RU211322U1 - Интегрированное устройство опознавания воздушных объектов (целей) - Google Patents
Интегрированное устройство опознавания воздушных объектов (целей) Download PDFInfo
- Publication number
- RU211322U1 RU211322U1 RU2022106656U RU2022106656U RU211322U1 RU 211322 U1 RU211322 U1 RU 211322U1 RU 2022106656 U RU2022106656 U RU 2022106656U RU 2022106656 U RU2022106656 U RU 2022106656U RU 211322 U1 RU211322 U1 RU 211322U1
- Authority
- RU
- Russia
- Prior art keywords
- block
- output
- neural network
- layer
- adder
- Prior art date
Links
- 230000001537 neural Effects 0.000 claims abstract description 28
- 241001442055 Vipera berus Species 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 10
- 230000004913 activation Effects 0.000 claims abstract description 6
- 238000006073 displacement reaction Methods 0.000 claims abstract description 6
- 210000002569 neurons Anatomy 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 abstract description 2
- 230000000875 corresponding Effects 0.000 description 8
- 238000010276 construction Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004027 cells Anatomy 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 230000004301 light adaptation Effects 0.000 description 1
Images
Abstract
Техническое решение относится к технике радиолокации, радиосвязи, радионавигации и радиоуправления и может быть использовано в радиоэлектронных системах для выработки признака государственной принадлежности воздушных объектов (цели). Техническим результатом является снижения погрешности опознавания принадлежности воздушного объекта за счет обучения многослойной нейронной сети с прямым распространением сигнала на зашумленных векторах обучения. Заявленное интегрированное устройство опознавания для выработки признака государственной принадлежности воздушных объектов содержит Т-канальный блок информационных каналов, обучающий блок, состоящий из блока памяти, блока генератора непрерывного шума, блока сумматора, блока генератора целевых векторов и блока генератора обучающих векторов. В устройство введен блок двухслойной нейронной сети. Блок первого слоя нейронной сети содержит десять нейронов, каждый из которых содержит блок матрицы весов IW11, блок смещения b1, блок сумматора и блок с функцией активации гиперболический тангенс. Второй слой нейронной сети содержит два нейрона, каждый из которых содержит блок матрицы весов IW21, блок смещения b2, блок сумматора и блок с линейной функцией активации, выход которого подключен к блоку принятия решения о принадлежности воздушного объекта к классу «свой» или «чужой», выход которого является выходом устройства. 1 ил., 3 табл.
Description
Предлагаемое техническое решение относится к технике радиолокации, радиосвязи, радионавигации и радиоуправления и может быть использовано в радиоэлектронных системах для выработки признака государственной принадлежности воздушных объектов (целей).
Известно интегрированное устройство (система) опознавания [Радиолокационные системы многофункциональных самолетов. T1. РЛС - информационная основа боевых действий многофункциональных самолетов. Системы и алгоритмы первичной обработки радиолокационных сигналов / Под ред. А.И. Канащенкова и В.И. Меркулова. - М.: Радиотехника, 2006, С. 644-650], содержащее набор (блок) информационных каналов: канал координатно-связного опознавания; канал радиолокационного опознавания; канал на основе информации, получаемой по радиолокационным изображениям; каналы радиолокационного и оптико-электронного распознавания; канал радиотехнической разведки; канал тактического опознавания. Выход каждого из информационных каналов подключен к соответствующему входу процессора обработки данных, выход каждого является выходом устройства.
Устройство работает следующим образом. На основе поступающей информации о цели, для которой необходимо определить ее принадлежность к «своим» или «чужим» объектам, каждый информационный канал выделяет соответствующие признаки. Эти признаки поступают в процессор обработки данных, который, в соответствии с реализованным в нем алгоритмом, выносит окончательное решение принадлежности цели к одному из двух классов - «свой» или «чужой».
К недостаткам данного устройства можно отнести то, что не используются возможности каналов по выработке частных решений в различных алфавитах.
Известно также интегрированное устройство (система) опознавания [Жиронкин С.Б., Аврамов А.В., Быстраков С.Г. Построение интегрированных систем опознавания на основе координатно-связного метода // Зарубежная радиоэлектроника. Успехи современной радиоэлектроники, 1997, №35, С. 71-74], которое содержит пять информационных каналов (подсистем): прямого опознавания, координатно-связного опознавания, радиоэлектронного распознавания, оптико-электронного распознавания и радиотехнического распознавания, а также быстродействующую цифровую вычислительную систему (БЦВС).
