RU2790143C1 - Способ распознавания типа воздушного объекта по турбинному эффекту - Google Patents
Способ распознавания типа воздушного объекта по турбинному эффекту Download PDFInfo
- Publication number
- RU2790143C1 RU2790143C1 RU2022113416A RU2022113416A RU2790143C1 RU 2790143 C1 RU2790143 C1 RU 2790143C1 RU 2022113416 A RU2022113416 A RU 2022113416A RU 2022113416 A RU2022113416 A RU 2022113416A RU 2790143 C1 RU2790143 C1 RU 2790143C1
- Authority
- RU
- Russia
- Prior art keywords
- spectral
- doppler
- air
- portrait
- observed
- Prior art date
Links
Images
Abstract
Изобретение относится к технике радиолокации точечных воздушных объектов и может быть использовано в радиоэлектронных системах для радиолокационного распознавания типов наблюдаемых воздушных объектов. Техническим результатом изобретения является повышение достоверности распознавания типа воздушного объекта. В заявленном способ после формирования спектрально-доплеровского портрета наблюдаемого воздушного объекта по известной планерной и опорной - одной из спектральных составляющих сформированного спектрально-доплеровского портрета, вычисляется оценка частоты вращения ротора компрессора низкого давления. После сравнения наблюдаемого спектрально-доплеровского портрета с базой эталонных портретов формируется полная матрица ошибок оценок частот сравниваемых спектральных составляющих, при вычислении функционала правдоподобия вычисляется взвешенный квадрат разности значений частот спектральных составляющих сформированного и эталонных спектрально-доплеровских портретов, дополнительно определяется порог по критерию Хи-квадрат, с которым сравнивается минимальное значение рассчитанного взвешенного квадрата разности значений частот. Если значение меньше порога, то принимается решение о распознавании типа воздушного объекта спектрально-доплеровский портрет которого, содержится в базе эталонов, иначе принимается решение о наблюдении неизвестного типа воздушного объекта, отсутствующего в базе эталонов. 1 ил.
Description
Изобретение относится к технике радиолокации точечных воздушных объектов и может быть использовано в радиоэлектронных системах для радиолокационного распознавания типов наблюдаемых воздушных объектов. Известно «Устройство классификации радиолокационных объектов наблюдения по интенсивности амплитудных флюктуаций» (RU 2425395 С2, опубл. 27.07.2011, МПК G01S 13/5). Сущность изобретения состоит в том, что усреднение признака классификации по различным углам визирования подвергнутое сомнению по причине отсутствия информации о скорости изменения ракурса объекта, заменяется усреднением по числу отраженных импульсов, заведомо соответствующих максимальной угловой скорости изменения ракурса локации радиолокационного объекта наблюдения (воздушного объекта при его полете в турбулентной атмосфере.) Для выбора момента максимизации угловой скорости использован корреляционный алгоритм, реализованный в трех цифровых блоках.
Наиболее близким по технической сущности и достигаемому результату к заявляемому способу распознавания типа воздушного объекта по турбинному эффекту (прототипом к предполагаемому изобретению) является метод радиолокационного распознавания воздушной цели по турбинному эффекту [Макаев В.Е., Васильев О.В. Метод радиолокационного распознавания воздушной цели по турбинному эффекту // Радиотехника. 2000. №11. С. 30-33].
Способ распознавания типа воздушного объекта по турбинному эффекту, описанный в прототипе, включает в себя следующие основные этапы: первичную обработку отраженного радиолокационного сигнала в виде узкополосного спектрального анализа, формирование спектрально-доплеровского портрета воздушного объекта, формирование эталонных спектрально-доплеровских портретов типов воздушных объектов по признаковому пространству при осуществлении оценки частоты вращения ротора компрессора низкого давления, расчет диагональной матрицы ошибок оценок частот составляющих спектра между эталонными и наблюдаемым спектрально-доплеровским портретом, принятие решения о типе воздушного объекта осуществляется по критерию минимума функционала правдоподобия и сводится к поиску для наблюдаемого спектрально-доплеровского портрета наиболее близкого эталонного портрета в виде нормальной плотности распределения с известными параметрами.
