WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 || 3 |

В случае использования информационных признаков для повышения достоверности угловых измерений решающая функция равна:

(9)

где - заранее выявленные признаки нахождения цели в пределах и за пределами РЗ, принимающие значения 0 или 1. Этот подход, развитый в работах Ю.И. Щура, получил название алгоритмов углового стробирования.

Следует отметить, что известные методы повышения достоверности угловых измерений, основанные на сравнении сигналов суммарного и разностного каналов МП, являются частным случаем алгоритмов углового стробирования с решающей функцией вида (9), содержащей лишь один информационный признак.

В диссертационной работе в качестве аппроксиматора решающей функции (U), определяющей достоверность моноимпульсных измерений УК, использована обученная НС. Проведен анализ различных видов НС, на основе которого для рассматриваемой задачи выбрана НС типа многослойный персептрон. Путем компьютерных экспериментов определены параметры многослойной НС (МНС) (число слоев и число нейронов в слоях), обеспечивающие наилучшие показатели решающей функции по критерию минимума средней вероятности ошибки r. Все расчеты по созданию, обучению и тестированию МНС проведены в среде MATLAB.

Проведенные исследования показали, что наилучшие показатели качества обеспечивает четырехслойная МНС, два скрытых слоя которой содержат по шесть нейронов (рис. 4). Обучение МНС проводилось путем моделирования СУО при значениях отношении сигнал-шум (ОСШ) q=20…25 дБ.

Результаты анализа рассмотренных в работе алгоритмов повышения достоверности угловых измерений, полученные путем компьютеного моделирования, представлены на рис. 3 в виде зависимостей средней вероятности ошибки r от значения ОСШ:

1 – метод использования компенсационной антенны;

2 – метод сравнения сигналов суммарного и разностного каналов;

3 – алгоритм углового стробирования при использовании признаков (2)-(5);

4 – алгоритм углового стробирования при использовании признаков (2)-(8);

5 – метод повышения достоверности угловых измерений при использовании НС.

Как видно из графиков предложенный в диссертационной работе метод использования НС (кривая 5) имеет наиболее высокую эффективность. Значения эффективностей этого метода и алгоритма углового стробирования при использовании семи признаков (кривая 4) оказываются очень близки и практически совпадают при малых значениях ОСШ (менее 15 дБ). При этом оба метода (4 и 5) оказываются гораздо более эффективными по сравнению с традиционными методами повышения достоверности угловых измерений (методы 1, 2 и 3) – величина средней вероятности ошибки для них в 1,5…2,5 раза меньше.

В этой же главе предложен метод повышения достоверности измерений УК для двухдиапазонных РЛС. Информационным признаком нахождения цели в РЗ может служить пропорциональная зависимость между СУО различных диапазонов частот вблизи главного РСН:

(10)

где UI и UII - СУО первого и второго диапазонов, а Пдд – порог.

Рис.3. Графики зависимостей средней вероятности ошибок от отношения сигнал-шум для разных методов повышения достоверности измерения УК.

Рис. 4. НС, аппроксимирующая оптимальную решающую функцию для задачи повышения достоверности измерения УК МП по одиночным отсчётам СУО

Повышение достоверности угловых измерений в двухдиапазонном радиолокаторе может осуществляться посредством совместного использования для каждого из диапазонов признаков, использованных ранее для однодиапазонных радиолокаторов. Признак сравнения суммарного сигнала с разностным имеет вид:

(11)

где - информационные признаки вида (2) для I-го и II-го диапазонов частот соответственно.

Зависимость r от значения ОСШ для повышения достоверности измерений УК в двухдиапазонном МП с использованием признаков (10) и (11) представлена графиком 2 на рис.5. Для сравнения приведён аналогичный график 1 при применении признака (2) с использованием одного диапазона частот. Как видно из рисунка, использование информационных признаков в двухдиапазонных РЛС позволяет уменьшить величину средней вероятности ошибки в 1,5…3 раза в зависимости от значения ОСШ.

Рис.5. Зависимость средней вероятности ошибки от значения ОСШ при использовании для повышения достоверности измерения УК МП двухдиапазонной БРЛС

Третья глава содержит описание и исследование метода устранения угловой неоднозначности по значениям сигналов угловых ошибок моноимпульсного пеленгатора в режиме СНП как с помощью заранее выявленных информационных признаков наличия цели в РЗ, так и с помощью нейронных сетей.

