автореферат
Міністерство освіти і науки України
Національний аерокосмічний університет ім. М.Є. Жуковського
“Харківський авіаційний інститут”
ВАСИЛЬЄВА Ірина Карлівна
УДК 621.391
РОЗПІЗНАВАННЯ ГІДРОМЕТЕОРОЛОГІЧНИХ УТВОРЕНЬ
БОРТОВИМИ МЕТЕОНАВІГАЦІЙНИМИ КОМПЛЕКСАМИ
ЗА ПОЛЯРИЗАЦІЙНИМИ ХАРАКТЕРИСТИКАМИ
ВІДБИТИХ СИГНАЛІВ
05.07.12 – дистанційні аерокосмічні дослідження
Автореферат
дисертації на здобуття наукового ступеня
кандидата технічних наук
Харків – 2007
Дисертацією є рукопис.
Робота виконана у Національному аерокосмічному університеті ім. М.Є. Жуковського
“Харківський авіаційний інститут” Міністерства освіти і науки України.
Науковий керівник: кандидат технічних наук,
Попов Анатолій Владиславович,
Національний аерокосмічний університет ім. М.Є. Жуковського
“Харківський авіаційний інститут”, доцент кафедри “Виробництво
радіоелектронних систем літальних апаратів”.
Офіційні опоненти: доктор технічних наук, професор
Разсказовський Вадим Борисович,
Інститут радіофізики та електроніки ім. О.Я. Усикова Національної
академії наук України, старший науковий співробітник
кандидат фізико-математичних наук, старший науковий співробітник
Єфімов Валентин Борисович
Центр радіофізичного зондування Землі ім. А.І. Калмикова Національної
академії наук і Національного Космічного Агентства України, завідувач
відділу “Системи та методи обробки інформації дистанційного зондування”
Провідна установа: Відкрите акціонерне товариство „Акціонерне товариство Науково-дослідний інститут радіотехнічних вимірювань”, Національне космічне агентство України, м. Харків.
Захист відбудеться “ 26 ” червня 2007 р. о 14:00 годині на засіданні спеціалізованої
вченої ради Д64.062.07 у Національному аерокосмічному університеті ім. М.Є. Жуковського
“Харківський авіаційний інститут” Міністерства освіти і науки України за адресою: 61070, м. Харків, вул. Чкалова, 17.
З дисертацією можна ознайомитись у науково-технічній бібліотеці Національного аерокосмічного
університету ім. М.Є. Жуковського “Харківський авіаційний інститут” Міністерства освіти і науки
України за адресою: 61070, м. Харків, вул. Чкалова, 17.
Автореферат розісланий “____” ____________ 2007 р.
Вчений секретар
спеціалізованої вченої ради Д64.062.07 Лукін В.В.
ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ
Актуальність теми. За даними Міжнародної організації цивільної авіації ІCAO, за останні 25 років приблизно у третині усіх випадків авіаційних пригод певну роль зіграли несприятливі метеорологічні умови. До числа небезпечних впливів гідрометеорологічних утворень (ГМУ), що ускладнюють чи унеможливлюють політ літака, відносяться інтенсивна турбулентність, численні електричні розряди у виді блискавок, механічні ушкодження фюзеляжу градом, зледеніння літака при змушеному тривалому польоті в переохолодженому дощі або у хмарах із великою водністю, різке погіршення видимості в сильних зливах. Таким чином, оперативне виявлення небезпечних класів ГМУ (потужних купчасто-дощових і грозових хмар, злив, граду) необхідно для підвищення ефективності систем керування повітряним рухом, тим більше, що з переходом до нових концепцій керування CNS/ATM і “Free Flight” істотно підвищуються вимоги до функціональних можливостей бортових метеонавігаційних радіолокаційних комплексів (МН РЛК) як до засобів інформаційного забезпечення безпеки польотів у складних метеоумовах.
Сучасний розвиток радіолокаційної (РЛ) техніки, цифрової мікроелектроніки, інформаційних технологій дозволяє підсилити предикативні властивості і поліпшити часові характеристики бортових автоматичних систем розпізнавання за рахунок використання нових методів дистанційного зондування (ДЗ), що забезпечують підвищення інформативності РЛ даних, і ефективних алгоритмів обробки сигналів, що реалізують нові підходи до побудови класифікаційних процедур.
