Разработка методов и алгоритмов обработки шумоподобных сигналов в многопозиционных системах тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Кравцова, Ольга Станиславовна

• Кравцова, Ольга Станиславовна
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Кравцова, Ольга Станиславовна

Список принятых сокращений.

Введение.

1. Анализ функциональных возможностей и методов отождествления результатов измерений в многопозиционных системах пассивной локации. Постановка задачи.

1.1 Роль и место средств пассивной локации в системах ПВО.

1.2. Сущность проблемы неоднозначности измерений в угломерных системах пассивной локации и возможные пути ее решения

1.3. Анализ особенностей сигналов малозаметных РЛС

1.4. Обоснование выбора математического аппарата для анализа сложных сигналов

1.4.1. Оконная функция.

1.4.2. Кратковременное преобразование Фурье.

1.4.3. Оконное дискретное преобразование Фурье.

1.4.4. Непрерывное вейвлет-преобразование.

1.4.5. Дискретное вейвлет-преобразование.

1.4.6. Ряды вейвлетов

1.4.7. Распределение Вигнер-Вилля

1.4.8. Функция неопределенности

Выводы.

2. Разработка вейвлетов и алгоритмов вейвлет-преобразования для обработки сигнальной информации.

2.1. Алгоритмы разработки вейвлетов.

2.1.1. Необходимые составляющие для разработки вейвлетов.

2.1.2. Построение полуортогональных сплайн-вейвлетов.

2.1.3. Построение ортонормированных вейвлетов.

2.1.4. Ортонормированные масштабирующие функции.

2.1.5. Построение биортогональных вейвлетов

2.2. Алгоритмы дискретного вейвлет-преобразования и банков фильтров.

2.2.1. Децимация и интерполяция.

2.2.2. Алгоритм декомпозиции.

2.2.3. Алгоритм реконструкции

2.2.4. Замена базисов.

2.2.5. Реконструкция сигнала в полуортогональных подпространствах

2.2.6. Двухканальные банки фильтров.

2.2.7. Комментарий к ДВП и банкам фильтров для совершенной реконструкции.

2.3. Быстрое непрерывное вейвлет-преобразование

2.3.1. Наилучшее временное разрешение

2.3.2. Наилучшее масштабное разрешение.

2.3.3. Отображение функций в межоктавные подпространства аппроксимации

Выводы

3. Математическое моделирование отождествления и анализа сложных дискретно-кодированных (шумоподобных) сигналов.

3.1. Архитектура радиолокационной системы обнаружения сложных дискретно-кодированных сигналов.

3.2. Определение первичных параметров сложных дискретно-кодированных сигналов по корреляционной функции.

3.3. Структурная схема модели.

3.3.1. Генератор сигналов.

3.3.2. Генератор шума.

3.3.3. Фильтры с переменными параметрами.

3.3.4. Коррелятор.

3.3.5. Блок обработки.

3.4. Алгоритмы сбора и подготовки данных.

3.5. Алгоритмы обработки сигналов с применением вейвлет-преобразования.

3.5.1. Пакеты вейвлетов.

3.5.2. Алгоритмы пакетов вейвлетов.

3.5.3. Разработка вейвлета.

3.5.4. Выходные результаты работы модели.

Выводы

Введение диссертации (часть автореферата) на тему «Разработка методов и алгоритмов обработки шумоподобных сигналов в многопозиционных системах»

С конца прошлого столетия большое внимание уделяется созданию многопозиционных систем пассивной локации (МСПЛ), позволяющих существенно повысить эффективность ПВО. В этих системах для решения задачи дальнометрии на центральном пункте управления объединяют информацию о результатах измерений пеленгов источников радиоизлучения, полученных в разнесенных пунктах приема [1]. При этом в многоцелевой обстановке возникает проблема отождествления результатов измерений для устранения появляющихся ложных целей.

