RU2324202C2 - Устройство радиолокационного распознавания воздушных объектов - Google Patents

Устройство радиолокационного распознавания воздушных объектов Download PDF

Info

Publication number
RU2324202C2
RU2324202C2 RU2005134737/09A RU2005134737A RU2324202C2 RU 2324202 C2 RU2324202 C2 RU 2324202C2 RU 2005134737/09 A RU2005134737/09 A RU 2005134737/09A RU 2005134737 A RU2005134737 A RU 2005134737A RU 2324202 C2 RU2324202 C2 RU 2324202C2
Authority
RU
Russia
Prior art keywords
radar
classifier
level
output
recognition
Prior art date
Application number
RU2005134737/09A
Other languages
English (en)
Other versions
RU2005134737A (ru
Inventor
Сергей Никандрович Матюгин (RU)
Сергей Никандрович Матюгин
хман Александр Борисович Бл (RU)
Александр Борисович Бляхман
Original Assignee
Федеральное Государственное Унитарное Предприятие "Нижегородский Научно-Исследовательский Институт Радиотехники"
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Федеральное Государственное Унитарное Предприятие "Нижегородский Научно-Исследовательский Институт Радиотехники" filed Critical Федеральное Государственное Унитарное Предприятие "Нижегородский Научно-Исследовательский Институт Радиотехники"
Priority to RU2005134737/09A priority Critical patent/RU2324202C2/ru
Publication of RU2005134737A publication Critical patent/RU2005134737A/ru
Application granted granted Critical
Publication of RU2324202C2 publication Critical patent/RU2324202C2/ru

Links

Images

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

Устройство радиолокационного распознавания воздушных объектов относится к радиолокации и может быть использовано для распознавания воздушных объектов (ВО) в радиолокации "на просвет". Техническим результатом предлагаемого изобретения является увеличение количества распознаваемых классов ВО при повышении вероятности правильного распознавания и устойчивости работы устройства. Поставленная цель достигается тем, что в устройство-прототип, содержащее блок обработки радиолокационной информации, формирователь ДП и классификаторы первого и второго уровней, введены вычислитель модуля трассовой скорости ВО, пороговое устройство и формирователь эталонных данных с соответствующими связями. 2 ил.