Залежність поляризаційних характеристик (ПХ) відбитих сигналів від мікрофізичних параметрів гідрометеорів свідчить про те, що одним із шляхів отримання інформативних ознак для класифікації ГМУ є використання поляризаційних властивостей сигналів. Такий підхід, починаючи з 50-х рр., практикується в РЛ метеорології для виміру інтенсивності опадів, дослідження фазового стану, форми, розподілу за розмірами часток у хмарах. За цей час накопичений великий статистичний матеріал про РЛ характеристики ГМУ, розроблені теоретичні і напівемпіричні моделі розсіювання електромагнітних хвиль (ЕМХ) на гідрометеорах, способи кількісної і якісної оцінки типів ГМУ. Однак і донині залишається невирішеним ряд задач класифікації ГМУ, зокрема, розпізнавання небезпечних для польотів ГМУ по ПХ відбитих сигналів у реальному часі без залучення несигнальної інформації. Про актуальність вивчення можливостей застосування РЛ поляриметрії в задачах розпізнавання класів ГМУ свідчить ряд науково-дослідних програм, що виконуються як вітчизняними, так і закордонними організаціями, зокрема спільний науковий проект з вивчення мікроструктури і динамічних процесів у хмарах і опадах, проведений International Research Center for Telecommunications-transmission and Radar при Делфтскому технологічному університеті (Нідерланди) і Київським міжнародним університетом цивільної авіації (Україна), дослідження в рамках програм National Center for Atmospheric Research (США), у т.ч., розробки National Severe Storm Laboratory з прогнозування сильних гроз, класифікації граду й оцінки інтенсивності опадів за даними поляриметричних радіолокаційних станцій (РЛС).
Отже, розробка ефективних методів розпізнавання класів ГМУ в реальному масштабі часу за рахунок повного використання інформації, що міститься у ПХ відбитих сигналів, являє собою актуальну наукову і практичну задачу, розв’язання якої потребує вирішення наступних завдань: одержання еталонних описів класів об’єктів, формування інформативного ознакового простору і визначення правила прийняття рішень. У свою чергу, синтезовані алгоритми є концептуальною базою для розробки пропозицій з модернізації існуючих бортових МН РЛК і побудови структур перспективних інтегрованих бортових систем розпізнавання класів ГМУ.
Зазначені аспекти складають наукову основу дисертаційної роботи.
Зв’язок роботи з науковими програмами, планами, темами. Тема роботи відповідає Державним програмам України по створенню галузі метеорологічного приладобудування і розвитку авіаційного транспорту, а також держбюджетним НДР № ДР0103U005069, що виконувалась у НАКУ, і НДР № ДР0103U00222264, що проводилась спільно із НАКУ інститутом радіофізики і електроніки ім. О.Я. Усикова. У двох зазначених НДР автор брала участь як виконавець.
Мета і задачі дослідження. Метою роботи є підвищення вірогідності і оперативності ідентифікації гідрометеорологічних утворень, які становлять погрозу для безпеки польотів, за рахунок розробки ефективних методів класифікації ГМУ за поляриметричними даними. Для досягнення поставленої мети були сформульовані і вирішені наступні задачі дослідження:
– уточнення фізико-статистичних моделей гідрометеоутворень на ґрунті даних ДЗ та співвідношень між мікроструктурними параметрами і РЛ характеристиками ГМУ специфічних класів;
– аналіз залежності поляризаційних ознак (ПО) ГМУ від зовнішніх впливів і структурних факторів, що дозволило одержати стаціонарні статистичні моделі ПО;
– дослідження інформативності ПО ГМУ за критерієм мінімально достатньої дивергенції, за результатами якого сформовано ознаковий простір багатоальтернативного класифікатора;
– синтез алгоритму обробки поляризаційної інформації для вирішення задачі класифікації ГМУ за багатовимірними поляризаційними ознаками;
– експериментальна перевірка ефективності розробленого статистичного класифікатора ГМУ;
– розробка рекомендацій з побудови перспективних та модернізації існуючих бортових МН РЛК.
Об'єкт дослідження – поляризаційні характеристики радіолокаційних сигналів, відбитих гідрометеорологічними об’єктами різних класів.
Предмет дослідження – методи розпізнавання класів гідрометеорологічних утворень за поляриметричною інформацією.
Методи дослідження – розрахунково-теоретичні та статистичного моделювання, а саме:
– методи теорії імовірності для побудови еталонних описів класів ГМУ;
– методи статистичного моделювання для проведення імітаційних експериментів;
– методи теорії інформації і статистичної теорії прийняття рішень для побудови багатоальтернативного класифікатора ГМУ.
Наукова новизна отриманих результатів:
Вперше запропоновано для застосування при розпізнаванні класів гідрометеорологічних утворень сукупність інформативних багатовимірних поляризаційних ознак ГМУ, яка сформована за результатами інформаційно-статистичного аналізу.
Удосконалені на підставі експериментальних даних фізико-статистичні моделі гідрометеорологічних утворень за рахунок уточнення щільностей розподілу мікрофізичних параметрів ГМУ, що дозволило підвищити адекватність моделювання поляризаційних характеристик відбиттів.
Дістала подальший розвиток процедура класифікації з накопиченням інформації та відкиданням класів за сполученнями багатовимірних поляризаційних ознак, що дозволило підвищити оперативність та вірогідність ідентифікації класів гідрометеоутворень, що слабо розрізняються.
Практична значимість результатів визначається наступним:
– розроблено алгоритми і програмне забезпечення моделювання полів зворотного однократного розсіювання ЕМХ гідрометеорологічними утвореннями, що дозволяє замінити натурні експерименти моделюванням на стадії проектування перспективних радіолокаційних систем;
– запропоновано варіанти побудови перспективних бортових РЛ систем, здатних вимірювати інформативні ПО ГМУ, та розроблено рекомендації з модернізації існуючих МН РЛК;
– розроблено алгоритм розпізнавання у реальному часі класів ГМУ за поляризаційними ознаками, який може бути реалізований на сучасних процесорах обробки сигналів у бортовому МН РЛК, що забезпечить підвищення вірогідності і оперативності виявлення небезпечних ГМУ на трасі польоту літального апарату.
