Название статьи или книги, фамилия автора, DOI

Использование «хорошо» локализованных фреймов Вейля–Гейзенберга для фильтрации радиолокационных изображений на основе корреляционных свойств коэффициентов разложения

А.А. Лучин1

научная статья УДК 004.932.4 Страницы: 83-91 doi.org/10.18127/j20700784-202506-10

  1. 1 Федеральное государственное бюджетное научное учреждение «Экпертно-аналитический центр» (Москва, Россия)

Аннотация

Постановка проблемы. Повышение качества информации, поставляемой радиолокационными системами, для решения задач обнаружения и классификации объектов, а также принятия решений – актуальное направление технического совершенствования, в том числе для систем, формирующих радиолокационные изображения. Для борьбы с действием помех и искажениями сигналов, влияющими на качество выдаваемой информации, применяются различные методы фильтрации, в том числе с использованием преобразований, переводящих сигнал в иное пространство. Наиболее часто в этих целях применяется преобразование Фурье, однако при анализе нестационарных сигналов приходится прибегать к дополнительным приёмам, снижающим энергетическую и вычислительную эффективность преобразования, в связи с чем рассматриваются альтернативные преобразования, в том числе с хорошей локализацией базисных функций, например, разложение по фрейму Вейля–Гейзенберга. Ввиду избыточности фрейма возникает вопрос создания алгоритма фильтрации, использующего данное свойство.

Цель. Изучить корреляционные свойства коэффициентов разложения по функциям фрейма Вейля-Гейзенберга на примере радиолокационных изображений; разработать алгоритм фильтрации пространственных помех и искажений изображения на основе изученных свойств; получить и описать результаты работы алгоритма.

Результаты. Проведён анализ коэффициентов разложения при помощи построения ковариационной матрицы для совокупности локальных групп коэффициентов разложения, имеющих место ввиду дискретных частотно-временных сдвигов инициализирующей функции в основе процедуры построения фрейма; введён параметр общей корреляции, используемый для пороговой обработки локальных групп коэффициентов в основе алгоритма фильтрации; в ходе экспериментов выявлена взаимосвязь объектов на исходном изображении с локальными группами коэффициентов разложения с определёнными значениями параметра общей корреляции.

Практическая значимость. Разработанный алгоритм фильтрации может применяться при обработке радиолокационных изображений, полученных от наземных локаторов кругового обзора для минимизации влияния посторонних объектов, а также для построения карты местности контролируемой зоны.

Поступила
19.02.2025
Одобрена
03.02.2025
Принята
20.05.2025

Для цитирования

Лучин А.А. Использование «хорошо» локализованных фреймов Вейля–Гейзенберга для фильтрации радиолокационных изображений на основе корреляционных свойств коэффициентов разложения // Успехи современной радиоэлектроники. 2025. T. 79. № 6. С. 83–91. DOI: https://doi.org/10.18127/j20700784-202506-10

Список источников
  1. Аветисян Т.В., Питолин М.В., Преображенский Ю.П. Моделирование процессов восстановления радиолокационных изображений // Моделирование, оптимизация и информационные технологии. 2023. Т. 12. № 4(43). DOI 10.26102/2310-6018/2023.43.4.008. EDN RPHSJQ.
  2. Гонсалес Р., Вудс Р. Цифровая обработка изображений. Изд-е 3-е, испр. и доп. М.: Техносфера. 2012. 1104 с.
  3. Jindal D., Vashisht L. Nonstationary frames of translates and frames from the Weyl–Heisenberg group and the extended affine group // Journal of Physics A: Mathematical and Theoretical. 2023. Т. 56. № 345204. 20 с. DOI: 10.48550/arXiv.2209.15054
  4. Мирошниченко А.В., Волчков В.П. Применение фреймов Вейля–Гейзенберга в задачах интерполяции и экстраполяции сигналов // Телекоммуникации и информационные технологии. 2019. Т. 6. № 1. С. 134–141. EDN MSBJQG.
  5. Мирошниченко А.В., Волчков В.П.  Экстраполяция нестационарных зашумленных сигналов с помощью фреймов Вейля–Гейзенберга // Телекоммуникации и информационные технологии. 2019. Т. 6. № 2. С. 42–50. EDN PREPMA.
  6. Huang Y.J., Wang X., Li X., Moran B. Inverse Synthetic Aperture Radar Imaging Using Frame Theory // IEEE Transactions on Signal Processing. 2012. № 60(10). С. 5191–5200. DOI:10.1109/tsp.2012.2208107
  7. Amosov O.S., Amosova S.G., Muller N.V. Identification of Potential Risks to System Security Using Wavelet Analysis, the Time-and-Frequency Distribution Indicator of the Time Series and the Correlation Analysis of Wavelet-Spectra / International Multi-Conference on Industrial Engineering and Modern Technologies. 2018. DOI:10.1109/fareastcon.2018.8602675
  8. Волчков В.П. Новые технологии передачи и обработки информации на основе хорошо локализованных сигнальных базисов // Научные ведомости Белгородского государственного университета. Сер.: Экономика. Информатика. 2009. № 15(70). С. 181–189. EDN ORKFYJ.
  9. Wang H., Jiang W., Lei C., Qin S., Wang J. A Robust Image Fusion Method Based on Local Spectral and Spatial Correlation // IEEE Geoscience and Remote Sensing Letters. 2014. № 11(2). С. 454–458. DOI:10.1109/lgrs.2013.2265915
  10. Волчков В.П., Асирян В.М. Сжатие изображений с использованием дискретного преобразования Вейля–Гейзенберга // Экономика. Информатика. 2020. Т. 47. № 2. С. 412–421. DOI 10.18413/2687-0932-2020-47-2-412-421. EDN UWKSPC.
  11. Волчков В.П. Синтез комплексных сигнальных фреймов Вейля–Гейзенберга с хорошей частотно-временной локализацией // Инфокоммуникационные и радиоэлектронные технологии. 2019. Т. 2. № 1. С. 86–99. DOI 10.15826/icrt.2019.02.1.08. EDN QJEVEE.
  12. Волчков В.П., Санников В.Г. Синтез комплексных дуальных фреймов Вейля–Гейзенберга для спектрального анализа нестационарных сигналов // Инфокоммуникационные и радиоэлектронные технологии. 2019. Т. 2. № 4. С. 503–514. EDN MDHXNM.
  13. Huang F., Chen D., Zhou L. Rotating machine fault diagnosis based on correlation filtering and reconstructed Morlet wavelet power spectral entropy / 6th International Conference on Mechanical Engineering and Automation Science (ICMEAS). 2020. DOI:10.1109/icmeas51739.2020.00008
  14. Wang S., Huang W., Zhu Z. K. Transient modeling and parameter identification based on wavelet and correlation filtering for rotating machine fault diagnosis // Mechanical Systems and Signal Processing. 2011. № 25(4). С. 1299–1320. DOI: 10.1016/ j.ymssp.2010.10.013
  15. Petrov D. Algorithms for construction of orthogonal well-localized bases // Mathematical Models and Computer Simulations. 2010. № 2. С. 74–581. DOI: 10.1134/S2070048210050030