Description

Изобретение относится к радиолокации и может быть использовано для распознавания воздушных объектов (ВО) в комплексах радиолокации "на просвет" [1].
При распознавании, которое является заключительным этапом радиолокационного наблюдения, определяется принадлежность данного ВО к определенному классу ("Ракета", "Вертолет", "Самолет" и др.)
Известны устройства, решающие аналогичную задачу [2, 3].
Структура устройства [2] такова, что на распознавание одного ВО затрачивается значительное время, что затрудняет работу в реальном времени. Устройство [3] представляет собой нейронную сеть, настройка которой во времени (до 30 минут) также не позволяет использовать ее при работе РЛС в режиме реального времени.
Наиболее близким по своей технической сущности и техническому исполнению является устройство [4], принятое за прототип, которое содержит блок обработки радиолокационной информации, формирователь доплеровских портретов (ДП), классификаторы первого и второго уровней и базу эталонных ДП. В основе работы устройства-прототипа лежит сопоставление информации о распознаваемом ВО с априорной информацией о классах ВО. В качестве информации о распознаваемом ВО используется огибающая доплеровского спектра сигнала, из которой формируется ДП ВО.
Недостатком прототипа является сравнительно небольшое количество распознаваемых классов ВО, низкая вероятность правильного распознавания (0,43-0,74) и неустойчивость работы самого устройства (в том числе из-за ограниченного количества эталонных ДП).
Техническим результатом предлагаемого изобретения является увеличение количества распознаваемых классов ВО при повышении вероятности правильного распознавания и устойчивости работы устройства.
Поставленная цель достигается тем, что в устройство-прототип, содержащее блок обработки радиолокационной информации, формирователь ДП и классификаторы первого и второго уровней, введены вычислитель модуля трассовой скорости ВО, пороговое устройство и формирователь эталонных данных с соответствующими связями.
На фиг.1 и 2 представлены структурные схемы, соответственно, прототипа и предлагаемого устройства, где введены следующие обозначения:
1 - блок обработки радиолокационной информации (БО)
2 - формирователь доплеровских портретов (ФДП),
3 - классификатор первого уровня (КПУ),
4 - классификатор второго уровня (КВУ),
5 - база эталонных доплеровских портретов (БЭДП),
6 - вычислитель модуля трассовой скорости (ВМТС),
7 - пороговое устройство (ПУ),
8 - формирователь эталонных данных (ФЭД).
Предлагаемое устройство распознавания состоит из последовательно соединенных блока обработки радиолокационной информации (БО) 1, формирователя доплеровских портретов (ФДП) 2, классификаторов первого и второго уровней (КПУ) 3 и (КВУ) 4, а также вычислителя модуля трассовой скорости (ВМТС) 6, порогового устройства (ПУ) 7 и формирователя эталонных данных (ФЭД) 8, причем второй выход БО 1 через ВМТС 6 и ПУ 7 соединен со вторым входом КПУ 3, выход ФЭД 8 - с третьим входом КПУ 3, три выхода которого соединены с тремя входами КВУ 4, выход которого является выходом устройства.
Устройство распознавания работает следующим образом.
При обработке сигнала, полученного с приемника РЛС, БО 1 измеряет частоту Доплера, амплитуду сигнала, азимут ВО и его скорость по координатам х и у (Vx и Vy). На основании этих данных ФДП 2 формирует доплеровский портрет ВО, в котором с шагом по частоте 1 Гц определяется амплитуда ДП в заданном диапазоне частот.
Информация о доплеровских портретах ВО поступает на первый вход КПУ 3. На второй вход КПУ 3 поступает информация о трассовой скорости ВО, которая вычисляется в ВМТС 6 на основании данных о скоростях Vx и Vy, полученных с выхода БО 1, по формуле:
Figure 00000002
Пороговое значение VT, соответствующее различным классам ВО, определяется в ПУ 7 по заданной вероятности ложных тревог с использованием критерия Неймана-Пирсона [5].
На третий вход КПУ 3 поступает информация с ФЭД 8, который выполняет функции имитатора сигналов ВО, формирователя эталонных ДП и трассовых скоростей для каждого класса имитируемых сигналов ВО. При формировании эталонных данных используется алгоритм кластеризации ИСОМАД [6].
ФЭД 8 формирует большое число эталонных ДП, что позволяет увеличить число эталонов на один класс и число распознаваемых классов ВО.
В КПУ 3 имеются 3 классификатора, каждый из которых использует свой признак распознавания. В качестве признаков выбраны коэффициенты взаимной корреляции между ДП ВО и эталонными ДП, геометрическая близость между ними и среднее значение нормированной амплитуды ДП ВО в заданном частотном диапазоне. Кроме того, в КПУ 3 используется имеющаяся информация о трассовой скорости для различных классов ВО, благодаря чему исключается неопределенность классификации по трассовой скорости.
Результаты, полученные в КПУ 3, поступают на КВУ 4, где применяется корректор по большинству, использующий алгоритм голосования [7], после чего принимается решение о принадлежности ВО к определенному классу. Как показал эксперимент, вероятность правильного распознавания различных классов ВО в предложенном устройстве составила 0,72-0,95.
Таким образом, введение в прототип ВМТС 6, ПУ 7 и ФЭД 8 позволило учесть трассовую скорость ВО, увеличить количество эталонных ДП на каждый класс ВО при увеличении числа типов ВО в классе, увеличить количество распознаваемых классов ВО, вероятность правильного распознавания и устойчивость работы устройства. При этом предлагаемое устройство распознавания не требует специального режима работы РЛС.
Источники информации
1. Бляхман А.Б., Рунова И.А. Радиотехника и электроника, 2001, т.46, № 4, с.424.
2. Матюгин С.Н., Односевцев В.А. Распознавание радиотелеграфных сигналов КВ-диапазона. Труды XX Всероссийской конференции по распространению радиоволн. 2-4 июля 2002, Н.Новгород, изд-во ТАЛАМ, Н.Новгород, 2002, с.169.
3. Саблин В.Н., Чапурский В.В., Шейко А.П. Нейросетевое распознавание спектральных портретов воздушных объектов при наблюдении методом теневого инверсного радиолокационного синтезирования апертуры. Радиотехника и электроника, 2004, том 49, № 2, с.184-195.
4. Бляхман А.Б., Матюгин С.Н. Распознавание воздушных объектов при радиолокации на просвет. Радиотехника и электроника, 2001, том 46, № 11, с.1356-1360.
5. Селекция и распознавание на основе локационной информации. Под. ред. проф. А.Л.Горелика. М., Радио и связь, 1990.
6. Дж. Ту, Р.Гонсалес. Принципы распознавания образов. М., Мир, 1978.
7. Ширман А.Д., Горшков С.А., Лещенко С.П. и др. Методы радиолокационного распознавания и их моделирование. Зарубежная радиоэлектроника, 1996, № 11, с.3-63.

