Синтез алгоритма классификации и определения координат целей, реализуемого в пассивной гидроакустической станции с гибкой протяженной буксируемой антенной

Размещено на http://www.allbest.ru/

Синтез алгоритма классификации и определения координат целей, реализуемого в пассивной гидроакустической станции с гибкой протяженной буксируемой антенной

Ю.В. Шафранюк

Предлагается методика синтеза оптимального по критерию максимального правдоподобия алгоритма классификации и определения координат морских шумящих объектов. Приводится алгоритм классификации и определения координат морских шумящих объектов, а также результаты моделирования, иллюстрирующие его работоспособность.

Пассивные гидроакустические станции с гибкими протяженными буксируемыми антеннами (ГАС с ГПБА) являются одними из основных информационных систем освещения подводной обстановки, позволяющими на достаточно больших дальностях осуществлять обнаружение подводных объектов. Одной из наиболее сложных задач, решаемых в ГАС с ГПБА, является задача классификации и определения координат шумящих объектов.

Для решения данной задачи был предложен алгоритм совместного определения координат и классификации объектов с помощью метода максимума функции правдоподобия (ФП) [1].

В разрабатываемом алгоритме используется идея совместного решения задачи классификации и определения координат объектов. Совместное решение задачи становится возможным при включении координат объектов в набор классификационных признаков (КП), т.е. наличию в них классификационной информации. Преимущество подобного подхода заключается в построении обобщённой модели, включающей в себя все существующие на данный момент модели среды и взаимного движения объектов и носителя ГАС.

Целью работы является синтез алгоритма совместного определения координат и классификации объектов.

Структурная схема обработки информации ГАС

На рисунке 1 изображена структурная схема обработки информации ГАС, а именно:

блок первичной обработки информации (ПОИ), основной задачей которого является обнаружение сигналов;

блок вторичной обработки информации (ВОИ), задачей которого является классификация и определения координат движения объектов;

система гидроакустических расчетов (ГАР), производящая расчет параметров гидроакустического поля;

навигационная система, вырабатывающая текущие параметры движения носителя;

базы данных (БД), содержащие априорную информацию о целях различных классов.

Рис. 1. Структурная схема обработки информации ГАС

На вход блока, определяющего координаты и класс объектов (ВОИ) поступают данные формируемые в ПОИ (рис. 1). Эти данные являются достаточными статистиками, описывающими стохастические процессы на элементах антенны в предположении их стационарности на некотором промежутке времени. Процессы на элементах антенны формируются в результате суперпозиции помехи распределённых источников сигналов и излучений локальных источников сигналов в предположении их плосковолновости (т.е. удалённости от антенны, когда сферический фронт волны становится плоским). К достаточным статистикам следует отнести такие параметры как курсовой угол, мощность излучения, его спектр, величина изменения пеленга, пространственный спектр в вертикальной плоскости, корреляционная функция, дискреты в спектрах и т.п. Блок ВОИ включает в себя траекторный анализ, основной задачей которого является выделение сигнальных трасс из обнаруженных в ПОИ сигналов и накопление информации. Как только траекторный анализ воспроизводит трассу, включается задача классификации и определения координат движения и продолжается до потери контакта с объектом. Также для адаптации алгоритмов используются ГАР и навигационная система. Таким образом, измеряемые величины (достаточные статистики) и вектор состояния системы «помеха + сигналы локальных источников + носитель» связываются различными моделями на основе ГАР, а также геометрии взаимного движения. координата гидроакустическая станция навигационный

В предлагаемом подходе к решению все модели используются комплексно для получения совместной ФП.

Постановка задачи

В основе решения задачи классификации объекта и определения его координат по параметрам его сигнала лежит использование КП - достаточных статистик, получаемых из выходных сигналов датчиков.

Используя различные модели движения носителя, объекта и распространения звука в среде функцию плотности распределения вероятности (ф.п.р.в.) всех признаков для каждого класса можно представить в следующем виде [2]:

, (1)

где - вектор измеряемых гидрологических параметров (например, вертикальное распределение скорости звука в ограниченном диапазоне глубин, характер океанического дна, в ряде случаев волнение поверхности и т.п.); - вектор не измеряемых гидрологических параметров (например, параметры волновода, по которому распространяются звуковые лучи - форма дна и глубина места на удалении от текущего расположения носителя ГАС, затухание при распространении и отражении звука и т.п.); - вектор измеряемых классификационных признаков (КП) (например, величина изменения пеленга, распределение мощности от источника в вертикальной плоскости и т.п.); - вектор не измеряемых КП (например, полная мощность и спектр мощности в точке излучения); - вектор, описывающий взаимное движение объекта и носителя; - вектор параметров движения объекта; - дальность от носителя до объекта (горизонтальная дальность); - глубина объекта; - курсовой угол носителя на объект (угол, под которым виден объект с носителя относительно направления движения последнего); - курс объекта; - скорость объекта; - вектор параметров движения носителя; - расстояние от носителя до дна; - глубина носителя; - курс носителя; - скорость носителя; - индекс класса цели.

Алгоритм определения координат и класса объекта из алфавита классов при использовании метода максимума ФП будет иметь следующий вид:

. (2)

Рассмотрим алгоритм получения совместной ФП.