К основным недостаткам этих способов можно отнести низкую достоверность распознавания типа наблюдаемого воздушного объекта, т.к. не учитывается полная матрица ошибок частот разрешаемых спектральных составляющих, а также высокие требования к быстродействию вычислительной системы за счет формирования всех возможных гипотез о частоте вращения ротора компрессора низкого давления по всем разрешаемым спектральным составляющим и расчета функционалов правдоподобия для принятия решения о распознавании типа наблюдаемого воздушного объекта.
Техническим результатом изобретения способа распознавания типа воздушного объекта по турбинному эффекту является повышение достоверности распознавания типа воздушного объекта.
Сущность предлагаемого способа распознавания типа воздушного объекта по турбинному эффекту заключается в приеме импульсно-доплеровской радиолокационной станцией отраженных радиолокационных когерентных сигналов от наблюдаемых воздушных объектов, первичной обработке принятых сигналов в виде узкополосного спектрального анализа для обнаружения разрешаемых по частоте гармонических составляющих вращающихся элементов конструкции наблюдаемого воздушного объекта. Далее осуществляют формирование спектрально-доплеровского портрета наблюдаемого объекта, вычисление оценки частоты вращения ротора компрессора низкого давления, формирование базы эталонных портретов, признаковое пространство которых состоит из количества лопаток на первых двух ступенях компрессора низкого давления или турбины и допустимых частот вращения ротора компрессора низкого давления. Далее сравнивают сформированный спектрально-доплеровский портрет с портретами воздушных объектов из базы эталонов, проводят расчет диагональной матрицы ошибок оценок частот спектральных составляющих между эталонными и наблюдаемым спектрально-доплеровским портретом, вычисляют по критерию максимума функционала правдоподобия оценки параметра характеризующего тип воздушного объекта.
Новые признаки, позволяющие достичь заявленный технический результат, заключаются в том, что после формирования спектрально-доплеровского портрета наблюдаемого воздушного объекта по известной планерной и опорной - одной из спектральных составляющих сформированного спектрально-доплеровского портрета, вычисляется оценка частоты вращения ротора компрессора низкого давления. После сравнения наблюдаемого спектрально-доплеровского портрета с базой эталонных портретов формируется полная матрица ошибок оценок частот сравниваемых спектральных составляющих, при вычислении функционала правдоподобия вычисляется взвешенный квадрат разности значений частот спектральных составляющих сформированного и эталонных спектрально-доплеровских портретов, дополнительно определяется порог по критерию Хи-квадрат, с которым сравнивается минимальное значение рассчитанного взвешенного квадрата разности значений частот. Если значение меньше порога, то принимается решение о распознавании типа воздушного объекта спектрально-доплеровский портрет которого, содержится в базе эталонов, иначе принимается решение о наблюдении неизвестного типа воздушного объекта, отсутствующего в базе эталонов.
На фиг. показан график вероятности правильного распознавания типа воздушного объекта
В заявляемом способе осуществляют обработку отраженного когерентного радиолокационного сигнала от воздушного объекта в импульсно-доплеровской радиолокационной станции, позволяющей сформировать спектрально-доплеровский портрет воздушного объекта, получаемый из амплитудного спектра наблюдаемого сигнала путем обнаружения разрешаемых по частоте гармонических составляющих в смеси отраженного сигнала и шума.
