценки работоспособности предлагаемого способа было проведено его имитационное моделирование по РЛ, отраженным от реальной разнотипной группы из 4 самолетов с ТРД, которые (сигналы) были зарегистрированы на промежуточной частоте с выхода линейной части приемника РЛС с фазированной антенной решеткой, функционирующей по импульсно-доплеровскому принципу обработки сигналов и работающей в сантиметровом диапазоне волн, в процессе проведения летно-экспериментальные исследований.

При узкополосном спектральном анализе зарегистрированных реальных РЛ сигналов применялся алгоритм БПФ с эквивалентной полосой пропускания одного бина, равной 10 Гц (время когерентного накопления сигнала составляло 100 мс).

В калмановской процедуре фильтрации (1)- для каждого iq-го калмановского фильтров 21,22 элементы матриц имели следующие значения. Для iq-го калмановского фильтра 21:

в матрице размерности 3x3 (в соответствии с динамической моделью (13)), отличные от нуля элементы имели следующие значения

ненулевым элементом ковариационной матрицы шумов возбуждения, размерности 3x3, являлся

ненулевыми элементами матрицы наблюдения имеющей размерность 1х3, являлись h₁₁=h₁₂=1;

вектор состояния имел следующий вид (согласно динамической модели (13))

вектор наблюдения имел вид

элемент вектора невязки измерения имел вид

элементы вектора оценок имели вид

Для iq-го калмановского фильтра 22:

в матрице размерности 3x3 (в соответствии с динамической моделью (13)), отличные от нуля элементы имели следующие значения

ненулевым элементом ковариационной матрицы шумов возбуждения, размерности 3x3, являлся

ненулевыми элементами матрицы наблюденияимеющей размерность 1x3, являлись t₁₁=h₁₂=1;

вектор состоянияимел следующий вид (согласно динамической модели (13))

вектор наблюдения имел вид

элемент вектора невязки измерения имел вид

элементы вектора оценок имели вид

Отсчеты доплеровских частот в блоке 1 (для обучения первой нейронной сети 3), определялись из выражений

Отсчеты доплеровских частот в блоке 8 (для обучения второй нейронной сети 3), определялись из выражений

Архитектура первой НС 6 представляла из себя многослойную нейронную сеть прямого распространения, состоящей из трех слоев.

Первый слой нейронов - это входной слой сети, на ij-е входы которой последовательно подавались оценкиразносов доплеровских частот с выхода формирователя разносов доплеровских частот 1.

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

Третий слой - это выходной слой сети, на iq-x выходах которой формируются оценкивероятностей предварительного распознавания i-го самолета в группе, имеющего q-й тип.

Архитектура второй нейронной сети 15 представляла из себя сверточную нейронную сеть прямого распространения, состоящей из пяти слоев.

Первый слой нейронов - это входной слой сети, на w-e входы которой последовательно подавались оценкиАКФ доплеровских частот с выхода формирователя траекторий доплеровских частот 8.

Второй, (сверточный) слой нейронной сети - это слой с применением операции свертки.

Третий слой нейронной сети - это слой с применением операции подвыборки для повышения быстродействия вычислений.

Четвертый слой нейронной сети - это полносвязный скрытый слой с нелинейной функцией активации.

Пятый слой - это выходной слой сети, на iq-x выходах которого формируются оценкивероятностей предварительного распознавания i-го самолета в группе, имеющего q-й тип.

Обучение НС 6, 15 осуществлялось при условии, что общее количество самолетов с ТРД в группе равно 4 и возможно нахождение в группе 6 типов самолетов (тип 1 - тип 6, от данных типов самолетов также были зарегистрированы и обработаны реальные РЛ сигналы), то есть I=4, Q=6.

Пороговое значение вероятности при наличии компрессорных составляющих принималось равным при отсутствии компрессорных составляющих принималось равным

Величина дискрета - Т=0,1 с.

В результате имитационного моделирования за 25-30 тактов (К=25-30, то есть за время 2,5-3,0 с) работы калмановских фильтров были получены следующие результаты (с доверительной вероятностью 0,95), приведенные в таблице.

