Распознавание типов радиоизлучений при радиоконтроле

Размещено на http://www.allbest.ru/

Харьковский национальный университет радиоэлектроники

Распознавание типов радиоизлучений при радиоконтроле

Безрук В.М., Лебедев О.Г.

Введение

Одна из важнейших функций управления использованием радиочастотного спектра является автоматизированный радиоконтроль (радиомониторинг). Радиоконтроль (РК) основан на решении сложной задачи пространственно-спектрально-временной обработки радиоизлучений (РИ) в широком диапазоне частот. Для упрощения проводится ее декомпозиция на ряд относительно самостоятельных задач обработки сигналов, в частности: селекция и распознавание заданных типов РИ, выявление новых неизвестных РИ, распознавание видов и оценивание параметров модуляции новых неизвестных РИ, распознавание источников радиоизлучений. Для распознавания РИ при РК необходимо предварительное выполнение значительного числа технических операций, связанных с поиском РИ по частоте, времени и направлению, анализом их спектра, измерением параметров принятых РИ, их селекцией и собственно распознаванием по различным признакам.

Из-за действия помех и многих других неконтролируемых факторов обрабатываемые сигналы, соответствующие РИ в радиотехнических комплексах автоматизированного радиоконтроля, носят случайный характер с априори неизвестными статистическими характеристиками. Априорная неопределенность преодолевается с использованием обучающих выборок заданных сигналов. Однако при РК на обработку поступает множество неизвестных сигналов, для которых не всегда можно получить классифицированные обучающие выборки. Это усложняет обработку и распознавание сигналов при РК и определяет необходимость применения специальных методов, отличающихся от хорошо развитых методов обработки сигналов на фоне помех в системах радиосвязи, радиолокации и радионавигации. В условиях сложной и быстро меняющейся радиоэлектронной обстановки требуется применение более сложных наукоемких автоматизированных средств РК. Возникает необходимость использования при синтезе алгоримов распознавания сигналов вероятностных моделей, адекватных реальным задачам РК.

В работе приведено решение задачи распознавания заданных сигналов при наличии класса неизвестных сигналов, которое основано на описании сигналов вероятностной моделью в виде процессов авторегрессии. Приведены некоторые результаты решения задачи распознавания заданных типов РИ, характерных для автоматизированного РК.

1. Решающее правило распознавание заданных сигналов при наличии класса неизвестных сигналов

Задачам распознавания сигналов в условиях априорной неопределенности уделяется значительное внимание. При этом преодоление априорной неопределенности осуществлялось с использованием обучающих выборок распознаваемых сигналов. Обычно полагалось, что число проверяемых гипотез равно числу распознаваемых сигналов. Однако в реальных прикладных задачах РК возникают ситуации, когда наблюдаемый сигнал может не принадлежать к числу заданных классов и должен быть отнесен к -му классу неизвестных сигналов, не заданному в статистическом смысле. Причем их обучающие выборки по ряду причин либо вообще не могут быть получены, либо являются непредставительными. Такие нетрадиционные задачи распознавания сигналов в условиях повышенной априорной неопределенности характерны при проведении автоматизированного РК. Рассмотрим некоторые особенности решения таких задач распознавания сигналов [1].

Полагается, что распознаваемые сигналы представлены конечномерными случайными -мерными векторами , по реализациям которых принимаются решения. Задаются -у гипотезы, которые могут быть сделаны в отношении наблюдаемых сигналов: - для заданных сигналов, - для неизвестных сигналов, объединенных в -й класс. Плотности вероятности заданных сигналов заданы с точностью до случайных векторных параметров , а для -го класса плотность вероятности неизвестна. Заданы также априорные вероятности гипотез причем Считается также, что заданы обучающие выборки сигналов а обучающая выборка для -го сигнала отсутствует либо является непредставительной.

Для описания реальных РИ, представленных радиосигналами с энергетическим спектром, которые характеризуются наличием ярко выраженных экстремумов, может быть использована авторегрессионная (АР) модель. При этом решающее правило распознавания заданных сигналов при наличии неизвестных сигналов для случая гауссовских авторегрессионных последовательностей определяется соотношениями:

(1а)

(1б)

(1в)

Здесь - пороговые значения, определяемые из условия обеспечения заданных вероятностей правильного распознавания заданных сигналов; - порядок и параметры АР модели для -го сигнала.

Согласно этому правилу, решение в пользу -го заданного радиосигнала принимается в два этапа: при выполнении хотя бы одного из неравенств (1а), а также при выполнении системы неравенств (1б). Когда выполняются неравенства (1в), решение принимается в пользу неизвестных сигналов из -го класса.

В решающем правиле (1) полагается, что параметры АР моделей для заданных сигналов известны. При неизвестных параметрах АР моделей необходимо получить их оценки хорошо развитыми методами, в частности, методом Юла-Уокера. При этом по классифицированным обучающим выборкам вычисляются оценки корреляционных функций заданных сигналов и оцениваются параметры АР модели в результате решения соответствующего уравнения Юла-Уокера. Получено, что для многих практических задач РК порядок АР модели для описания реальных сигналов оказывается небольшим (единицы, десятки) при длине наблюдаемой последовательности отсчетов сигналов , достигающей сотен и даже тысяч. Это позволяет получить «экономное» описание сигналов с точки зрения реализационных затрат. радиоконтроль спектральный энергетический

2. Некоторые результаты исследований распознавания заданных типов РИ

При исследовании решающего правила распознавания (1) получены рабочие характеристики методом статистического моделирования на выборках радиосигналов с различным видом и параметрами модуляции, характерных для задачи РК. Для радиосигналов размерность исходного описания составляла , объемы выборок для каждого сигнала - по 1000 реализаций. На рис. 1 приведены энергетические спектры этих сигналов.

Рис. 1. Энергетические спектры радиосигналов, использованных при исследованиях

Получена зависимость оценки средней вероятности ошибочного распознавания сигналов от используемого порядка модели (рис. 2). Видно, что для порядка АР модели =20 достигается достаточно высокое качество распознавания сигналов. Дальнейшее увеличение порядка модели лишь незначительно снижает , что свидетельствует о достаточно высокой информативности описания радиосигналов АР моделью относительно небольшого порядка.

Рис. 2. Зависимость средней вероятности ошибочного распознавания от порядка АР модели сигналов

Исследованы также показатели качества решения задачи распознавания заданных радиосигналов при наличии радиосигналов из -го класса с применением решающего правила (1). В качестве заданных сигналов использовались сигналы №1-6, остальные пять сигналов представляли - й класс неизвестных сигналов. Оценивались такие показатели качества распознавания: - вероятность ошибочных решений о действии неизвестных сигналов из - го класса при условии предъявления заданных сигналов; - вероятность ошибочных решений о действии заданных сигналов при условии предъявления неизвестных сигналов из - го класса. В результате исследований получены диаграммы обмена показателей качества распознавания в виде зависимости оценок от при различных длительностях реализаций сигналов =256 и =512 (рис. 3).

Эти зависимости показывают, что уменьшение потенциально возможного значения одного из показателей качества распознавания может быть достигнуто лишь за счет ухудшения значения другого показателя. Такой обмен значений взаимосвязанных и антагонистических показателей качества распознавания радиосигналов может осуществляться изменением пороговых значений в решающем правиле (1).

Рис. 3. Диаграммы обмена ошибок распознавания заданных радиосигналов

Выводы