Результати дисертаційної роботи впроваджені:
– у держбюджетній НДР Г502-40/03 “Створення методології системного проектування засобів аерокосмічних радіоелектронних комплексів” № ДР0103U005069;
– у держбюджетній НДР “Технології максимально правдоподібного розрізнення сигналів невідомої форми для радіотехнічних систем пасивного типу” № ДР0103U00222264;
– у навчальному процесі НАКУ при розробці лекцій з дисципліни “Експертні системи та розпізнавання образів” для спеціальності 6.070900 – “Геоінформаційні системи і технології”.
Особистий внесок здобувача. Основні результати роботи отримані автором самостійно. За результатами досліджень опубліковано 8 статей. Робота [2] містить аналіз поляризаційних ознак ГМУ та їх взаємозв'язків з фізичними властивостями гідрометеорів. У [4] представлено результати дослідження інформативності поляризаційних ознак ГМУ за критерієм мінімально достатньої дивергенції: розглянуто ідентифікаційні спроможності статистичних моделей ПО, як інваріантних до структурних параметрів гідрометеорів, так і тих, що залежать від мікрофізичних і інтегральних характеристик ГМУ. У роботах, написаних у співавторстві, особистий внесок здобувача полягає в наступному. У [1] наданий порівняльний аналіз застосовуваних у РЛ метеорології моделей і співвідношень для опису мікрофізичних характеристик ГМУ, що впливають на розсіювання ЕМХ. У [3] розроблена методика моделювання в наближенні Релея поля зворотного однократного розсіювання ансамблю сферичних, полідисперсних, хаотично орієнтованих часток ГМУ. У [5, 6] проведене дослідження залежностей ПО різних форм хмар і типів опадів, відповідно, від структурних параметрів ГМУ та зовнішніх впливів і надані рекомендації з формування первинного ознакового простору. У [7] запропонований двоступінчастий класифікатор ГМУ за простором векторних поляризаційних ознак. У [8] виконана перевірка розробленого класифікатора на даних ДЗ.
Апробація результатів дисертації. Основні результати дисертаційної роботи доповідалися на науково-технічних конференціях НАКУ “Інформаційні комп'ютерні технології в машинобудуванні – ІКТМ'2002”, “Інтегровані комп'ютерні технології в машинобудуванні”, 2003 р., 2004 р., 2005 р., ІV міжнародній науково-практичній конференції “Сучасні технології управління екологічною й інформаційною безпекою територій”, Київ - Харків - Крим, 2005 р.
Публікації. Опубліковано 13 друкованих праць, з них: 1 стаття – в збірнику наукових праць; 7 статей – у науково-технічних журналах, що включено в перелік ВАК України; 5 тез – у матеріалах науково-технічних конференцій.
Структура й обсяг роботи. Дисертація складається зі вступу, чотирьох розділів, висновків і додатків. Повний обсяг роботи становить 215 сторінок, у тому числі: 67 рисунків, 43 таблиці (з них рисунки і таблиці, розміщені на окремих сторінках, займають 56 сторінок); список використаних джерел з 107 найменувань на 9 сторінках; п’ять додатків на 26 сторінках.
ЗМІСТ РОБОТИ
У вступі обґрунтована актуальність теми, сформульовані мета та основні задачі роботи, визначені об’єкт і предмет досліджень, методологічна основа досліджень. Зазначені основні наукові результати, їх новизна та практична значимість, зв’язок роботи з науковими програмами і темами, а також відомості про публікації автора і його особистий внесок, інформація про апробацію результатів і структуру роботи.
У першому розділі наведено метеорологічну класифікацію ГМУ, виконано аналіз структурних характеристик ГМУ, що впливають на розсіювання ЕМХ, зроблено огляд прийнятих у РЛ метеорології співвідношень для оцінки мікрофізичних параметрів часток ГМУ і розроблено рекомендації щодо побудови математичної моделі об'єкта. Визначено, що математична модель ГМУ як об'єкта ДЗ із стохастичними властивостями повинна враховувати діелектричну проникність часток, їх несферичність, розподіли за розмірами і кутами нахилу, залежність відбиваності окремої частки від поляризації і довжини хвилі РЛС. Стисло описані методи розрахунку полів розсіювання ГМУ і систематизовані основні співвідношення, що зв'язують структурні і РЛ характеристики ГМУ. На ґрунті аналізу експериментальних даних запропоновані модифікації законів розподілу (ЗР) мікрофізичних параметрів ГМУ. Так, для шарувато-дощових, купчасто-дощових і грозових хмар рекомендується використовувати суму двох гама розподілів, що описують ЗР за розмірами дрібних крапель і надвеликих крапель радіусом r >85 мкм. Для граду пропонується бімодальний розподіл, що відповідає зваженій сумі двох гама розподілів; значення вагових коефіцієнтів і параметрів ЗР узгоджені з експериментальними даними, наведеними в літературних джерелах.