Из анализа полученных результатов имитационного моделирования следует, что при наличии компрессорных составляющих с вероятностью 0,92-0,96 (превосходит пороговое значение Р_1пор=0,9), а при их отсутствии с вероятностью 0,61-0,78 (превосходит пороговое значение Р_2пор=0,6) в группе находятся самолеты с ТРД типа 1-6, что соответствует действительности (именно оценки реальных разносов отсчетов доплеровских частот для этих типов самолетов подавались на ij-е входы нейронной сети 3).

Таким образом, предлагаемое изобретение позволит распознать в импульсно-доплеровской радиолокационной станции с вероятностью, не ниже заданной, типовой состав групповой воздушной цели при различных ракурсах ее РЛ наблюдения.

ИСТОЧНИКИ ИНФОРМАЦИИ

1. Казаринов, Ю.М. Проектирование устройств фильтрации радиосигналов / Ю.М. Казаринов, А.И. Соколов, Ю.С. Юрченко Ю.С.// - Л.: изд. Ленинградского университета. - 1985. - стр. 150-151.

2. Пат. 2456633 Российская Федерация, МПК G01S 13/52 (2006.01). Способ сопровождения групповой воздушной цели из класса «самолеты с турбореактивными двигателями» [Текст] / Ситников А.Г., Богданов А.В., Васильев О.В., Ибрагим А.К., Филонов А.А., Круталевич Ю.А.; заявитель и патентообладатель Федеральное государственное научное учреждение "Государственный научно-технологический центр "Наука" (ФГНУ "ГНТЦ "Наука") (RU). - №2011117802/07; заявл. 03.05.2011; опубл. 20.07.2012, Бюл. №20. - 14 с: ил. (аналог).

3. Пат.2786518 Российская Федерация, МПК G01S 13/52 (2006.01). Способ распознавания типового состава групповой воздушной цели из класса «самолеты с турбореактивными двигателями» на основе калмановской фильтрации и нейронной сети [Текст] / Богданов А.В., Голубенко В.А., Закомолдин Д.В., Петров С.Г., Якунина Г.Р.; заявитель и патентообладатель Федеральное государственное казенное военное образовательное учреждение высшего образования «Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова» Министерства обороны Российской Федерации (RU). - №2022102682; заявл. 03.02.2022; опубл. 21.12.2022, Бюл. №36. - 18 с: ил. (прототип).