Устройство работает следующим образом. На основе поступающей информации о цели, для которой необходимо определить ее принадлежность к «своим» или «чужим» объектам, каждый информационный канал в соответствии с заложенным в нем принципом формирует частное решение о принадлежности цели к определенному (классу) в своем собственном алфавите. Частные решения информационных каналов поступают в БЦВС, которая, в соответствии с реализованным в ней алгоритмом, выносит окончательное решение о принадлежности цели к одному из двух классов - «свой» или «чужой».
Недостатками этого устройства является ограничение информационных каналов, а также отсутствие учета достоверности вырабатываемых им частных решений, что снижает достоверность принятого на их основе общего решения.
Наиболее близким по технической сущности и достигаемому результату является интегрированное устройство опознавания воздушных целей [Котенко И.Ю., Котенко Ю.Н. Интегрированное устройство опознавания воздушных целей. Патент RU 203063, опубл. 22.03.2021], которое и выбрано в качестве прототипа. Устройство содержит T-канальный блок информационных каналов, а также следующие N-канальные блоки: блок логического устройства, два блока устройства памяти, два блока перемножения элементов памяти и одноканального блок деления, выход которого подключен к соответствующему входу одноканального блока принятия решения, выход которого является выходом устройства
Устройство работает следующим образом. Каждый из t информационных каналов блока в рамках своего алфавита вырабатывает частное решение о принадлежности объекта к определенному классу в виде решения («свой») или («чужой») и соответствующую этому частному решению апостериорную вероятность.
Сформированные парные значения группируются в виде двумерной матрицы в блоке информационных каналов.
Далее с каждого t-то канала, сформированные парные значения через многоканальный выход поступают на блок логического устройства. Логическое устройство в зависимости от значения («свой») или («чужой»), отсортировывает значения апостериорных вероятностей на первый или второй входы блоков устройства памяти 1 и 2 соответственно. Поступившие значения распределяются в ячейках блоков устройства памяти 1 и 2 в виде уже одномерных матриц.
Блоки перемножения элементов памяти 1 и 2 реализуют формирование оптимальных решений по критерию Неймана-Пирсона на основе функций правдоподобия для объектов с признаком «свой» и для объектов с признаком «чужой».
Сформированные в блоках перемножения элементов памяти 1 и 2 функции правдоподобия и по одноканальным выходам поступают в блок деления 7, где вычисляется отношение правдоподобия по формуле:
Полученное таким образом значение отношения правдоподобия с блока деления по одноканальному выходу поступает в блок принятия решения (выход которого является выходом устройства), где и принимается окончательное решение о принадлежности воздушного объекта по следующему принципу:
а порог h выбирается по заданной вероятности неправильного опознавания «чужого» объекта как «своего» .
При заданной вероятности ложной тревоги Fзад, используя известную формулу расчета порогового значения находится значение порога h, где - функция Лапласа.
Недостатком этого устройства является загруженность системы применением операции сортировки значений апостериорных вероятностей и расчетами отношения правдоподобия . Кроме того, в устройстве не учитывается фактор воздействия преднамеренных помех на выходные вектора, поступающие с блока информационных каналов, что приводит к погрешностям и ошибкам при принятии решения о принадлежности воздушного объекта.
Задача предлагаемого технического решения заключается в сокращении времени на принятие решения о принадлежности объекта (цели) за счет исключения операции сортировки значений апостериорных вероятностей и расчета значения отношения правдоподобия . Кроме того, использование обученной в автономном режиме на зашумленных векторах многослойной нейронной сети с прямым распространением сигнала значительно снизит погрешность распознавания выходных векторов блока информационных каналов, что повысит надежность устройства.
Цель технического решения достигается тем, что в известном устройстве, содержащее T-канальный блок информационных каналов и N-канальные блоки: блок логического устройства, два блока устройства памяти, два блока перемножения элементов памяти и одноканального блока деления, выход которого подключен к соответствующему входу одноканального блока принятия решения, выход которого является выходом устройства, N-канальные блоки: блок логического устройства, два блока устройства памяти, два блока перемножения элементов памяти и одноканальный блок деления были заменены на N-канальные блоки двухслойной нейронной сети, блок памяти, блок генератора непрерывного шума, блок сумматора, блок генератора целевых векторов и блок генератора обучающих векторов.
Сопоставительный анализ с прототипом показывает, что заявленное устройство отличается тем, что содержит дополнительно введенные N-канальные блоки: два блока двухслойной нейронной сети, блок памяти, блок генератора непрерывного шума, блок сумматора, блок генератора целевых векторов и блок генератора обучающих векторов. Таким образом, заявляемое устройство соответствует критерию технического устройства новизна.