Для розрахунку комплексних амплітуд зворотного розсіювання ГМУ прийнята модель зворотного однократного розсіювання в наближенні Релея, що дозволяє досліджувати процеси відбиття ЕМХ від ансамблю сфероїдальних часток і визначити закони розподілу елементів поляризаційної матриці розсіювання (ПМР) ГМУ.
В другому розділі розглянута множина поляризаційних ознак ГМУ, одержуваних на основі ПМР і коваріаційної матриці розсіювання , яка складається з других нецентрованих моментів елементів ПМР. Показано, що відмінності у формі, фазовому стані часток ГМУ, їх переважній орієнтації призводять до зміни первинних поляризаційних параметрів ЕМХ у результаті її розсіювання на ГМУ. Неможливість урахування всіх аерологічних факторів, що впливають на ПХ відбитих сигналів, і просторово-часова неоднорідність структури ГМУ ускладнюють виявлення кількісних зв'язків між характеристиками сигналів і станом об'єкта ДЗ. Крім того, ГМУ є об'ємно розподіленими об'єктами, тому в імпульсний об’єм РЛС потрапляють, як правило, суміші класів. Отже, вибірка сигналів, що пред’являється до розпізнавання, містить у собі інформацію про невизначену множину класів об'єктів, кількість і тип яких, у більшості випадків, не відомі. Т.ч., недостатність статистичної інформації, відсутність у повному обсязі даних ДЗ для специфічних класів ГМУ, погрішності виміру і кількісної оцінки параметрів переважаючого типу ГМУ в імпульсному об’ємі РЛС обумовлюють потребу математичного моделювання ГМУ і ПХ відбитих сигналів.
З урахуванням рекомендацій, наданих у попередньому розділі, запропонована модель ГМУ як РЛ об'єкта зі стохастичними властивостями. У якості параметрів фізико-статистичної моделі ГМУ виступає n-мірний простір показників {, ?i, ?i, ?i, Di, mi,}, де визначає діелектричні властивості і-ої частки (і = 1...n), кути ?i і ?i – її орієнтацію щодо площини поляризації ЕМХ, ?i – випадковий фазовий зсув сигналу, відбитого і-ою часткою, Di – розмір сфероїдальної частки (діаметр еквівалентної за об’ємом сфери) і параметр mi – її форму.
Алгоритм моделювання полягає в наступному.
1. За визначеним в залежності від класу ГМУ, що моделюється, законом розподілу часток за розмірами і апріорними даними про інтенсивність (водність) розраховується кількість часток в одиниці об'єму: .
2. Послідовність еквівалентних діаметрів пропонується одержувати методом зворотної функції, заснованим на перетворенні рівноімовірної на [0; 1] величини r у випадкову величину D=F-1(r) з потрібною щільністю розподілу імовірності (ЩРІ). Значення F(Dj), j = 1…Nt, визначаються чисельним інтегруванням аналітично заданої ЩРІ розмірів часток, а зворотна функція знаходиться шляхом кусочно-лінійної інтерполяції дискретних значень інтегральної функції розподілу.
3. В залежності від типу ГМУ або аналітично визначаються параметри форми за співвідношеннями, які зв'язують форму m і розмір D часток, або генеруються випадкові деформації, що узгоджені зі статистичними даними про розподіл ймовірних значень параметра m. Для урахування додаткової деформації часток під впливом зовнішніх факторів (наприклад, потужного електростатичного поля, характерного для грозових хмар) введено поправочний коефіцієнт k; [0,1; 1].
4. Генеруються послідовності нормально розподілених кутів нахилу часток ?j, N (?;,??), і рівномірно розподілених на [-?; ?] кутів орієнтації ?j, j = 1…Nt.
5. Обчислюється ефективна діелектрична проникність часток ГМУ.
Для краплинних ГМУ при заданих значеннях довжини ЕМХ ? і температури середовища t розраховується за модифікованим релаксаційним рівнянням Дебая. Діелектрична проникність льоду для сантиметрового діапазону ? визначається його щільністю і практично не залежить від довжини хвилі; 3,1684. Шляхом апроксимації експериментальних даних, представлених у літературних джерелах, одержана залежність уявної частини від температури t, яку можна використовувати для розрахунку діелектричних властивостей сухих крижаних часток: . Сніжинки розглядаються як суміш льоду, води і повітря; ефективну діелектричну проникність такої суміші можна розрахувати за формулою:
, (1)
де pi, pw, pa – частини загального об’єму, зайняті відповідно, льодом, водою і повітрям; , , – діелектричні проникності льоду, води і повітря; u – коефіцієнт форми компонент суміші. При цьому в (1) u = 2, а частки льоду і води визначаються за емпіричними співвідношеннями: ; , де , – щільності льоду і снігу в г/см3. Ефективну діелектричну проникність крупи і граду пропонується розраховувати по (1) як для суміші льоду і води при u = 100.
6. Моделюється розсіювання ЕМХ на окремих частках ГМУ .