Во многих подходах к рассматриваемой проблеме для сокращения числа объектов отождествления применялись вероятностные методы, основанные на вычислении нижней границы Крамера-Рао. Однако эти методы не позволяют в полной мере решить проблему отождествления результатов измерений, поскольку они не используют признаковую информацию о каждой цели [2].

В работе [3] предложено решение задачи отождествления по траектор-ным признакам. Однако при групповом движении целей их траектории будут не различимы. В ряде работ обсуждалась идея отождествления результатов измерений по сигнальным признакам. В качестве таких признаков используют параметры сигналов источников радиоизлучения. К их числу относятся: средняя несущая частота, длительность и период следования импульсов, закон модуляции сигнала. Эти параметры сигналов необходимы для распознавания типа источника радиоизлучения и его носителя.

При оценивании параметров сигналов малозаметных радиолокационных станций (МРЛС), созданных в конце прошлого столетия, указанные признаки не достаточно эффективны из-за их возможной схожести или невозможности определения. Это связано с большой длительностью используемых в передатчиках шумоподобных сигналов и их малой пиковой мощностью, работой МРЛС в непрерывном или квази-непрерывном режиме. В целях по7 вышения эффективности отождествления сигналов такого типа необходима разработка новых методов и алгоритмов обработки получаемой информации.

Проведенный краткий анализ дает основание считать тему диссертации актуальной.

Объект исследования: системы контроля воздушного пространства.

Предмет исследования: методы и алгоритмы обработки шумоподобных сигналов в многопозиционных системах.

Цель диссертационного исследования: совершенствование методов и алгоритмов обработки сложных дискретно - кодированных (шумоподобных) сигналов для решения задачи отождествления результатов измерений в угломерных системах пассивной локации.

Для достижения поставленной цели сформулирована научная задача, а именно: разработка методов и алгоритмов обработки шумоподобных сигналов в многопозиционных системах.

Декомпозиция поставленной задачи в диссертационной работе свелась к рассмотрению совокупности следующих частных логически взаимосвязанных задач:

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Кравцова, Ольга Станиславовна

ВЫВОДЫ

1. Существующие станции пассивной радиолокации для повышения точности определения пеленга имеют два и более облучателей и, следовательно, приемных каналов. Предлагаемая схема обнаружения шумоподобных сигналов может быть непосредственно интегрирована в существующие системы.

2. Реализованная имитационная модель содержит часть, моделирующую работу приемных каналов, и алгоритмическую часть анализа шумоподобных сигналов. Реализованный алгоритм управления потоками данных позволяет не перегружать вычислениями ЭВМ при отсутствии сигнала.

3. Корреляционный признак наличия сигнала дополнен алгоритмами получения характеристик элементарных элементов СДКС.

4. Существование большого количества различных вейвлетов обусловлено поиском максимального соответствия их свойством со свойствами сигнала. Широко используемые вейвлеты для исследуемых в диссертационной работе сигналов дали не очень удовлетворительные результаты. Поэтому на основании алгоритма разработки банков фильтров, приводящих к вейвлетам, был разработан собственный биортогональный вейвлет типа 9/7, показавший хорошее качество выделения полезного сигнала из шума. Он имеет коэффициенты последовательностей декомпозиции и реконструкции, которые пригодны для целочисленных вычислений, что важно для получения высокой производительности расчетов в реальном масштабе времени. К тому же, значения отсчетов сигналов от АЦП обычно также имеют целочисленное представление.

ЗАКЛЮЧЕНИЕ

Целью диссертационного исследования явилось совершенствование методов и алгоритмов обработки информации в многопозиционных системах для распознавания-отождествления сложных дискретно-кодированных (шу-моподобных) сигналов.

Для достижения поставленной цели сформулирована научная задача, а именно: разработка методов и алгоритмов обработки информации в многопозиционных системах для распознавания-отождествления шумоподобных сигналов.

Декомпозиция поставленной задачи в диссертационной работе свелась к рассмотрению совокупности ряда частных логически взаимосвязанных задач, решение которых позволило получить ряд новых научных результатов, представленных во введении.