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

Изобретение относится к области вторичной цифровой обработки радиолокационных (РЛ) сигналов и может быть использовано для распознавания типового состава групповой воздушной цели (ГВЦ) из класса «самолеты с турбореактивными двигателями (ТРД)» при различных ракурсах ее РЛ наблюдения. Техническим результатом является возможность распознавания в импульсно-доплеровской радиолокационной станции с вероятностью, не ниже заданной, типового состава ГВЦ при различных ракурсах ее РЛ наблюдения. Заявленный способ основан на обработке амплитудно-частотного спектра РЛ сигнала, отраженного от ГВЦ из класса «самолеты с ТРД», спектральные составляющие которого обусловлены отражениями сигнала от планеров самолетов группы и вращающихся лопаток первых ступеней рабочих колес компрессоров низкого давления (КНД) их двигателей. Вычисляется процедура оптимальной калмановской фильтрации с соответствующими динамическими моделями по отсчетам доплеровских частот спектральных составляющих сигналов, отраженных от каждого планера самолета группы и от вращающихся лопаток рабочего колеса первой ступени КНД каждого i-го самолета группы, имеющего q-й тип, где i=1,…,I; I - количество самолетов с ТРД в группе; q=1,…Q; Q - количество типов самолетов с ТРД. В режиме предварительного обучения первой нейронной сети по значениям сформированных отсчетов доплеровских частот вычисляются разности доплеровских частот между каждыми отсчетами доплеровской частоты, по которым в течение К тактов осуществляется предварительное обучение первой нейронной сети, на выходе которой формируются оценки вероятностей предварительного распознавания i-го самолета в группе, имеющего q-й тип. В режиме предварительного обучения второй нейронной сети за К тактов вычисляются значения iq-x автокорреляционных функций отсчетов доплеровских частот, обусловленных отражением РЛ сигнала от планеров самолетов группы. На выходе второй нейронной сети формируются оценки вероятностей предварительного распознавания i-го самолета в группе, имеющего q-й тип. В режиме распознавания сравнивают текущий ракурс РЛ наблюдения i-го самолета группы q-того типа с пороговым значением, и, если он меньше порога, осуществляют калмановскую фильтрацию отсчетов доплеровских частот, где в качестве априорных сведений, принятых при фильтрации, используется iq-я динамическая модель. В результате на выходе i-го калмановского фильтра формируются оценки отсчетов доплеровских частот и оценки их возможных разностей, которые последовательно подают на входы первой нейронной сети, на выходах которой формируются оценки вероятности предварительного распознавания i-го самолета группы q-того типа, которые сравниваются с пороговым значением. Если оценки вероятностей больше порога, принимается окончательное решение о том, что i-й самолет группы имеет q-й тип. При этом вторая нейронная сеть переходит в режим дообучения, на ее w-e входы поступают сформированные обучающие выборки в виде значений оценок автокорреляционных функций доплеровских частот. Затем осуществляется калмановская фильтрация отсчетов доплеровских частот, в результате чего на выходе i-гo калмановского фильтра формируются оценки, по которым вычисляют оценки значений автокорреляционных функций доплеровских частот и их подают на w-е входы второй нейронной сети. На ее выходах формируются оценки вероятности предварительного распознавания i-го самолета группы q-того типа, и, если они больше порога, принимается окончательное решение о том, что i-й самолет группы имеет q-й тип. При этом первая нейронная сеть переходит в режим дообучения, на ее iq-е входы поступают сформированные обучающие выборки в виде совокупности разностей доплеровских частот, которые были получены на основе оценки доплеровской частоты, обусловленной отражением РЛ сигнала от планера каждого i-го самолета группы q-го типа и отсчетов доплеровских частот, обусловленных отражением сигнала от вращающихся лопаток рабочего колеса первой ступени КНД двигателя каждого i-го самолета q-того типа. Результирующая вероятность распознавания каждого i-го самолета q-го типа определятся независимо от вариантов функционирования обоих нейронных сетей. 1 ил., 1 табл.

Способ всеракурсного распознавания типового состава групповой воздушной цели из класса «самолеты с турбореактивными двигателями» на основе калмановской фильтрации и нейронных сетей, заключающийся в том, что радиолокационный сигнал, отраженный от групповой воздушной цели из класса «самолеты с турбореактивными двигателями», 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 самолетов группы и вращающихся лопаток первых ступеней рабочих колес компрессоров низкого давления их двигателей, определяются отсчеты F_niq доплеровских частот спектральных составляющих сигнала, отраженного от каждого планера самолета группы, и спектральных составляющих сигнала, отраженного от вращающихся лопаток рабочего колеса первой ступени компрессора низкого давления каждого i-го самолета группы, имеющего q-й тип, где i = 1,…,I; I - количество самолетов с турбореактивными двигателями в группе; q = 1,…Q; Q - количество типов самолетов с турбореактивными двигателями, вычисляется процедура оптимальной многомерной линейной дискретной калмановской фильтрации отсчетов доплеровских частот в соответствии с выражениями

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

- переходная матрица состояния размерности nxn;

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

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

Н(k) - матрица наблюдения размерности mxn;

z(k+1) - вектор невязок измерения размерности m;

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

I - единичная матрица размерности nxn;

«т» - символ транспонирования;

«-1» - символ нахождения обратной матрицы;

«^∧» - символ нахождения оценки,

отличающийся тем, что в соответствии с iq-ми динамическими моделями

формируются последовательно в дискретном времени отсчеты доплеровских частот в виде

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

К - общее количество тактов формирования разносов доплеровских частот;

Т - значение временного дискрета,

в режиме предварительного обучения первой нейронной сети по значениям сформированных отсчетов доплеровских частот (9) и (10) вычисляются разности доплеровских частот между каждым отсчетом доплеровской частоты, обусловленным отражением сигнала от планера каждого i-го самолета группы q-го типа, и соответствующего ему каждого отсчета доплеровской частоты, обусловленного отражением сигнала от вращающихся лопаток рабочего колеса первой ступени компрессора низкого давления двигателя каждого i-го самолета q-го типа, как