Распознавание типа воздушного объекта требует наличия признакового пространства (априорной информации):
- алфавит всех распознаваемых типов воздушных объектов в виде числа лопаток на первых двух ступенях компрессора низкого давления или турбины N1k, N2k; k=1…Кц, где Кц - общее число известных типов этих объектов;
- максимальная скорость воздушного объекта 
;
- максимальная и минимальная допустимые частоты вращения ротора компрессора низкого давления соответственно 
, 
;
Распознавание типа воздушного объекта возможно при обнаружении минимум трех спектральных составляющих (I≥3) наблюдаемого спектрально-доплеровского портрета, состоящего из планерной и минимум двух не кратных и не симметричных относительно планера составляющих.
Положение спектральных составляющих портрета на частотной оси определяется радиальной скоростью сближения с планером (Vr), количеством лопаток на соответствующей ступени компрессора (турбины) низкого давления двигателя и частотой вращения его ротора:
где λ=c/f0 - длина волны облучающей РЛС, ni - ошибки формирования спектрально-доплеровского портрета с нулевым средним и дисперсией σ2; p1, р2, р3 - кратность гармоник соответствующих ступеней компрессора низкого давления. За планерную составляющую в спектрально-доплеровском портрете принимается гармоника с максимальной амплитудой, либо гармоника, назначенная по целеуказанию в режиме сопровождения.
Способ распознавания типа воздушного объекта основан на вычислении функционала правдоподобия для каждой из гипотез о типе объекта (k) и скорости вращения ротора компрессора низкого давления (Fвр):
где D - матрица дисперсий ошибок, обусловленных шумами наблюдения и ошибками формирования эталонного спектрально-доплеровского портрета. В качестве критерия принятия решения о типе воздушного объекта можно использовать минимум показателя экспоненты. Значение элементов вектора средних Mk, определяющих положение на частотной оси спектральных составляющих эталонного спектрально-доплеровского портерта, вычисляется по формуле:
т.к. частота вращения ротора Fвp неизвестна, то в процессе наблюдения необходимо решать задачу устранения параметрической неопределенности ее значения, т.е. произвести оценку 
. С этой целью в спектрально-доплеровском портрете предлагается выбирать опорную гармонику с частотой ƒТоп и для каждого типа воздушного объекта формировать несколько гипотез о частоте вращения ротора компрессора низкого давления. Формирование нескольких гипотез необходимо для устранения неопределенности о принадлежности ƒТоп к гармонике неизвестной кратности и неизвестному номеру ступени компрессора низкого давления (турбины). На практике при расчете 
можно ограничиться кратностью гармоник (p1g, p2g=[-2…2]; p1g и p2g не равны 0 одновременно) и двумя ступенями компрессора или турбины (K=1,2), поскольку амплитуда других гармоник существенно ниже:
В результате формируются множество гипотез о частоте вращения компрессора низкого давления, при этом гипотезы частоты вращения, выходящие за допустимый диапазон частот вращения, отбрасываются. Для каждой из оставшихся гипотез о частоте вращения 
формируются эталонные спектрально-доплеровские портреты 
. В силу быстрого спадания амплитуд гармоник с ростом их кратности, для формирования эталонного портрета достаточно учитывать первые две ступени компрессора низкого давления с кратностью p1=[-3…3] и р2=[-2…2]. Следовательно, эталонный спектрально-доплеровский портрет для каждой гипотезы 
имеет набор из 35 доплеровских частот (j=1…35):
Так две составляющие спектрально-доплеровского портрета с частотами 
и ƒТоп использованы при формировании оценки 
, то в дальнейшем используются векторы 
и 
отличающиеся от исходных Y и 
отсутствием этих составляющих. С целью повышения быстродействия вычислительной системы формируется единственный для данной 
k-ого эталонного спектрально-доплеровского портрета вектор «невязок» путем «привязки» элементов вектора наблюдаемых частот 
к ближайшим элементам вектора эталонного портрета 
. В этом случае размер вектора «невязок» Δp(p=1…I-2) сокращается до I-2 (I>3 - число наблюдаемых спектральных составляющих принятого сигнала).