Пусть вектор измеряемых КП состоит из КП. Тогда каждый измеряемый КП можно представить в виде следующей стохастической модели:

, (3)

где - количество КП;

- некая неслучайная функция, связывающая с истинным значением КП не измеряемые КП и гидрологические параметры, а также координаты и параметры движения объекта;

- вектор ошибок измерения КП.

Ф.п.р.в. оценки вектора для каждого КП при фиксации значений векторов , и полностью определяется плотностью распределения ошибки измерения параметра :

, (4)

где - ф.п.р.в. для случая гауссового распределения (первый аргумент - математическое ожидание, второй - среднеквадратическое отклонение).

Поскольку ошибки измерения разных параметров сигнала, как правило, взаимно независимы, то при фиксации значений , и совместная ф.п.р.в. оценок всех параметров сигнала, входящих в вектор может быть вычислена как произведение ф.п.р.в. [3]:

. (5)

Для получения ф.п.р.в. вектора оценок параметров зависящего только от искомых координат объектов, в частности, дальности и глубины , проинтегрируем (5) по ф.п.р.в. векторов , и :

, . (6)

В качестве примера рассмотрим задачу определения координат объекта при использовании двух методов пассивного определения дальности: триангуляционного и вертикально разностно-дальномерного метода (ВРДМ).

Рассматривая частный случай, когда цель находится на траверзе, модель, связывающую измеренное значение пеленгов на антенну с дальностью до объекта можно представить в виде [4]:

, (7)

где - пеленга на антенну;

- расстояние между центрами антенн.

Рассматривая два луча - поверхностный и водный - модель, связывающую измеренные значения абсцисс максимумов корреляционной функции (КФ) с положением объекта излучения можно представить в виде:

, (8)

где - абсцисса максимумов КФ;

- времена распространения поверхностного и водного лучей;

- функция, определяющая абсциссу максимума КФ;

- глубина носителя.

В этом случае, вектор и вектор параметров движения объекта будут иметь вид:

, . (9)

Выражение для определения совместной ф.п.р.в. может быть записано в следующем виде:

. (10)

В результате алгоритм определения координат объекта примет вид:

. (11)

Результаты моделирования

С целью анализа особенностей рассматриваемой задачи было проведено моделирование. При моделировании использовался эпизод, в котором пеленгуемый носителем объект располагался на траверзе. При этом ГАС двигался курсом 0° со скоростью 10 узлов, а пеленгуемый им объект курсом 180° со скоростью 15 узлов. В момент измерения дальности истинное расстояние от носителя до объекта составляло 5000 м.

Также считалось, что ошибки определения временной задержки и направления на источник при использовании триангуляционного метода независимы и распределены по нормальному закону со среднеквадратичными отклонениями, составляющими временной задержки 0,01, а для пеленгов 1°.

Для определения статистических характеристик оценки моделирование проводилось методом Монте-Карло с числом выборок . Все ФП вычислялись на сетке по дистанции и глубине с шагом м и м, и с числом узлов , соответственно.

Для преодоления многозначности в оценке дистанции на модели КФ использовалось усреднение дистанций по глубине.

Результаты моделирования на одном цикле при длине антенной базы =1000м приведены в таблице.

Таблица.

На рис. 2 и 3 представлены графики ФП на сетке для триангуляционного метода, ВРДМ, а так же их совместной ФП.

, м , ма)

, м , мб)

Рис. 2. Графики ФП для:

а) триангуляционный метода; б) ВРДМ

, м , м в)

Рис. 3. График совместной ФП

По результатам видно, что при определении дальности и глубины объекта на основе совместной ФП вырабатываемая оценка обладает меньшим смещением. При этом совместная ФП (рис. 3) обладает ярко выраженным максимумом как по глубине, так и по дальности, по сравнению с ФП для триангуляуионного метода, имеющей равномерное распределение по глубине, и ФП для ВРДМ, имеющей область многозначности как по дальности, так и по глубине.

Заключение

В результате был синтезирован алгоритм совместного определения координат объектов и их классификации. А также на примере определения координат (дальности до объекта и глубины) проиллюстрирована его работоспособность.

Работа выполнена при поддержке Российского фонда фундаментальных исследований (проект 11-08-01097-а и 12-08-00511-а).

Литература

1. А.И. Машошин. Особенности синтеза алгоритмов классификации подводных объектов по их гидроакустическому полю//Акустический журнал, 1996, т. 42, №3, с. 396-400.

2. Ю.В Королева. Алгоритм совместного определения параметров движения и классификации целей по данным пассивных гидроакустических систем//Сборник трудов XI Международной конференции по мягким вычислениям и измерениям (SCM'2008), 2008.

3. А.И. Машошин. Синтез оптимального алгоритма пассивного определения дистанции до цели//Сборник трудов XI всероссийской конференции «Прикладные технологии гидроакустики и гидрофизики», 2012 - С. 361-363.

4. Корякин Ю.А., Смирнов С.А., Яковлев Г.В. Корабельная гидроакустическая техника. Состояние и актуальные проблемы. - СПб.: Наука, 2004. - 143 с.

Размещено на Allbest.ru