7. Генерується послідовність рівномірно розподілених на [0; 2?] фазових зсувів сигналів, відбитих окремими частками, ?j, j = 1…Nt.
8. Визначається m-та реалізація ПМР ансамблю часток .
9. Моделювання виконується в циклі за заданим обсягом вибірки M.
10. За вибіркою визначаються статистичні оцінки математичного очікування (МО), середньоквадратичного відхилення (СКВ) і ЩРІ поляризаційних ознак.
Оскільки більшість ПО мають негаусовські закони розподілу, для їх опису обрано Sb-розподіл Джонсона, що дозволяє апроксимувати практично будь-які унімодальні і широкий спектр бімодальних ЗР. Початкові значення компонентів вектора параметрів моделі = {?, ?, ?, ?} (де ?, ? – параметри масштабу, ?, ? – параметри форми розподілу Джонсона) обчислюються за методом моментів; для уточнення оцінок параметрів використовується оптимізаційний підхід і цільова функція виду , що досягає мінімального значення при найкращому збігу гістограми зі статистичною моделлю .
Порівняння результатів моделювання ПО специфічних класів ГМУ з наявними в літературних джерелах даними ДЗ підтверджує адекватність розробленої методики. Отримані результати створюють передумови для дослідження інформативності ПО для розпізнавання класів ГМУ.
У третьому розділі виконане дослідження впливу зовнішніх чинників і структурних факторів на поляризаційні ознаки ГМУ. Проводилося моделювання 10-ти класів хмар: шаруватих (St), шарувато-купчастих (Sc), купчастих (Cu), шарувато-дощових і високошаруватих (Ns-As), що складаються з крапель та голчастих або пластинчастих кристалів, купчасто-дощових (Cb), грозових (Cb-s), пір'ястих (Cі) із двома зазначеними габітусами кристалів, і 6-ти класів опадів: дощу, зливи, грози, крижаної крупи, граду і снігу. Змінюваними параметрами були водність LWC хмар, інтенсивність R опадів, МО та СКВ кута нахилу часток ?, питома частка води pw в об’ємі часток крупи і граду, щільність снігу ?s, довжина ЕМХ ?, температура t. За результатами моделювання визначалися середні вибіркові значення поляризаційних ознак і будувалися їх залежності від зазначених параметрів. Гістограми ПО із числом інтервалів 32 апроксимувалися Sb-розподілом Джонсона і знаходилися вторинні оцінки МО і СКВ. На підставі аналізу отриманих даних робився висновок про ступінь впливу фактора на ПО. Так, якщо зсув оцінки МО ПО, викликаний варіюванням досліджуваного фактора, не перевищував СКВ ЩРІ, то така поляризаційна ознака вважалася малочутливою, оскільки за її значенням неможливо визначити із прийнятною вірогідністю значення діючого структурного або зовнішнього фактора.
Аналіз результатів моделювання показав, що зміни температури середовища t і водності хмар LWC у межах діапазонів, характерних для визначених класів ГМУ, не спричиняють істотного впливу на більшість ПО (див. рис. 1). Найбільш чутливі до параметрів розподілу часток за кутами нахилу поляриметричні оцінки ? та ?? і кути орієнтації власних поляризаций EO1 і EO2. Від довжини хвилі зондувального випромінювання ? залежать лише абсолютні ПО. Ці залежності відомі і дозволяють проводити перерахування результатів, зважаючи на обмеження діапазону довжин хвиль, що накладаються наближеними методиками розрахунку полів розсіювання.
Дослідження дозволило виділити підмножину поляризаційних ознак, інваріантних до структурних характеристик ГМУ у межах специфічного класу. Для опису ПО, що істотно залежать від структурних факторів ГМУ, використовувалися статистичні моделі, отримані інтегруванням ЩРІ по діапазону можливих значень діючого фактора (див. рис. 2): у якості результуючого ЗР приймалася суперпозиція законів розподілу ПО, що відповідають дискретним рівноімовірним (через відсутність достовірних даних про ЩРІ) значенням фактора на інтервалі варіювання.
Адекватні моделі N-мірних поляризаційних ознак для кожного класу об'єктів повинні описувати ЩРІ окремих компонентів вектора ПО і кореляційні зв'язки між ними. За основу для побудови статистичних моделей векторних ПО узятий багатомірний варіант розподілу Джонсона виду:
, (2)
де ? – час; M – кількість відліків; N – розмірність ознаки; R – кореляційна матриця, , , , – параметри розподілу Джонсона. Приклади статистичних моделей ПО показані на рис. 1…3.
Рис. 1. Вплив водності Cb-s на ЩРІ відбиваності Zh:
1 – 3 г/м3; 2 – 5 г/м3; 3 – 7 г/м3 | Рис. 2. Вплив інтенсивності снігопаду
на ЩРІ ознаки I1 та результуюча ЩРІ
а) | б) | Рис. 3. Емпіричні ЩРІ (1) і моделі (2) ПО для класу “дощ” (, , , – параметри ЗР Джонсона):
а) модель коефіцієнта анізотропії CAN (? = -0,719; ? = 1,65; ? = 1,03; ? = -1,0);
б) двомірна модель {|Svv|, CAN(коефіцієнт кореляції = -0,45).