Claims (1)

  1. Устройство радиолокационного распознавания воздушных объектов (ВО), состоящее из последовательно соединенных блока обработки радиолокационной информации (РЛИ), полученной с приемника радиолокационной станции (РЛС), формирователя доплеровских портретов (ДП) распознаваемых ВО, классификатора первого уровня и классификатора второго уровня, три входа которого в соответствии с признаками распознавания ВО соединены с тремя выходами классификатора первого уровня, а выход является выходом всего устройства, при этом блок обработки РЛИ предназначен для измерения частоты Доплера, амплитуды сигнала, азимута распознаваемого ВО и его скорости, классификатор второго уровня предназначен для коррекции полученной информации по большинству признаков распознаваемых ВО и принятия решения о принадлежности ВО к определенному классу, отличающееся тем, что в него введены последовательно соединенные со вторым выходом блока обработки РЛИ вычислитель модуля трассовой скорости ВО и пороговое устройство, в котором пороговое значение трассовой скорости, соответствующее различным классам ВО, определяется по заданной вероятности ложных тревог с использованием критерия Неймана-Пирсона, выход порогового устройства соединен со вторым входом классификатора первого уровня, введен также формирователь эталонных данных, предназначенный для имитации сигналов ВО и формирования эталонных ДП и трассовых скоростей для каждого класса имитируемых сигналов ВО, выход формирователя эталонных данных соединен с третьим входом классификатора первого уровня, в котором, в качестве признаков распознавания ВО, используют коэффициенты взаимной корреляции между ДП ВО и эталонный ДП, геометрическую близость между ними и среднее значение нормированной амплитуды ДП ВО в заданном частотном диапазоне, кроме того, в классификаторе первого уровня по информации о трассовой скорости для различных классов ВО исключают неопределенность классификации по трассовой скорости.
RU2005134737/09A 2005-11-09 2005-11-09 Устройство радиолокационного распознавания воздушных объектов RU2324202C2 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2005134737/09A RU2324202C2 (ru) 2005-11-09 2005-11-09 Устройство радиолокационного распознавания воздушных объектов

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2005134737/09A RU2324202C2 (ru) 2005-11-09 2005-11-09 Устройство радиолокационного распознавания воздушных объектов

Publications (2)

Publication Number Publication Date
RU2005134737A RU2005134737A (ru) 2007-05-20
RU2324202C2 true RU2324202C2 (ru) 2008-05-10

Family

ID=38163851

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2005134737/09A RU2324202C2 (ru) 2005-11-09 2005-11-09 Устройство радиолокационного распознавания воздушных объектов

Country Status (1)