Обобщая полученные новые научные результаты, можно сделать следующие выводы:

1. При оценивании параметров сигналов малозаметных радиолокационных станций (МРЛС), созданных в конце прошлого столетия, используемые ранее признаки для решения задачи отождествления результатов измерений не достаточно эффективны из-за их возможной схожести или невозможности определения.

2. Для анализа шумоподобных сигналов МРЛС необходимо применение нового математического аппарата, например, вейвлет-преобразования. Из разработанной методики конструирования вейвлетов на основе теории банков фильтров следует целесообразность применения биортогонального вейв-лета типа 9/7 для обработки шумоподобных сигналов.

3. Применение вейвлет-преобразования для исследования сигналов различных форм, их свойств и локального поведения достаточно подробно рассмотрены в литературе, чего нельзя сказать об использовании вейвлетов для выделения и определения характеристик шумоподобных сигналов. Решение этой задачи можно получить на основе имитационного математического моделирования обработки именно таких сигналов с различными характеристиками.

В заключение можно дать некоторые рекомендации на проведение дальнейших исследований. Так, например, полученные результаты можно распространить на решение задачи распознавания-отождествления шумопо-добных сигналов других типов. Кроме того, целесообразна разработка классификации шумоподобных сигналов и проведение дальнейших исследований по определению характеристик и правил кодирования сигналов МРЛС для создания информационной базы в целях классификации их по типам. Оценивая выполненную работу в целом, можно сделать вывод о том, что поставленная задача решена, цель достигнута. Основные положения диссертации опубликованы в работах [54-61].

Список литературы диссертационного исследования кандидат технических наук Кравцова, Ольга Станиславовна, 2006 год

1. Черняк В.С, Многопозиционная радиолокация. М.: Радио и связь, 1993.

2. Булычев Ю.Г., Таран В.Н. Инвариантно-групповой метод отождествления пеленгов целей в триангуляционных многопозиционных системах пассивной локации. //Радиотехника и электроника, 1987, вып.4.

3. Слипченко В.И. Войны нового поколения: дистанционные бесконтактные. М.: ОЛМА - ПРЕСС Образование, 2004.

4. Организационно-методические указания по выполнению решений совещания в Управлении IIB ВС РФ от 27 мая 1999 года по Единому разведывательно-информационному полю.

5. Краснов А.В., Кобрин К.С. Роль воздушных средств информационной войны и проблемы борьбы с ними. //Зарубежное военное обозрение, 1995, №5.

6. Жуков В.А. Взгляды военного руководства США на ведение информационной войны. //Зарубежное военное обозрение, 2001, №6.

7. J.A.Roecker, Track Monitoring when Tracking with Multiple 2D Passive Sensors. IEEE Transactions on Aerospace and Electronic Systems, Vol. 27, No 6, pp. 872-876, November 1991.

8. J.A.Roecker, Effectiveness of Track Monitoring with Multiple 2D Passive Sensors. IEEE Transactions on Aerospace and Electronic Systems, Vol. 27, No 6, pp. 941-945, November 1991.

9. Y.Bar-Shalom and X.Li, Multitarget Multisensor Tracking: Principles and Techniques. YBS Publishing, Storrs, CT, 1995.

10. S.Deb, M.Yeddanapudi, K.R.Pattipati, Y.Bar-Shalom, A Generalized S-D Assignment Algorithm for Multisensor-Multitarget State Estimation. IEEE Transactions on Aerospace and Electronic Systems, Vol. 33, No 2, pp. 523— 538, April 1997.

11. Y.Bar-Shalom and K.R.Pattipati, VARDAT2.0 — VARiable dimension Data Association for Tracking. YBS Publishing, 1998.

12. R.L.Popp, K.R.Pattipati and Y.Bar-Shalom, m-best S-D Assignment Algorithm with Application to Multitarget Tracking. Proc. SPIE Conf. Signal and Data Processing of Small Targets, Vol. 3373, April 1998.

13. G.Shafer, A Mathematical Theory of Evidence, Princeton University Press 1976.

14. C.K.Chui. An Introduction to Wavelets, volume 1 of Wavelet Analysis and its Applications. Academic Press, Boston, 1992.