Таким чином, за результатами імітаційного моделювання РЛ сигналів, відбитих специфічними класами ГМУ, розрахунків вибіркових значень поляризаційних ознак і статистичної обробки отриманих даних були побудовані еталонні описи класів. Для зниження розмірності ознакового простору, визначення найбільш інформативних із усієї сукупності принципово вимірних ПО, проводилося дослідження інформативності ознак за критерієм мінімально достатньої дивергенції :
, (3)
де Pk – апріорна імовірність класу ak (k = 1…K; K – кількість класів об’єктів).
У якості показників інформативності ПО застосовувалися локальна дивергенція J(k) і узагальнена дивергенція :
; ,
де ? – ознаковий простір; – щільність імовірності реалізації вектора ПО для класу ak; – суміш щільностей імовірностей для всіх класів, окрім ak: .
Розрахувавши поріг прийняття рішення і величини J(k), можна визначити кількість необхідних ознак для розрізнення класів. У силу адитивності дивергенції, одержати потрібне для надійного розпізнавання класу значення J(k) можна як за рахунок розширення ознакового простору, що призводить до ускладнення апаратури обробки сигналів, так і за рахунок обробки послідовності незалежних відліків, що затягує процес прийняття рішення.
Результати інформаційно-статистичного аналізу дозволили виявити найбільш інформативні ПО. У той же час, низьке розрізнення усіх форм краплинної негрозової хмарності, кристалічних хмар із певним габітусом кристалів (голки / пластинки), дощу і зливи обумовило доцільність об'єднання нерозрізнених за поляризаційними ознаками класів. Як наслідок, була запропонована радіолокаційна класифікація ГМУ, і подальші дослідження проводилися для десяти РЛ класів.
За результатами аналізу інформативності сформований уточнений ознаковий простір, що складається як із традиційних для РЛ метеорології ПО (відбиваність Zh, диференціальна відбиваність Zdr, диференціальна відбиваність градового сигналу Hdr, диференціальний фазовий зсув DPS), так і з відомих ПО, які, втім, не знайшли застосування у зазначеній галузі (параметр анізотропії TAN, модуль характеристичного кута об’єкту HGM, кути еліптичності ELV і орієнтації ORH відбитих сигналів при V і H зондуванні, відповідно, інтегральні параметри Y2, |Y3|, I1, |I2|, що враховують особливості розподілу часток за розмірами, формами і кутами орієнтації), а також включає ПО, вперше запропоновані для класифікації ГМУ (т.зв. параметр асиметричності AN, що надає загальне уявлення про ступінь несферичності та діелектричні властивості часток).
Формули для розрахунку за елементами поляризаційної та коваріаційної матриць розсіювання (Sij та Rij, відповідно) деяких маловідомих поляризаційних ознак наведені нижче.
; ; ,
де , ;
; ; .
У четвертому розділі виконано аналіз відомих методів прийняття рішення і синтезовано двоступінчастий алгоритм розпізнавання ГМУ за сполученнями векторних ПО. За основу для синтезу класифікаційної процедури обраний усічений послідовний алгоритм із накопиченням інформації та відкиданням класів, оскільки він дозволяє обмежити витрати часу на прийняття рішення.
Процедура ухвалення рішення полягає в наступному: якщо міра інформації Кульбака (де Pk, Qk – апріорна й апостеріорна імовірності класу ak) не менше мінімально достатньої кількості інформації (МДКІ) , то гіпотеза Hk (про прийняття класу ak) приймається, якщо , то гіпотеза Hk відкидається, якщо , то рішення про гіпотезу Hk не виноситься. Для підвищення гнучкості процедури передбачається, що апріорні імовірності появи різних видів сигналів не залишаються постійними. Так, якщо у випадку повної апостеріорної невизначеності на 1-му циклі спостережень (де K – кількість класів), то на кожному наступному циклі за величину апріорної імовірності появи класу ak приймається значення апостеріорної імовірності, обчисленої на попередньому кроці: . Видозміна процедури ухвалення рішення полягає в перерозподілі апріорних імовірностей при виключенні одного класу з подальшого розгляду. Таким чином, розширення областей ухвалення рішення пов'язано із зміною рівнів МДКІ ?k.
Шляхом сполучень із 13-ти найбільш інформативних ПО були сформовані N-мірні (N = 2...10) еталонні описи класів; при цьому в один вектор не поєднувалися сильно корельовані ознаки (коефіцієнт кореляції |Rij|>0,8). Кращі результати розпізнавання ГМУ отримані при використанні векторних ПО = (Hdr, I1, AN); = (Zdr, AN, I1, Hdr); = (AN, I1, |I2|, Zh); = (Zh, I1). Однак ряд класів ГМУ, зокрема, гроза (інтенсивністю R ? 55 мм/год) і суха крупа за даними ПО класифікуються невірно. У зв'язку з цим було прийняте рішення включити до ознакового простору параметри = (Y2, |Y3|, Zdr, AN, DPS), = (Y2, |Y3|, I1, TAN), = (TAN, Zh, Zdr), за якими, відповідно, імовірності правильного розпізнавання сильної грози становлять 0,49; 0,53 і 0,86, а сухої крижаної крупи – 0,48; 0,27 і 0,19. Оскільки по жодному із сформованих векторних ознак окремо не вдається досягти високої вірогідності розпізнавання всіх радіолокаційних класів ГМУ за відомими процедурами прийняття рішень, то виникає необхідність розробки більш ефективних алгоритмів класифікації ГМУ за поляризаційними даними. Як засвідчив аналіз результатів розпізнавання, існує досить висока імовірність прийняття неоднакових рішень (0,2...0,9) за поодинокими багатовимірними ПО; таким чином, для підвищення достовірності класифікації ГМУ пропонується приймати рішення на підставі результатів розпізнавання за множиною векторних ПО {...}.