В заявленном техническом решении используются блоки с известной логикой работы [Радиолокационные системы многофункциональных самолетов. T1. РЛС - информационная основа боевых действий многофункциональных самолетов. Системы и алгоритмы первичной обработки радиолокационных сигналов/ Под ред. А.И. Канащенкова, В.И. Меркулова. - М.: Радиотехника, 2006, С. 644-650; Жиронкин С.Б., Аврамов А.В., Быстраков С.Г. Построение интегрированных систем опознавания на основе координатно-связного метода - Зарубежная радиотехника. Успехи современной радиоэлектроники, 1997, №5, С. 71-74], а также описание работы блоков нейронных сетей [Нейронные сети. Matalab/ Под ред. B.C. Медведева, В.Г. Потемкина - М.: ДИАЛОГ-МИФИ, 2002, С. 38-41, 201-205].
Блок-схема устройства представлена на фиг.1
Устройство содержит:
1 - блок информационных каналов (в составе T-каналов), выходы решений которых подключены через многоканальный выход к соответствующему входу первого слоя нейронной сети;
2 - блок первого слоя двухслойной нейронной сети (скрытый слой), содержащий десять нейронов, каждый из которых содержит блок матрицы весов IW11, блок смещения b1, блок сумматора и блок с функцией активации гиперболический тангенс где
Многоканальный выход блока 2 подключен к блоку 3, который содержит второй (выходной) слой нейронной сети.
3 - блок второго слоя двухслойной нейронной сети (выходной слой), содержащий два нейрона, каждый из которых содержит блок матрицы весов IW21, блок смещения b2, блок сумматора и блок с линейной функцией активации A2=Wp+b, где р - два выходных вектора с первого скрытого слоя нейронной сети р1 или р2.
Многоканальный выход блока 3 подключен к блоку принятия решения 4.
4 - блок принятия решения, выход которого является выходом устройства.
Обучающий блок, который состоит из:
5 - блок памяти, многоканальный выход которого подключен к входу первого (скрытого) слоя нейронной сети,
6 - блок генератора непрерывного шума, который генерирует импульсы непрерывного шума, многоканальный выход которого подключен к блоку сумматора,
7 - блок сумматора, многоканальный выход которого подключен к блоку памяти 5,
8 - блок генератора целевых векторов, многоканальный выход которого подключен к блоку памяти 5,
9 - блок генератора обучающих векторов , многоканальный выход которого подключен к блоку сумматора 7.
В режиме обучения устройство работает следующим образом. Блок генератора обучающих векторов 9 генерирует матрицу векторов , которые означают частное решение о принадлежности объекта к определенному классу в виде частного решения («свой») или («чужой») и соответствующую этому частному решению апостериорную вероятность.
Значение корреляционного интеграла для «своего» объекта определяется по формуле:
Для «чужого» объекта:
где SNR - отношение сигнал/шум.
В соответствии с критерием идеального наблюдателя решение принимается, если апостериорная вероятность того, что объект «свой» больше 0,5. [Жиронкин С.Б., Близнюк А.А., Слободянюк А.В. Алгоритм частично децентрализованной обработки апостериорной информации в комплексной системе обнаружения // Успехи современной радиоэлектроники. - М.: Радиотехника, 2021 - №2 - С. 48-56.].
Далее сгенерированные матрицы обучающих векторов поступают через многоканальный выход блока 9 на вход блока сумматора 7.
Блок 6 генератора непрерывного шума генерирует вектора шума таким образом, чтобы получить зашумленные обучающие векторы со средним значением 0,1 и 0,2 [Нейронные сети. Matalab / Под ред. B.C. Медведева, В.Г. Потемкина. - М.: ДИАЛОГ-МИФИ, 2002, С.201-205]. Многоканальный выход блока 6 подключен на вход блока сумматора 7.
Блок сумматора 7 подключен через многоканальный выход на вход блока памяти 5.
Блок 8 генератора целевых векторов подключен через многоканальный выход на вход блока памяти 5. Блок 8 генерирует вектора цели в виде многомерной матрицы вида . При этом количество целевых векторов соответствует количеству векторов в обучающих матрицах. Для обучающих векторов соответствующих объекту «свой» ставятся в соответствие целевые вектора вида , а для объекта «чужой» соответствуют целевые вектора - .
Блок памяти 5 подключен через многоканальный выход на вход блока 2 первого (скрытого) слоя двухслойной нейронной сети.