15. A.Bultheel. Wavelets with applications in signal and image processing. Academic Press, Boston, 2002.

16. Liu Gousui, ioThe Analysis and Design of Modern Low Probability of Intercept Radar", submitted toCICR™01, October 2001.

17. M. Burgos-Garcia, J. Sanmartin-Jara, iaA LPI Tracking Radar System Based on Frequency Hoppingle, Proceedings, IRS'98, International Radar Symposium, Munich Germany, 15-17 September 1998, vol. I,pp. 151-159.

18. Liu Guosui, Gu Hong, and Su Weimin, ieDevelopment of Random Signal Radarll, IEEE AES Trans. March 1999, pp. 770-777.

19. Lukin, Konstantin A., i.Noise Radar Technology for Short Range Applications" Proceedings International Conference on Radar Systems, RADAR'99, Brest, France, Vol. Oral Sessions, paper Session 2.1 lb.

20. D.Gabor, "Theory of communication", J. IEE (London), 93, pp. 429-457, 1946.

21. I.Daubechies, Ten Lectures on Wavelets, CBMS-NSF Ser. Appl. Math. #61. Philadelphia: SI AM, 1992.

22. J.B.Allan and L.R.Rabiner, "A unified approach to STFT analysis and synthesis", Proc. of IEEE, 65, pp. 1558-1564, November 1977.

23. T.A.C.M.Classen and W.F.G.Mecklenbrauker, "The Wigner-Ville distribution: a tool for time-frequency signal analysis: I. Continuous time signals", Philips J. Res., 35, pp. 217-250, 1980.

24. A.Moghaddar and E.K.Walton, "Time-frequency distribution analysis of scattering from waveguide cavities", IEEE Trans. Antennas Propag., 41, pp. 677-680, May 1993.

25. L.Cohen, "Time-frequency signal analysis", Proc. IEEE, 77, pp. 941-981, 1989.

26. C.E.Cook and M.Berfeld, Radar Signals, San Diego, Calif.: Academic Press, 1967.

27. Y.Meyer, Wavelets: Algorithms and Applications. Philadelphia: SIAM, 1993.

28. S.Mallat, "A theory of multiresolution signal decomposition: the wavelet representation", IEEE Trans. Pattern Anal. Machine Intell., 11, pp. 674693, 1989.

29. S.Mallat, Multiresolution representation and wavelets, Ph.D. thesis, University of Pennsylvania, Philadelphia, 1988.

30. C. de Boor, A practical Guide to Splines. NY: Springer-Verlag, 1978.

31. C.K.Chui, Multivariate Splines, CBMS-NSF Ser. Appl. Math., 54, Philadelphia: SIAM, 1988.

32. L.L.Schumaker, Spline Functions: Basic Theory, NY: Wiley-Interscience, 1981.

33. C.K.Chui, An Introduction to Wavelets, San Diego, Calif.: Academic Press, 1992.

34. C.K.Chui and J.Z.Wang, "On compactly supported spline wavelets and a duality principle", Trans. Am. Math. Soc., 330, pp. 903-915, 1992.

35. Y.Meyer, "Principe d'incertitude, bases Hilbertiennes et algebras d'opérateurs", Semin. Bourbaki, 662,1985-1986.

36. G.Battle, "A block spline construction of ondelettes: I. Lemaré functions", Commun. Math. Phys., 110, pp. 601-615, 1987.

37. P.G. Lemaré, "Une nouvelle base d'ondelettes de L2(5T)", J. Math. Pures Appl., 67, pp. 227-236, 1988.

38. I.Daubechies, "Orthonormal bases of compactly supported wavelets", Commun. Pure Appl. Math., 41, pp. 909-996, 1988.

39. C.K.Chui, Wavelets: A Mathematical Tool for Signal Analysis. Philadelphia: SI AM, 1997.

40. A.Cohen, I.Daubechies, and J.C.Feauveau, "Biorthogonal bases of compactly supported wavelets", Commun. Pure Appl. Math., 45, pp. 485-500, 1992.