Тогда функционал правдоподобия (1) приобретает вид:
При этом величина «невязки» в выражении (2) имеет вид:
где
Ковариационная матрица ошибок D, входящая в отношение правдоподобия (2) является недиагональной, поскольку ошибки измерения частоты вращения компрессора (турбины) низкого давления являются общими для всех ее элементов. Диагональные элементы матрицы определяются дисперсиями ошибок измерения частоты планера (
), частоты анализируемой гармоники (
), а также частоты опорной гармоники (
), которые являются независимыми друг от друга, то они рассчитываются по формуле:
а недиагональные -
Поскольку «невязка» является нормальной случайной величиной с нулевым средним, то квадратичная сумма нормированных «невязок» в числителе (2) описывается распределением ХИ - квадрат с I-2 степенями свободы.
Тогда задаваясь допустимой вероятностью распознавания типа воздушного объекта можно определить порог, при превышении которого квадратичной суммой нормированных «невязок» принимается решение «не знаю» (наблюдение воздушного объекта неизвестного типа).
Если квадратичные суммы нормированных «невязок» для нескольких типов воздушных объектов оказались ниже порога, то с использованием соответствующих им функционалов правдоподобия (2) вычисляются вероятности того, что наблюдаемый спектрально-доплеровский портрет принадлежит этим типам объектов.
Эффективность предлагаемого способа распознавания типа воздушного объекта оценивалась по результатам моделирования. Для моделирования спектрально-доплеровского портрета использовался гипотетический тип воздушного объекта, который имел на первой ступени компрессора низкого давления N1=29 лопаток, на второй N2=35. Частота вращения ротора компрессора низкого давления составляла 125 Гц.
Анализ влияния корреляции ошибок частот спектральных составляющих при сопоставлении спектрально-доплеровских портретов (рисунок 1) показывает, что для отношения сигнал/шум равном qc/ш=30 дБ вероятность правильного распознавания типа воздушного объекта без учета корреляции ошибок равна Рпр=0,8 (кривая 2 - известный способ-прототип), а вероятность правильного распознавания типа воздушного объекта при учете корреляции ошибок (кривая 1 - предлагаемый способ) возрастает до 0,96. При вероятности правильного распознавания типа воздушного объекта Рпр=0,8 требуемое отношение сигнал/шум равно qc/ш=30 дБ без учета корреляции ошибок (кривая 2 - известный способ-прототип), а с учетом корреляции оно снижается на 5 дБ (кривая 1 - предлагаемый способ).
Таким образом, предлагаемый способ распознавания типа воздушного объекта, основанный на учете модуляции вращающихся элементов конструкции силовой установки, обеспечивает повышение достоверности распознавания типов воздушных объектов за счет повышения вероятности их правильного распознавания.
Предлагаемое техническое решение имеет изобретательский уровень, поскольку из опубликованных научных данных и известных технических решений явным образом не следует, что заявляемый способ распознавания типа воздушного объекта по турбинному эффекту, обеспечивает повышение достоверности распознавания типов воздушных объектов и повышение быстродействия вычислительной системы.
Предлагаемое техническое решение промышленно применимо, так как для его реализации могут быть использованы элементы, широко распространенные в области электронной и радиотехники.