Country Link
RU (1) RU2324202C2 (ru)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2453863C1 (ru) * 2011-03-31 2012-06-20 Открытое акционерное общество "Федеральный научно-производственный центр "Нижегородский научно-исследовательский институт радиотехники" Устройство радиолокационного распознавания воздушных объектов
RU2705070C1 (ru) * 2019-04-16 2019-11-05 Федеральное государственное казённое военное образовательное учреждение высшего образования "Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации Способ распознавания типа самолёта с турбореактивным двигателем в импульсно-доплеровской радиолокационной станции
RU201368U1 (ru) * 2020-10-03 2020-12-11 Сергей Станиславович Шафранов Оптико-электронное устройство распознавания удаленных объектов по их спектральным характеристикам

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
БЛЯХМАН А.Б., МАТЮГИН С.Н. Распознавание воздушных объектов при радиолокации на просвет. Радиотехника и электроника, 2001, т.46, №11, с.1356-1360. *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2453863C1 (ru) * 2011-03-31 2012-06-20 Открытое акционерное общество "Федеральный научно-производственный центр "Нижегородский научно-исследовательский институт радиотехники" Устройство радиолокационного распознавания воздушных объектов
RU2705070C1 (ru) * 2019-04-16 2019-11-05 Федеральное государственное казённое военное образовательное учреждение высшего образования "Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова" Министерства обороны Российской Федерации Способ распознавания типа самолёта с турбореактивным двигателем в импульсно-доплеровской радиолокационной станции
RU201368U1 (ru) * 2020-10-03 2020-12-11 Сергей Станиславович Шафранов Оптико-электронное устройство распознавания удаленных объектов по их спектральным характеристикам

Also Published As

Publication number Publication date
RU2005134737A (ru) 2007-05-20

Similar Documents

Publication Publication Date Title
CN108226892B (zh) 一种基于深度学习的复杂噪声环境下的雷达信号恢复方法
CN106483514B (zh) 一种基于eemd和支持向量机的飞机运动模式识别方法
CN105550636A (zh) 一种目标类型识别的方法及装置
CN108051781A (zh) 一种基于dbn模型的雷达信号工作模式识别方法
CN108710114B (zh) 基于bp神经网络多类分类的湍流目标探测方法
CN112735473B (zh) 基于声音识别无人机的方法及系统
CN106932771A (zh) 一种雷达仿真目标航迹跟踪方法及系统
CN106855941A (zh) 基于雷达微多普勒信号稀疏优化的手势识别方法及系统
CN104239901B (zh) 基于模糊粒子群和目标分解的极化sar图像分类方法
CN113640768B (zh) 一种基于小波变换的低分辨雷达目标识别方法
KR20190019713A (ko) 무인 항공기 음향 식별을 위한 서포트 벡터 머신에 기반한 음향 특징 추출 및 분류 방법 그리고 시스템
Smith et al. Template based micro-Doppler signature classification
RU2324202C2 (ru) Устройство радиолокационного распознавания воздушных объектов
Wang et al. Classification of space targets with micro-motion based on deep CNN
RU2324201C2 (ru) Устройство радиолокационного распознавания воздушных объектов
Park et al. A fast and accurate convolutional neural network for LPI radar waveform recognition
CN106093871A (zh) 基于经验模态分解的智能天线波达方向估计系统及方法
CN111289991B (zh) 一种基于多场景的激光测距方法及装置
CN116755005A (zh) 一种基于模型的发生雷电时磁场监测方法及系统
Shubin et al. Efficiency evaluation for radar signal processing on the basis of spectral-semantic model
RU82045U1 (ru) Устройство нейросетевого распознавания целей по совокупности признаков
CN115902804A (zh) 一种无人机集群类型识别方法和系统
CN102122453B (zh) 电子干扰吊舱的仿真系统和方法
RU2453863C1 (ru) Устройство радиолокационного распознавания воздушных объектов
Li et al. Pedestrian Recognition with Radar Data-Enhanced Deep Learning Approach Based on Micro-Doppler Signatures

Legal Events

Date Code Title Description
PD4A Correction of name of patent owner
PD4A Correction of name of patent owner