М.Х. Аксяитов1, Е.В. Егорова2, А.Н. Рыбаков3

1 АО «Концерн «Гранит-Электрон» (Санкт-Петербург, Россия)
2 МИРЭА – Российский технологический университет (РТУ МИРЭА) (Москва, Россия)
3 ФГУП ВНИИА им. Н.Л. Духова (Москва, Россия)
2 calipso575@gmail.com

Постановка проблемы. Результаты российских теоретических и экспериментальных исследований характеризуют основные направления работ в области обнаружения и распознавания различных радиолокационных объектов. При этом основным инструментом исследований большинства работ является обнаружение и разработка перспективных математических моделей объектов, что позволяет в ряде случаев получать дополнительную информацию об этих объектах. Проблемы обнаружения, оценки параметров и классификации пространственно-распределенных целей остаются определяющими при разработке и создании современных радиолокационных систем мониторинга космической, воздушной и наземной обстановки современными и перспективными радиолокационными средствами. Применение вероятностной процедуры распознавания и идентификации пространственного объекта по одиночным или пространственным снимкам требует определения взаимосвязанных основных этапов распознавания, с учетом специфичности и научно-технической сложности поставленной задачи. При этом следует учитывать, что во многих случаях работу алгоритмов идентификации можно апробировать посредством их моделирования на ЭВМ без использования для этих целей натурной информации.

Цель. Проанализировать существующие методы и алгоритмы цифровой обработки (распознавания и идентификации), при этом формализировать методологию определения признаков, основанную на получении выражений вектора достаточных статистик в каждой конкретной ситуации наблюдения и преобразования названного вектора таким образом, чтобы сохранить все те его параметры, априорными сведениями о которых классификатор располагает или которым может быть «обучен» в результате «рабочеподобного» обучения; выявить эффективность классификации, выполненной по предложенной методике для типовых пространственно-распределенных целей, отличающихся размерами и удельной эффективной площади рассеивания; провести оценку ракурса по ориентации контура пространственно-распределенной цели и его зеркального отображения на основании анализа реальной радиолокационной цели.

Результаты. Представлена эффективность классификации, выполненной по предложенной методике для типовых пространственно-распределенных целей, отличающихся размерами и удельной эффективной площади рассеивания. Проведена оценка ракурса по ориентации контура пространственно-распределенной цели и его зеркального отображения на основании анализа реальной радиолокационной цели. Сделано заключение, что эффективность оптимального и адаптивного алгоритмов оценки контура и ракурса радиолокационной цели составляет величину порядка одного отсчета при контрасте порядка 6−7 дБ. Предложена методология определения признаков, основанная на получении выражений вектора достаточных статистик в каждой конкретной ситуации наблюдения и преобразования названного вектора таким образом, чтобы сохранить все те его параметры, априорными сведениями о которых классификатор располагает или которым может быть «обучен» в результате «рабочеподобного» обучения. Проанализирована методика оценки потенциальной точности классификации пространственно-распределенных целей по данным радиолокационной станции бокового обзора с синтезированной апертурой. Выполнен анализ эффективности классификации по предложенной методике для типовых пространственно-распределенных целей, отличающихся размерами и удельной эффективной площади рассевания, который показывает, что для обеспечения удовлетворительной эффективности классификации (РПР > 0,9) при разрешении порядка 20–30 м достаточно, чтобы цели различались по размерам на 25–30% и общей ЭПР на 3 дБ.

Практическая значимость. Данная статья будет полезна разработчикам и исследователям современных радиолокационных систем различного назначения, предназначенных для эффективной обработки информации от пространственно-распределенных целей.

Аксяитов М.Х., Егорова Е.В., Рыбаков А.Н. Оптимальный алгоритм определения ракурса пространственно-распределенной цели // Наукоемкие технологии. 2024. Т. 25. № 6. С. 26−33. DOI: https://doi.org/10.18127/j19998465-202406-04

1. Андерсон Т. Введение в многомерный статистический анализ: Пер. с англ. Б.В. Гнеденко. М.: Физматгиз. 1963. С. 500.
2. Харкевич А.А. Избранные труды. В 3 т. Теория информации. Опознавание образов. Т. 3. М.: Наука. 1973. С. 524.
3. Себастиан Г.С. Процессы принятия решений при распознавании образов: Пер. с англ. Ивахненко. Киев: Техника. 1965. С. 152.
4. Бонгард М.М. Проблема узнавания. М.: Наука. 1967. С. 320.
5. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов (статистические проблемы обучения). М.: Наука. 1974. С. 616.
6. Дуда Р., Харт П. Распознавание образов и анализ сцен: Пер с англ. В.Л. Стефанюка. М.: Мир. 1976. С. 511.
7. Ковалевский В.А. Методы оптимальных решений в распознавании изображений. М.: Наука. 1976. С. 328.
8. Ту Дж., Гонсалес Р. Принципы распознавания образов: Пер. с англ. М. Журавлева. М.: Мир. 1978. С. 412.
9. Селекция и распознавание на основе локационной информации / Под ред. А.Л. Горелик. М. Радио и связь. 1990. С. 236.
10. Горелик А.Л., Скрипкин В.А. Методы распознавания. М.: Высшая школа. 1984. С. 208.
11. Достовалов М.Ю., Лифанов А.С., Мусинянц Т.Г. Система автоматизированного распознавания объектов на основе исследования радиолокационных портретов по изображениям РСА КОМПАКТ-100 // Исследования Земли из космоса. 2005. № 1.
12. Diemunsch J., Wissinger J. MSTAR model-based automatic target recognition: search technology for a robust ATR. Algorithms for Synthetic Aperture Radar Imagery V.E. Zeinio, Eds. Proceedings of SPIE. 1998. V. 3370.
13. Егорова Е.В., Рыбаков А.Н., Аксяитов М.Х. Оптимальная обработка информации при распознавании и идентификации радиолокационных целей: Монография / под ред. С.Г. Толмачева Д.В. Клопова; Минобрнауки России, РТУ МИРЭА. Тамбов: Консалтинговая компания «Юком». 2021. С. 136.
14. Аксяитов М.Х., Егорова Е.В., Мартынов Н.В., Рыбаков А.Н. Обнаружение малоконтрастных целей // Успехи современной радиоэлектроники 2017. № 1. С. 23–26.
15. Доросинский Л.Г., Лысенко Т.М. Анализ адаптивного алгоритма обнаружения контуров на малоконтрастных радиолокационных изображениях // Исследование земли из космоса. 1988. № 2. С. 99–103.
16. Доросинский Л.Г. Выбор метода совместного измерения угловых координат нескольких источников излучения // Радиотехника. 1987. № 11. С. 43–45.