Обучение нейронной сети происходит на двух идеальных и двух зашумленных копиях обучающих матриц, каждая из которых состоит из 100 векторов обучающей последовательности. Зашумленные вектора имеют шум со средним значением 0,1 и 0,2. Количество обучающих циклов равно 5000, допустимая погрешность составляет 0,1. При обучении нейронной сети используется метод обратного распространения ошибки с возмущением и адаптацией параметра скорости настройки.
В режиме работы устройство работает следующим образом. Каждый из t информационных каналов блока 1 в рамках своего алфавита вырабатывает частное решение о принадлежности объекта к определенному классу в виде частного решения («свой») или («чужой») и соответствующую этому частному решению апостериорную вероятность . Сформированные парные значения группируются в виде двумерной матрицы в блоке информационных каналов 1.
Например:
Далее с каждого t-го канала, сформированные парные значения через многоканальный выход поступают на вход первого слоя обученной двухслойной нейронной сети, содержащие признаки «своего» или «чужого» объекта. После обработки нейронной сетью входных векторов , сеть принимает решение о принадлежности воздушной цели к определенному признаку.
Примеры выхода нейронной сети:
Далее из блока 3 второго слоя нейронной сети сформированное дробное значение через одноканальный выход поступает на вход блока 4.
Блок 4 принятия решения принимает окончательное решение о принадлежности воздушного объекта по следующему правилу: если числитель больше знаменателя объект «свой» иначе «чужой». Одноканальный выход блока 4 является выходом устройства.
Предлагаемое техническое решение промышленно применимо, так как основано на известных достижениях радиоэлектронной техники и предназначено для определения государственной принадлежности воздушных объектов (целей).
Claims (1)
- Интегрированное устройство опознавания для выработки признака государственной принадлежности воздушных объектов (цели), содержащее Т-канальный блок информационных каналов, отличающееся тем, что в устройство введены обучающий блок, состоящий из: блока памяти 5, многоканальный выход которого подключен к первому слою нейронной сети, блока генератора непрерывного шума, многоканальный выход которого подключен к блоку сумматора 7, блока сумматора, многоканальный выход которого подключен к блоку памяти 5, блока генератора целевых векторов, многоканальный выход которого подключен к блоку памяти 5, блока генератора обучающих векторов многоканальный выход которого подключен к блоку сумматора 7, и введен блок двухслойной нейронной сети, состоящий из блока первого слоя нейронной сети, содержащего десять нейронов, каждый из которых содержит блок матрицы весов IW11, блок смещения b1, блок сумматора и блок с функцией активации гиперболический тангенс многоканальный выход которого подключен ко второму слою нейронной сети, содержащий два нейрона, каждый из которых содержит блок матрицы весов IW21, блок смещения b2, блок сумматора и блок с линейной функцией активации A2=Wp+b, одноканальный выход которого подключен к блоку принятия решения о принадлежности воздушного объекта к классу «свой» или «чужой», выход которого является выходом устройства, при этом блок принятия решения о принадлежности воздушного объекта к классу «свой» или «чужой» использует значение выхода внешнего слоя нейронной сети.
Publications (1)
Publication Number | Publication Date |
---|---|
RU211322U1 true RU211322U1 (ru) | 2022-05-31 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU221749U1 (ru) * | 2023-07-03 | 2023-11-21 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации | Интегрированное устройство комплексного опознавания воздушных объектов |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07318645A (ja) * | 1994-05-23 | 1995-12-08 | Mitsubishi Electric Corp | 目標情報判定装置 |
US5812083A (en) * | 1996-02-23 | 1998-09-22 | Raytheon Ti Systems, Inc. | Non-cooperative target identification using antenna pattern shape |
RU82045U1 (ru) * | 2008-12-02 | 2009-04-10 | Государственное образовательное учреждение высшего профессионального образования "Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации" | Устройство нейросетевого распознавания целей по совокупности признаков |
RU2550083C1 (ru) * | 2014-02-12 | 2015-05-10 | Открытое акционерное общество "Научно-исследовательский институт "Субмикрон" | Устройство для декодирования запросных сигналов |
RU2553074C1 (ru) * | 2014-01-17 | 2015-06-10 | Закрытое акционерное общество "СПИИРАН-Научно-техническое бюро высоких технологий" | Способ интеллектуальной обработки информации в нейронной сети |