по которым в течение К тактов осуществляется предварительное обучение первой нейронной сети для каждого i-го самолета группы q-го типа, имеющего соответствующий разнос доплеровских частот при этом архитектура первой нейронной сети представляет собой многослойную нейронную сеть прямого распространения, состоящую из трех слоев: первого входного слоя нейронной сети, на iq-e входы которой последовательно, дублируя I раз, подаются соответствующие разносы доплеровских частот второго скрытого слоя нейронной сети в виде слоя с нелинейной функцией активации; третьего выходного слоя сети, на iq-x выходах которого формируются оценки вероятностей предварительного распознавания i-го самолета в группе, имеющего q-й тип, в режиме предварительного обучения второй нейронной сети за К тактов по значениям отсчетов доплеровских частот (9) вычисляются соответствующие значения iq-x автокорреляционных функций отсчетов доплеровских частот, обусловленных отражением радиолокационного сигнала от планеров самолетов группы, которые поступают на соответствующие w-e входы второй нейронной сети, при этом архитектура второй нейронной сети представляет собой многослойную сверточную нейронную сеть прямого распространения, состоящую из пяти слоев: первого входного слоя нейронной сети, на w-e входы, которой параллельно подают значения отсчетов автокорреляционных функций доплеровских частот; второго сверточного слоя нейронной сети в виде слоя с применением операции свертки; третьего слоя подвыборки для повышения быстродействия вычислений; четвертого полносвязного скрытого слоя с нелинейной функцией активации; выходного слоя, на iq-x выходах которого формируются оценки вероятностей предварительного распознавания i-го самолета в группе, имеющего q-й тип, в режиме распознавания сравнивают текущий ракурс радиолокационного наблюдения i-го самолета группы q-го типа с пороговым значением при выполнения условия в соответствии с процедурой (1)-(7) осуществляется калмановская фильтрация отсчетов доплеровских частот, где в качестве априорных сведений, принятых при фильтрации, используется соответствующая iq-я динамическая модель (8), в результате чего на выходе каждого i-го калмановского фильтра формируются оценки отсчетов доплеровских частот, обусловленных отражением сигнала от планера каждого i-го самолета группы, и оценки отсчетов доплеровских частот, обусловленных отражением сигнала от вращающихся лопаток рабочего колеса первой ступени компрессора низкого давления двигателя каждого j-го самолета группы, где i,j=1,…,I, вычисляются оценки возможных разностей доплеровских частот в соответствии с выражением

которые последовательно подают на ij-е входы первой нейронной сети, на выходах которой формируются оценки вероятности предварительного распознавания i-го самолета группы q-го типа, которые сравниваются с пороговым значением при выполнения условия принимается окончательное решение о том, что i-й самолет группы имеет q-й тип, при этом вторая нейронная сеть переходит в режим дообучения, на ее w-e входы поступают сформированные обучающие выборки в виде значений оценок автокорреляционных функций, полученных на основе оценок доплеровских частот, обусловленных отражением радиолокационного сигнала от планера каждого i-го самолета q-го типа в виде

при выполнения условия осуществляется калмановская фильтрация отсчетов доплеровских частот, которые обусловлены отражением сигнала от планера каждого i-го самолета группы q-го типа, в результате чего на выходе каждого i-го калмановского фильтра формируются оценки , по которым вычисляют оценки значений автокорреляционных функций доплеровских частот и их подают на w-е входы второй нейронной сети, на ее выходах формируются оценки вероятности предварительного распознавания i-го самолета группы q-го типа, при выполнении условия принимается окончательное решение о том, что i-й самолет группы имеет q-й тип, при этом первая нейронная сеть переходит в режим дообучения, на ее iq-е входы поступают сформированные обучающие выборки в виде совокупности разностей доплеровских частот которые были получены на основе оценки доплеровской частоты, обусловленной отражением радиолокационного сигнала от планера каждого i-го самолета группы q-го типа и отсчетов доплеровских частот, обусловленных отражением сигнала от вращающихся лопаток рабочего колеса первой ступени компрессора низкого давления двигателя каждого i-го самолета q-го типа и сформированных в соответствии с выражением (12), в виде

при этом результирующая вероятность распознавания каждого i-го самолета q-го типа независимо от вариантов функционирования обоих нейронных сетей будет определятся выражением