41. C.K.Chui, J.C.Goswami, and A.K.Chan, "Fast integral wavelet transform on a dense set of time-scale domain", Numer. Math., 70, pp. 283-302,1995.

42. J.G.Goswami, A.K.Chan, and C.K.Chui, "On a spline-based fast integral wavelet transform algorithm", in Ultra-Wideband Short Pulse Electromagnetics 2, L.Carin and L.B.Felsen (Eds.). NY: Plenum Press, pp. 455-463, 1995.

43. M.Vatterli and J.Kovacevic, Wavelets and Subband Coding. Upper Saddle River, N.J.: Prentice Hall, 1995.

44. L.G.Weiss, "Wavelets and wideband correlation processing", IEEE Signal Process. Magazine, pp. 13-32, January 1994.

45. O.Rioul and P.Duhamel, "Fast algorithms for discrete and continuous wavelet transforms", IEEE Trans. Inform. Theory, 38, pp. 569-586, March 1992.

46. M.J.Shensa, "The discrete wavelet transform: Wedding the A trous and Mal-Iat algorithms", IEEE Trans. Signal Process., 40, pp. 2264-2482, October 1992.

47. A.Grossman, R.Kronland-Martinet, and J.Morlet, "Reading and understanding continuous wavelet transform", in Wavelets, Time-Frequency Methods and Phase Space, J.N.M.Combes, A.Grossman, and Ph.Tchamitchian (Eds.), Berlin: Springer-Verlag, pp. 2-20,1989.

48. В.Е.Гантмахер, Н.Е.Быстров, Д.В.Чеботарев, «Шумоподобные сигналы. Анализ, синтез, обработка» СПб.: Паука и Техника, 2005. - 400 с.

49. Gilbert Strang and Truong Nguyen, Wavelets and Filter Banks, Welles-ley-Cambridge Press, 1996.

50. Albert Cohen and Ingrid Daubechies, A stability criterion for biorthogonal wavelet bases and their related subband coding schemes, Duke Math. J., 68:313-335, 1992.

51. Кравцова О.С. Адаптивные системы пассивной радиолокации / О.С. Кравцова, Ю.Е. Поленова, Ю.Н. Седышев, В.М. Терешко, Г.А. Травин.

52. Радиолокация, навигация, связь (RLNC*2005): сб. докл. XI междунар. научн.-техн. конф. -Воронеж, 2005.-Т. З.-С. 1689-1692.

53. Кравцова О.С. Методический подход к решению задачи статистического синтеза адаптивных систем пассивной радиолокации /

54. B.А.Симаков, О.С. Кравцова, В.М. Терешко, Г.А. Травин. // Научные ведомости БелГУ. Сер. «Физика». Белгород, 2005.- Вып. 11. №2 (22).1. C. 199-202.

55. Кравцова О.С. Анализ сущности проблемы неоднозначности измерений в угломерных системах пассивной радиолокации и некоторые пути ее решения / О.С. Кравцова, Г.А. Травин. // Региональный вестник молодых ученых. М., 2006. №1 (9).-С. 25-28.

56. Кравцова О.С. Математическое моделирование алгоритмов распознавания сигналов источников радиоизлучения / О.С. Кравцова, Г.А. Травин, М.Г. Травин // Региональный вестник молодых ученых. М., 2006. №1 (9).- С. 28-31.

57. Кравцова О.С. Определение кодовых последовательностей шумопо-добных сигналов малозаметных PJIC с применением вейвлет-иреобразования / О.С. Кравцова //Системы управления и информационные технологии. Москва - Воронеж, 2006. № 2.1(24). - С. 159-161.

58. Кравцова О.С. Анализ шумонодобных сигналов малозаметных PJIC с применением вейвлет-преобразования / О.С. Кравцова // Информационные технологии моделирования и управления. Воронеж, 2006. № 7(32). - С. 824-828.