Застосування послідовного алгоритму класифікації ГМУ за сукупністю векторних поляризаційних ознак призводить до утворення простору неоднозначних результатів (множині рішень {}, прийнятих на підставі кожного вектора ПО). Для вибору певного рішення з множини {} необхідно визначити взаємозв’язки між різними комбінаціями результатів першого ступеня процедури розпізнавання і множиною класів {A}. Тоді рішення можливо ухвалювати на користь того класу, для якого отримана комбінація рішень є найбільш ймовірною. Логічну структуру другого ступеня алгоритму класифікації ГМУ (див. рис. 4) складають виявлені статистичні зв’язки між простором результатів розпізнавання і простором станів контрольної вибірки (номерами класів); вхідними даними є рішення , вихідним параметром – номер розпізнаного класу ГМУ.
Таким чином, на першому ступені процедури розрізнення в результаті застосування послідовного алгоритму з накопиченням інформації та відкиданням класів до сукупності багатовимірних ПО за критерієм достатньої кількості інформації формується множина рішень.
Рис. 4. Блок-схема другого ступеня алгоритму розпізнавання ГМУ (фрагмент)
Середня кількість відліків , необхідних для прийняття попередніх рішень, знаходиться в межах 4...6, а максимальна не перевищує 10 (що відповідає 50 мс при одноканальній передачі і частоті зондувального імпульсу 400 Гц).
На другому ступені алгоритму рішення на користь певного класу приймається за статистичним критерієм максимуму апостеріорної імовірності комбінації попередніх рішень.
Апробація алгоритму на даних моделювання показала, що імовірність правильного розпізнавання граду і грозонебезпечних об'єктів складає 0,8...0,9.
Результати розпізнавання моделей сумішей “краплинна хмара + грозова хмара”, “дощ + крупа”, “дощ + град” свідчать, що, незалежно від питомих часток компонентів суміші, алгоритм ідентифікує один клас, причому той, котрий дає основний внесок у РЛ відбиваність (тобто, характеризується більшими розмірами часток).
Практична задача класифікації ускладнюється тим, що при вимірюванні поляризаційних характеристик ГМУ корисний сигнал, що несе інформацію про структурні властивості об'єкта спостереження, змішується із власними шумами антени і прийомного тракту; у результаті знижується або навіть виключається можливість виявлення і розпізнавання ГМУ. Отже, необхідний аналіз завадостійкості автоматичної системи обробки поляризаційної інформації про об'єкти ДЗ. Метою проведеного у даному розділі дослідження було визначення максимальних дальностей виявлення і розпізнавання класів ГМУ на фоні адитивних шумових завад.
При аналізі завадостійкості РЛС необхідно враховувати залежність потужності прийнятого сигналу Pr, що представляє собою суміш ехо-сигналу Ps і шуму Pn, від відстані D до об'єкта РЛ спостереження. Таку залежність визначає рівняння дальності радіолокації, що у випадку спільної антени для прийому і передачі має вид
, (4)
де Pt – випромінювана потужність; А – ефективна площа апертури антени.
Виходячи з (4), приведення прийнятого сигналу до дальності D означає множення прийнятої потужності на коефіцієнт D4. Крім того, оскільки ГМУ є об'ємно розподіленими РЛ об'єктами, то прийняту потужність нормують на імпульсний об'єм, який залежить за визначених технічних характеристиках конкретної РЛС (ширина діаграми спрямованості ?, тривалість імпульсу ?) від дальності до об'єкта D:
, (5)
де ; ; .
Згідно з (4), (5) ?n ~ D2. Із збільшенням дальності потужність шуму зростає, відповідно знижується співвідношення сигнал/шум, що призводить до помилок при виявленні і розпізнаванні об'єктів ДЗ.
Для оцінки залежності імовірностей правильного розпізнавання класів ГМУ від дальності за рахунок впливу адитивних завад виконувалося моделювання сумішей “ехо-сигнал класу ak + шум” при 11-ти значеннях СКВ шуму, визначених для різних дальностей до об'єктів (2,1; 10, 20...100 км). За результатами розпізнавання контрольних вибірок обсягом 20000 відліків знаходилися оцінки умовних за класом імовірностей рішень . За формулою Байєса розраховувалися апостеріорні імовірності відповідності k-го класу і-му результату. У якості оцінки імовірності правильного розпізнавання приймалася найменша зі статистичних оцінок, отриманих для випадків збігу номера класу і номера рішення: .