RU2570700C1 (ru) * | 2014-07-08 | 2015-12-10 | Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Северо-Кавказский федеральный университет" | Способ построения системы опознавания "свой-чужой" на основе протокола с нулевым разглашением |
CN111610517A (zh) * | 2020-06-09 | 2020-09-01 | 电子科技大学 | 基于深度四通道网络的二次雷达信号处理方法 |
RU203063U1 (ru) * | 2019-12-30 | 2021-03-22 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации | Интегрированное устройство опознования воздушной цели |
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07318645A (ja) * | 1994-05-23 | 1995-12-08 | Mitsubishi Electric Corp | 目標情報判定装置 |
US5812083A (en) * | 1996-02-23 | 1998-09-22 | Raytheon Ti Systems, Inc. | Non-cooperative target identification using antenna pattern shape |
RU82045U1 (ru) * | 2008-12-02 | 2009-04-10 | Государственное образовательное учреждение высшего профессионального образования "Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации" | Устройство нейросетевого распознавания целей по совокупности признаков |
RU2553074C1 (ru) * | 2014-01-17 | 2015-06-10 | Закрытое акционерное общество "СПИИРАН-Научно-техническое бюро высоких технологий" | Способ интеллектуальной обработки информации в нейронной сети |
RU2550083C1 (ru) * | 2014-02-12 | 2015-05-10 | Открытое акционерное общество "Научно-исследовательский институт "Субмикрон" | Устройство для декодирования запросных сигналов |
RU2570700C1 (ru) * | 2014-07-08 | 2015-12-10 | Федеральное государственное автономное образовательное учреждение высшего профессионального образования "Северо-Кавказский федеральный университет" | Способ построения системы опознавания "свой-чужой" на основе протокола с нулевым разглашением |
RU203063U1 (ru) * | 2019-12-30 | 2021-03-22 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации | Интегрированное устройство опознования воздушной цели |
CN111610517A (zh) * | 2020-06-09 | 2020-09-01 | 电子科技大学 | 基于深度四通道网络的二次雷达信号处理方法 |
Non-Patent Citations (1)
Title |
---|
БЫСТРОВ А.В. Разработка интеллектуальных систем государственной идентификации объектов военного и специального назначения как альтернативное направление в развитии систем радиолокационного опознавания // Вестник Академии военных наук, N 3, 2003 г., сс.118-121. * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU221749U1 (ru) * | 2023-07-03 | 2023-11-21 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации | Интегрированное устройство комплексного опознавания воздушных объектов |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Denoeux | A neural network classifier based on Dempster-Shafer theory | |
Baser et al. | Fantrack: 3d multi-object tracking with feature association network | |
Yoon et al. | Online multiple pedestrians tracking using deep temporal appearance matching association | |
Bartlett | For valid generalization the size of the weights is more important than the size of the network | |
Zuev et al. | The voting as a way to increase the decision reliability | |
US20200193225A1 (en) | System and method for detecting objects in a digital image, and system and method for rescoring object detections | |
US11816841B2 (en) | Method and system for graph-based panoptic segmentation | |
Lainiotis | A class of upper bounds on probability of error for multihypotheses pattern recognition (corresp.) | |
Parvin et al. | A heuristic scalable classifier ensemble of binary classifier ensembles | |
Parvin et al. | A classifier ensemble of binary classifier ensembles | |
WO2020086176A1 (en) | Artificial neural network and method of training an artificial neural network with epigenetic neurogenesis | |
Perlovsky | Fuzzy dynamic logic | |
Amma et al. | Vcdeepfl: Vector convolutional deep feature learning approach for identification of known and unknown denial of service attacks | |
RU211322U1 (ru) | Интегрированное устройство опознавания воздушных объектов (целей) | |
Mantyla | Discrete hidden Markov models with application to isolated user-dependent hand gesture recognition | |
RU221749U1 (ru) | Интегрированное устройство комплексного опознавания воздушных объектов | |
RU204861U1 (ru) | Интегрированное устройство опознования воздушной цели | |
RU203063U1 (ru) | Интегрированное устройство опознования воздушной цели | |
US11593621B2 (en) | Information processing apparatus, information processing method, and computer program product | |
Telfer et al. | Implementing the minimum-misclassification-error energy function for target recognition | |
JPH08115387A (ja) | パターン認識装置 | |
JP2001147264A (ja) | レーダパルス分類装置及びレーダパルス分類方法 | |
Inoue | Expressive numbers of two or more hidden layer relu neural networks | |
EP1418539A2 (en) | Physics based neural network | |
Menéndez | Measuring Machine Learning Robustness in front of Static and Dynamic Adversaries |