Claims (1)
- Способ распознавания типа воздушного объекта по турбинному эффекту, заключающийся в приеме импульсно-доплеровской радиолокационной станцией отраженных радиолокационных когерентных сигналов от наблюдаемых воздушных объектов, первичной обработке принятых сигналов в виде узкополосного спектрального анализа для обнаружения разрешаемых по частоте гармонических составляющих вращающихся элементов конструкции наблюдаемого воздушного объекта, формировании спектрально-доплеровского портрета наблюдаемого объекта, вычислении оценки частоты вращения ротора компрессора низкого давления, формировании базы эталонных портретов, признаковое пространство которых состоит из количества лопаток на первых двух ступенях компрессора низкого давления или турбины и допустимых частот вращения ротора компрессора низкого давления, сравнении сформированного спектрально-доплеровского портрета с портретами воздушных объектов из базы эталонов, расчете диагональной матрицы ошибок оценок частот спектральных составляющих между эталонными и наблюдаемым спектрально-доплеровским портретом, вычислении по критерию максимума функционала правдоподобия оценки параметра, характеризующего тип воздушного объекта, отличающийся тем, что после формирования спектрально-доплеровского портрета наблюдаемого воздушного объекта по известной планерной и опорной - одной из спектральных составляющих сформированного спектрально-доплеровского портрета, вычисляется оценка частоты вращения ротора компрессора низкого давления, после сравнения наблюдаемого спектрально-доплеровского портрета с базой эталонных портретов формируется полная матрица ошибок оценок частот сравниваемых спектральных составляющих, при вычислении функционала правдоподобия вычисляется взвешенный квадрат разности значений частот спектральных составляющих сформированного и эталонных спектрально-доплеровских портретов, дополнительно определяется порог по критерию Хи-квадрат, с которым сравнивается минимальное значение рассчитанного взвешенного квадрата разности значений частот, если значение меньше порога, принимается решение о распознавании типа воздушного объекта, спектрально-доплеровский портрет которого содержится в базе эталонов, иначе принимается решение о наблюдении неизвестного типа воздушного объекта, отсутствующего в базе эталонов.
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2790143C1 true RU2790143C1 (ru) | 2023-02-14 |
Family
ID=
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0102640A2 (de) * | 1982-09-08 | 1984-03-14 | Siemens Aktiengesellschaft | Schaltungsanordnung zur Entdeckung und Erkennung von Hubschraubern |
| RU2020516C1 (ru) * | 1992-04-22 | 1994-09-30 | Даугавпилсское высшее военное авиационное инженерное училище | Доплеровское радиолокационное устройство распознавания турбовинтовых самолетов |
| RU2419815C1 (ru) * | 2009-11-03 | 2011-05-27 | ОАО "ГСКБ "АЛМАЗ-АНТЕЙ" им. АКАДЕМИКА А.А. РАСПЛЕТИНА | Способ сопровождения воздушной цели из класса "самолет с турбореактивным двигателем" |
| RU2425395C2 (ru) * | 2010-07-21 | 2011-07-27 | Дмитрий Геннадьевич Митрофанов | Устройство классификации радиолокационных объектов наблюдения по интенсивности амплитудных флюктуаций |
| RU2731878C1 (ru) * | 2020-02-18 | 2020-09-08 | 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 |
| CN112882009A (zh) * | 2021-01-12 | 2021-06-01 | 西安电子科技大学 | 基于幅度相位双通道网络的雷达微多普勒目标识别方法 |
| WO2021164514A1 (zh) * | 2020-02-21 | 2021-08-26 | 华为技术有限公司 | 目标识别方法及装置 |
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0102640A2 (de) * | 1982-09-08 | 1984-03-14 | Siemens Aktiengesellschaft | Schaltungsanordnung zur Entdeckung und Erkennung von Hubschraubern |
