При работе каналов слежения бортовой РЛС в условиях преднамеренных помех, особенно имитирующих, наряду с обнаружением и оцениванием координат и параметров движения целей необходимо решать задачи разрешения и распознавания неизвестного числа объектов. Здесь под объектами подразумеваются как истинные, так и ложные цели. Разрешение сводится к обнаружению и измерению координат и параметров движения выбранного объекта при наличии в исследуемом пространстве других объектов. Распознавание других объектов состоит в установлении факта принадлежности объектов к определенным классам и заключается в распознавании радиолокационных сигналов, несущих информацию об объектах и принимаемых на фоне помех.

Сформулируем в самом общем виде задачу приема сигналов на фоне помех применительно к импульсно-доплеровской бортовой РЛС. На всех современных истребителях установлены индивидуальные средства радиоэлектронной борьбы. Помеховые сигналы действуют как по основному, так и по боковым лепесткам диаграммы направленности антенны бортовой РЛС. Имитирующие помехи, в качестве которых используются многократные ответные импульсные и уводящие помехи, подобны сигналам цели и отличаются лишь некоторыми параметрами. Число помех заранее неизвестно. Имеются некоторые априорные сведения о сигналах цели и помехах, о последних в меньшей степени. Требуется решить задачу обнаружения-разрешения-распознавания-оценивания в условиях неполной информации о помеховой обстановке и неизвестного числа целей.

Примеров оптимального решения подобной задачи в литературе не найдено. В то же время, известны разработанные в различных научных областях методы синтезаканалов слежения РЛС, функционирующих в условиях сложной помеховой обстановки.

Задача радиолокационного слежения за воздушными целями в условиях нестационарной помеховой обстановки может быть отнесена к классу трудно-формализуемых (неформализуемых), которые характеризуются в общем случае следующими особенностями [1]:

· невозможностью описания задачи только в числовой форме и представления целей в терминах точно определенной целевой функции;

· отсутствием алгоритма, позволяющего получить решение в условиях реальной сложности;

· ограниченностью вычислительных ресурсов, не позволяющей использовать традиционные алгоритмы.

Поскольку в бортовой РЛС с многоэлементной фазированной антенной решеткой вычислительные и аппаратурные ресурсы ограничены, то использование оптимальных и адаптивных алгоритмов формирования диаграммы направленности антенны, затруднено. Действительно, при использовании цифровых методов даже для управления основным лучом диаграммы направленности необходимо выполнять большой объем вычислений. Так, для фазированной антенной решетки, состоящей из 1000 элементов, при скорости выборки радиолокационного сигнала 2 МГц и формировании 100 положений луча диаграммы направленности в секунду, необходимо произвести 1,5Ч10¹¹ комплексных умножений или в 4 раза большее число умножений реальных чисел, то есть необходимо иметь 12 тыс. микропроцессоров, выполняющих 50 млн. оп. /с [2]. Именно поэтому в фазированных антенных решетках широко используется техника подрешеток (модулей), хотя модульная адаптивная антенная решетка обладает худшим подавлением по сравнению с полностью адаптивной антенной решеткой.

Необходимое разбиение решетки на модули, геометрические параметры модулей, расположение, число элементов в модуле и др. можно найти по методике, изложенной в [3], если известны углы прихода помех, мощности помех и внутренних шумов приемников, число элементов антенной решетки, геометрия антенной решетки и задано отношение сигнал/помеха. При этом достаточно произвольно выбираются различные параметры антенной решетки и модулей, обеспечивающие минимизацию числа каналов адаптации (модулей) и получение заданного отношения сигнал-помеха. Так как помеховая обстановка является нестационарной, то на практике при выборе структуры и алгоритмов функционирования адаптивной антенной решетки в реальном масштабе времени необходимо пользоваться различными эвристическими соображениями, особенно при решении задач оценки помеховой обстановки и включения соответствующих средств помехозащиты.

Известно, что для решения трудно формализуемых задач широко применяют методы искусственного интеллекта [1]. Рассмотрим те положения теории искусственного интеллекта, которые понадобятся при описании структуры каналов слежения бортовой РЛС.

В последнее время в системах, предназначенных для решения плохо формализуемых задач, наиболее распространено представление знаний с помощью систем продукций. Под продукционными моделями представления знаний понимают системы, использующие вывод, направляемый данными. Система продукций предполагает наличие семиотической базы данных, фиксирующей текущее состояние исследуемой предметной области, над которой выполняются некоторые процедуры, описываемые совокупностью правил продукций. Правила продукций в соответствии с определенным порядком срабатывания применяются к базе данных, которая, с одной стороны, является основой применимости правил, а с другой - основой для выработки того или иного решения по управлению. Каждое правило состоит из двух частей: условие (левая) и действие (правая), представленных в виде условных выражений типа "если., то.", что соответствует структуре правил принятия решения человеком. Считается, что процесс принятия решений можно описать как распознавание и классификацию сообщений, терминов, ситуаций, параметров или образов в условиях неопределенности. При этом лицо, принимающее решение (это может быть и ЭВМ), пользуется нечеткими понятиями. Термин "неопределенность" необходимо рассматривать с точки зрения полноты и достоверности динамически развивающейся информации, а также с точки зрения ее использования в процессе выработки решения.