В режиме СНП появляются дополнительные информационные преимущества, которые не могли быть использованы в вышеописанных алгоритмах повышения достоверности угловых измерений. При строчном сканировании существует возможность рассмотрения не только единичных значений СУО в текущий момент времени, но и в предыдущие моменты. Создаётся возможность для формирования признаков по совокупности нескольких подряд идущих значений СУО, образующих скользящее временное окно.

Постановка задачи повышения достоверности измерений УК для режима СНП аналогична вышеизложенной, с тем лишь отличием, что аргумент решающей функции содержит не три одиночных отсчёта азимутального, угломестного и квадрупольного СУО, а три последовательности подряд идущих отсчётов, т.е.:

U=(U i, U i+1,.. U i+N; U i, U i+1,.. U i+N; Uq i, Uq i+1,.. Uq i+N). Здесь N – размер скользящего окна, соответствующий размеру РЗ.

В работе в качестве информационных признаков и алгоритмов повышения достоверности измерений УК для СНП использованы такие свойства ПХ как нечетная симметрия и постоянство крутизны:

,, (12)

, (13)

где n – номер текущего отсчета СУО; - угловой интервал поворота ДНА между соседними зондированиями. Выражение для в (13) представляет собой оценку крутизны ПХ, полученную методом максимального правдоподобия по совокупности N отсчетов СУО.

В качестве третьего признака наличия цели в РЗ при СНП использовалась угловая протяжённость единичного отрезка информационного признака по одиночным отсчётам СУО:

, (14)

где - пороговые значения угловой протяжённости признака, соответствующие размерам РЗ; - информационный признак по одиночным отсчетам СУО.

Проведено исследование метода повышения достоверности измерений УК при совместном применении трех предложенных информационных признаков. При вычислении информационного признака рассмотрены два случая формирования параметра :

=, (15)

= (16)

см. также соотношения (2)-(8). Расчет вероятностей и проведен путем компьютерного моделирования. Результаты расчетов средней вероятности ошибки r в виде зависимостей от значения ОСШ представлены на рис. 3: кривая 7 – при вычислении параметра по формуле (15); кривая 8 – при вычислении параметра по формуле (16). В режиме СНП алгоритмы углового стробирования (кривые 7, 8) за счет использования дополнительной информации позволяют существенно (в 5…30 раз) снизить вероятности ошибочных решений по сравнению со всеми рассмотренными алгоритмами повышения достоверности измерений УК по единичным отсчетам в режиме слежения (кривые 1-5).

Для решения задачи повышения достоверности угловых измерений в режиме СНП в диссертационной работе использованы динамические НС, на вход которых подаются динамические данные – значения СУО в последовательные моменты времени. В качестве такой сети выбрана простейшая динамическая сеть типа TLFN (focused Time Lagged Feedforward Network), достоинством которой является возможность использования для ее обучения алгоритма обратного распространения ошибки, реализованного в среде MATLAB. При этом входные сигналы сети – значения СУО – поступают через N-элементные линии задержки, а сама сеть представляет собой многослойный персептрон. Как и для статической НС, работающей по одиночным отсчетам СУО, наиболее эффективной для режима СНП оказалась четырехслойная НС с шестью нейронами в каждом из внутренних слоев. Создание, обучение и тестирование такой сети проведено в среде MATLAB. Путем компьютерного моделирования рассчитаны вероятности ошибок и, характеризующие качество работы обученной сети в режиме СНП. На рис. 3 под номером 6 представлен график зависимости средней ошибки r от значения ОСШ при определении достоверности измерений УК по динамическим данным с использованием НС. Видно, что средняя вероятность ошибки примерно в 1,5…2 раза больше, чем при использовании трех информационных признаков в режиме СНП (кривые 7, 8). Однако, следует учесть, что при создании и обучении НС в отличие от алгоритмов углового стробирования не использовалась никакая априорная информация о виде и свойствах ПХ. Кроме того, при наличии динамических данных время обучения НС существенно возрастает, что сильно затрудняет поиск оптимальных параметров сети и подбор множества обучающих образов.

Четвёртая глава содержит описание и исследование алгоритмов измерения азимута и угла места моноимпульсного пеленгатора с помощью НС.

В традиционном МП не до конца используются его информационные возможности, обусловленные многоканальностью. Так, для определения азимута используется только СУО по азимуту, а для определения угла места используется только СУО по углу места, квадрупольный СУО не используется, в то время как все три СУО являются функциями как азимута, так и угла места.