| RU2020516C1 (ru) * | 1992-04-22 | 1994-09-30 | Даугавпилсское высшее военное авиационное инженерное училище | Доплеровское радиолокационное устройство распознавания турбовинтовых самолетов |
| RU2419815C1 (ru) * | 2009-11-03 | 2011-05-27 | ОАО "ГСКБ "АЛМАЗ-АНТЕЙ" им. АКАДЕМИКА А.А. РАСПЛЕТИНА | Способ сопровождения воздушной цели из класса "самолет с турбореактивным двигателем" |
| RU2425395C2 (ru) * | 2010-07-21 | 2011-07-27 | Дмитрий Геннадьевич Митрофанов | Устройство классификации радиолокационных объектов наблюдения по интенсивности амплитудных флюктуаций |
| RU2731878C1 (ru) * | 2020-02-18 | 2020-09-08 | 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 |
| WO2021164514A1 (zh) * | 2020-02-21 | 2021-08-26 | 华为技术有限公司 | 目标识别方法及装置 |
| CN112882009A (zh) * | 2021-01-12 | 2021-06-01 | 西安电子科技大学 | 基于幅度相位双通道网络的雷达微多普勒目标识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| БЕРДЫШЕВ В.П., ПОМАЗУЕВ О.Н., САВЕЛЬЕВ А.Н., СМОЛКИН М.А., КОПЫЛОВ В.А., ЛОЙ В.В. Распознавание классов и типов воздушных объектов по двумерным радиолокационным изображениям в обзорной РЛС // Журнал Сибирского федерального университета. Техника и технологии. 2019, N 12(1), с.18-29. МИТРОФАНОВ Д.Г. Перспективы использования доплеровских портретов как признаков идентификации объектов // Международный научно-исследовательский журнал. 2015, N 8(39), с.41-45. * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109975780B (zh) | 基于脉冲多普勒雷达时域回波的直升机型号识别算法 | |
| US6573861B1 (en) | Target classification method | |
| RU2419815C1 (ru) | Способ сопровождения воздушной цели из класса "самолет с турбореактивным двигателем" | |
| RU2665031C1 (ru) | Способ сопровождения воздушной цели из класса "самолёт с турбореактивным двигателем" при воздействии уводящих по дальности и скорости помех | |
| RU2579353C1 (ru) | Способ сопровождения воздушной цели из класса "самолёт с турбореактивным двигателем" при воздействии уводящей по скорости помехи | |
| US8305261B2 (en) | Adaptive mainlobe clutter method for range-Doppler maps | |
| RU2456633C1 (ru) | Способ сопровождения групповой воздушной цели из класса "самолеты с турбореактивными двигателями" | |
| CN109597045B (zh) | 一种基于两次杂波抑制的静目标稳健识别方法 | |
| CN112881993B (zh) | 自动识别雷达分布杂波引起虚假航迹的方法 | |
| CN111401168B (zh) | 一种无人机的多层雷达特征提取与选择方法 | |
| RU2468385C2 (ru) | Способ сопровождения воздушной цели класса "вертолет" | |
| RU2617110C1 (ru) | Способ сопровождения в радиолокационной станции групповой воздушной цели из класса "самолёты с турбореактивными двигателями" при воздействии уводящих по скорости помех | |
| Smith et al. | Naïve Bayesian radar micro-Doppler recognition | |
| RU2705070C1 (ru) | Способ распознавания типа самолёта с турбореактивным двигателем в импульсно-доплеровской радиолокационной станции | |
| Molchanov et al. | Aerial target classification by micro-Doppler signatures and bicoherence-based features | |
| RU2408031C2 (ru) | Способ сопровождения пилотируемой воздушной цели | |
| CN110208767A (zh) | 一种基于拟合相关系数的雷达目标快速检测方法 | |
| RU2790143C1 (ru) | Способ распознавания типа воздушного объекта по турбинному эффекту | |
| JPH0527018A (ja) | レーダ信号処理装置 | |
| RU2713212C1 (ru) | Способ распознавания варианта наведения подвижного объекта на один из летательных аппаратов группы | |
| RU2732281C1 (ru) | Способ распознавания типа самолёта с турбореактивным двигателем в импульсно-доплеровской радиолокационной станции при воздействии уводящей по скорости помехи | |
| CN113552563B (zh) | 垂测信息和高频地波雷达杂波信息的对应性分析方法 | |
| RU144505U1 (ru) | Устройство сопровождения воздушной цели из класса "самолёт с турбореактивным двигателем" | |
| RU157396U1 (ru) | Устройство распознавания винтовых летательных аппаратов | |
| CN114065810B (zh) | 基于谱峰个数的无人机与武装单兵分类识别方法 |