Для оценки состояния на основе поступающей информации строится формализованное описание ситуации. Ситуацией называется совокупность всех сведений о состоянии системы. Важнейшей концепцией при анализе ситуаций является представление о регулярности реального мира, в соответствии с которой реальный процесс функционирования системы представляется состоящим из типовых (повторяющихся) ситуаций (состояний системы). Классификация состояний по их типам в большей степени соответствует и физическому смыслу абстрактной оценки информации человеком, так как процесс построения классов в модели классификации и оценки информации на базе аппарата теории нечетких множеств рассматривается как процесс группирования вокруг выбранных заранее ситуаций-прототипов. Ситуация-прототип - это множество конкретных ситуаций, обладающих свойствами принадлежности классу ситуаций-прототипов, хранящихся в памяти. Конкретные ситуации можно разделить на n классов, каждому из которых соответствует m конкретных ситуаций.

Типовой ситуации (ситуации-прототипу) соответствует понятие набор обязательных характеристик, с помощью которых одни понятия отделяются от других. Для оценки семантики, в общем случае, нечетких понятий используются лингвистические переменные. В сущности, это особая форма организации экспертной информации, на основе которой и производится семантическая идентификация нечетких категорий. Следует отметить, что для представления типовых ситуаций, которым в базе знаний соответствует система понятий, часто применяются фреймы [1, 4, 5]. С их помощью можно создавать структуры, представляющие данное понятие.

Изложенное выше поясняет использование продукционной системы правил в процессе выработки решений по подключению тех или иных устройств и алгоритмов помехозащиты. Данный процесс осуществляется следующим образом. Условие устанавливает применимость правила продукций к базе данных. Если условие удовлетворяется, то правило может быть применено. Результатом срабатывания правила является выработка одношагового управляющего воздействия в виде действия, указанного в правой части правила. В зависимости от содержания правила логического выбора решений этапы принятия решений можно разделить на два класса. К первому относятся этапы, в результате которых происходит выбор значений параметров базы данных (описание текущей тактической ситуации). Ко второму классу относятся этапы, цель которых состоит в выборе варианта управляющего воздействия из достаточно небольшого заранее известного множества.

Для выбора значений параметров описания текущей тактической ситуации, когда экспертная система представляется нечеткой системой высказываний, обычно предлагается использовать дедуктивную схему вывода, основанную на нечетком правиле modus ponens (mp) [6]. В этом случае решением является выбор таких значений определяемого параметра, для которого степень истинности нечеткого правила mp достигает своего максимума.

Другой класс задач решается при выборе некоторого варианта помехозащиты из списка заранее известного, достаточно небольшого числа допустимых вариантов. В этом случае нечеткая экспертная информация также может быть представлена системой нечетких условных высказываний, где выходные высказывания выражают суть выбора того или иного варианта решения, то есть являются четкими высказываниями. В качестве решения, как и в предыдущем случае, выбирается такое значение выходного параметра, при котором степень истинности правила вывода mp является наибольшей.

Таким образом, используя дедуктивную схему логического вывода, основанную на нечетком правиле mp, можно выбрать как значение определяемого параметра описания текущей тактической ситуации, так и предпочтительный вариант способа помехозащиты в бортовой РЛС. Возможна также модель принятия решения на основе композиционного правила вывода [6]. Однако следует иметь в виду, что выбор решений на основе правила mp и композиционного правила вывода не всегда дает одинаковые результаты.

Анализ возможностей методов теории искусственного интеллекта, выполненный в [7], свидетельствует о целесообразности их использования при формировании алгоритмов принятия решений в бортовой РЛС, работающей в условиях нестационарной сигнально-помеховой обстановки. Указанные алгоритмы должны быть нечеткими, так как информация представляется в виде системы нечетких экспертных высказываний 1-го рода. Решение в каждом блоке алгоритмов может производиться на основе оценки истинности дедуктивного логического вывода с использованием правила mp, композиционного правила вывода или известных из теории искусственного интеллекта коэффициентов уверенности.

радиолокационная система интеллект искусственный

Список литературы

1. Искусственный интеллект. В 3-х кн. Кн.1. Системы общения и экспертные системы: Справочник. / Под ред. Э.В. Попова. - М.: Радио и связь, 1990.

2. Бураков, В.А. Адаптивная обработка сигналов в антенных решетках / В.А. Бураков, Л.А. Зорин, М.В. Ратынский, Б.В. Шишкин // Зарубежная радиоэлектроника, 1976, №8.

3. Зарощинский, О.И. Адаптациявбольших антенных решетках / О.И. Зарощинский, И.Н. Кулешов // Изв. вузов. Сер. Радиоэлектроника, 1979, т.22, №2.

4. Богачев, А.С. Перспективы применения экспертных систем в авиационных радиоэлектронных комплексах. - Итоги науки и техники. Сер. Радиотехника / А.С. Богачев. - М.: ВИНИТИ, 1990, т.40/

5. Гаврилова, Т.А. Извлечение и структурирование знаний для экспертных систем / Т.А. Гаврилова, К.Р. Червинская. - М.: Радио и связь, 1992.

6. Никитченко, В.В. Комбинированные методы помехозащищенности / В.В. Никитченко, П.Л. Смирнов // Зарубежная радиоэлектроника, 1988, №4.

7. Дрогалин, В.В. Алгоритмы пространственно-временной обработки сигналов при одновременной пеленгации неизвестного изменяющегося во времени числа постановщиков помех / В.В. Дрогалин, Б.Г. Татарский, М.В. Чернов. - М.: ВВИА им. проф.Н. Е Жуковского, 1997.

Размещено на Allbest.ru