Использование нескольких временных отсчётов позволяет существенно повысить ОСШ при измерении УК в режиме СНП, однако использование скользящего окна приводит к потере свойства линейной зависимости между СУО и УК, т.е. условие, при котором моноимпульсная обработка является оптимальной, нарушается.

В работе предлагается для получения оптимальных измерений УК в режиме СНП аппроксимировать неизвестную решающую функцию, используя в качестве вычислителя УК обученную НС, входными сигналами которой являются три СУО МП.

Для решения задачи измерения УК при СНП рассмотрены различные динамические сети, проведены исследования их эффективности для решения данной задачи, и выбрана сеть типа многослойный персептрон. Произведён подбор параметров, в результате чего наиболее эффективной для решения задачи оказалась трёхслойная НС типа TLFN, внутренний слой которой содержит сто нейронов.

На рис.6 представлены графики зависимости СКО измерения УК, усреднённой по РЗ от ОСШ для традиционного метода (1) и для измерения с помощью НС по динамическим данным трёх СУО (2). Как видно, в режиме СНП применение динамической НС для измерения УК, по сравнению с традиционным методом, позволяет в зависимости от значения ОСШ повысить точность в 2,5…4 раза. При этом существенным достоинством применения НС является отсутствие требования априорных знаний о форме ПХ (крутизне).

Рис.6 Графики зависимостей СКО измерения УК, усреднённого по РЗ, от значений ОСШ.

ЗАКЛЮЧЕНИЕ

Рассмотрены принципы работы моноимпульсного пеленгатора (МП), проведён анализ основных источников ошибок измерения угловых координат (УК) и приведён обзор известных методов устранения аномальных ошибок. Проведено компьютерное моделирование известных алгоритмов, и для них получены зависимости средней ошибки от отношения сигнал-шум. Наиболее эффективным методом повышения достоверности угловых измерений оказалось использование заранее выявленных информационных признаков нахождения цели в рабочей зоне (РЗ) пеленгационной характеристики (ПХ) и за её пределами.

Для решения задачи повышения достоверности измерения УК моноимпульсным пеленгатором предложено использовать нейронные сети (НС). Проведён анализ различных видов НС, выбрана структура и параметры НС для эффективного решения поставленной задачи. Показано, что применение для решения данной задачи обученных НС наиболее эффективно и позволяет в зависимости от значений ОСШ уменьшить величину средней вероятности ошибки в 1,5…3 раза.

В диссертации рассмотрены двухдиапазонные МП. Предложено использовать сигнал от дополнительного диапазона частот в двухдиапазонных БРЛС для повышения достоверности измерения УК МП. Выявлены признаки нахождения цели в РЗ ПХ на основе анализа форм ПХ 1-го и 2-го диапазонов, и на их основе разработаны алгоритмы повышения достоверности измерений УК МП. На основе анализа полученных в результате моделирования зависимостей средней вероятности ошибки от отношения сигнал-шум показано, что использование сигналов угловых ошибок (СУО) двух диапазонов частот позволяет повысить достоверность измерения УК МП (т.е. уменьшить величину средней вероятности ошибки) более чем в 1,5 раза.

Рассмотрена задача повышения достоверности измерений УК МП в режиме сопровождения на проходе (СНП). Показано, что в этом режиме появляются дополнительные информационные преимущества, которые не учтены в известных алгоритмах повышения достоверности угловых измерений по одиночным отсчётам СУО. Для решения задачи в режиме СНП предложено использовать динамические данные МП. Выявлены информационные признаки нахождения цели в РЗ и за её пределами на основании анализа свойств ПХ, которые проявляются при рассмотрении совокупности нескольких подряд идущих отсчётов СУО. Разработаны алгоритмы повышения достоверности угловых измерений с использованием выявленных в работе информационных признаков. Проведены оптимизация параметров алгоритмов и анализ эффективности разработанных алгоритмов. Результаты анализа показали, что применение предложенных алгоритмов по сравнению с теми, которые используют одиночные отсчёты СУО, позволяет снизить среднюю вероятность ошибки в 11 раз.

В режиме сопровождения на проходе для решения задачи повышения достоверности угловых измерений предложено использовать динамические НС. В среде MATLAB создана, обучена и протестирована динамическая НС прямого распространения (TLFN) и произведено исследование её эффективности на основе оценки вероятностей ошибок первого и второго рода. Показано, что применение для решения задачи повышения достоверности угловых измерений в режиме СНП обученных динамических НС эффективней, чем применение для решения данной задачи обученных статических НС, использующих только одиночные отсчёты СУО.

Pages:     | 1 || 3 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»