Результати аналізу завадостійкості автоматичної системи виявлення і розпізнавання класів ГМУ (при прийнятому рівні 0,05 для імовірностей хибної тривоги Pfa і пропуску сигналу Pss) приведені в табл. 1.
Для експериментальної перевірки синтезованого алгоритму використовувалися просторово-часові вибірки повних ПМР 17-ти об'єктів, отримані за допомогою автоматизованого РЛ поляриметра, створеного в лабораторії Радіолокаційної поляриметрии кафедри “Виробництво радіоелектронних систем літальних апаратів” НАКУ. Аналіз результатів роботи класифікатора засвідчив, що прийняті рішення про клас ГМУ в достатній мірі відповідають об'єктам спостереження (див. табл. 2); таким чином, розроблена ефективна класифікаційна процедура, що використовує винятково поляриметричну інформацію і дозволяє приймати рішення з вірогідністю розпізнавання грозонебезпечних класів ГМУ не нижче 0,8.
РЛ зображення і візуальне представлення результатів розпізнавання об'єкта “гроза з градом” наведені на рис. 5. Отримані пошарові зображення об'єкта спостереження можна розглядати як виходи віртуальних “імовірнісних” каналів, налаштованих на певний клас ГМУ; ухвалення рішення про наявність даного класу позначене на відповідному шарі чорним кольором.
При формуванні зображення на індикаторі РЛС поточний елемент розділення буде маркірований певним кольором, що призначений для кожного класу, відповідно до вихідного сигналу пристрою прийняття рішень. Крім того, як видно з рис. 5, спостерігається чітка диференціація зон грозової хмари, грозових опадів і граду, що притаманно структурно-неоднорідним об'єктам і відповідає динаміці процесів у хмарах і опадах.
На підставі проведених досліджень запропоновано варіанти побудови структур перспективних бортових інтегрованих РЛС, здатних у режимі реального часу виявляти і розпізнавати за поляриметричними даними небезпечні для польотів гідрометеорологічні утворення, а також розроблено рекомендації з модернізації МН РЛК “Буран”, яким укомплектовано на теперішній час літаки цивільної авіації, стосовно змін у структурах антенно-хвилеводного тракту і прийомо-передавача РЛС для забезпечення синхронного виміру окремих рядків ПМР, що необхідно для коректного визначення поляризаційних ознак об'єктів.
Таблиця 1
Дані розрахунків максимальних дальностей виявлення і розпізнавання ГМУ
Показники | Класи ГМУ
CD | Cb | Cb-s | CN | CP | дощ | гроза | крупа | град | сніг
, км | 18,8 | 47,2 | 108,6 | 14,7 | 45,6 | 63,27 | 124,7 | 114,4 | 269,4 | 46,9
, км | 3,5 | 10 | 50 | 10 | 10 | 60 | 60 | 100 | > 100 | 45
> 0,8 | > 0,8 | 0,8 | > 0,8 | > 0,8 | 0,3…0,7 | 0,8 | 0,4…0,7 | 0,9 | 0,3…0,9
?,°
D, м | , дБ | ? = 3 (грозова хмара, Cb-s)
? = 7 (гроза) | ? = 9 (град)Рис. 5. РЛ зображення об’єкта “гроза з градом” у координатах дальність D – кут зондування ?
(інтенсивність відповідає рівню сигналу за наведеною шкалою) і результати розпізнавання
класів ГМУ (наявність визначеного класу позначена чорним кольором):
– амплітуда ко-поляризаційних компонент при H-зондуванні;
? – прийняте рішення про номер класу ГМУ.
Таблиця 2
Результати розпізнавання класів ГМУ за експериментальними даними
(відстань до об’єктів радіолокаційного спостереження D = 3…15 км)
Об’єкт | Прийняте рішення про клас ГМУ
CD | Cb | Cb-s | CN | CP | дощ | гроза | крупа | град | сніг
грозова хмара | 5,4e-4 | 0 | 0,927 | 0 | 2,7e-3 | 3,8e-3 | 3,1e-2 | 3,4e-2 | 0 | 0 | 4
грозовий фронт | 1,1e-2 | 0 | 0,743 | 0 | 2,3e-3 | 3,5e-2 | 0,103 | 9,3e-2 | 4,6e-3 | 5,7e-3 | 5
гроза | 2,4e-2 | 0 | 0,432 | 0 | 0 | 3,0e-3 | 0,524 | 2,4e-3 | 1,3e-2 | 0 | 5
дощ | 0 | 0 | 4,2e-2 | 1,5e-2 | 7,4e-2 | 0,83 | 5,1e-3 | 1,5e-2 | 0 | 1,8e-2 | 5
гроза з градом | 0 | 0 | 0,377 | 0 | 0 | 0 | 0,268 | 0 | 0,324 | 0 | 5
гроза з градом | 6,0e-3 | 0 | 1,3e-3 | 0 | 0 | 1,3e-3 | 0,223 | 0 | 0,759 | 4,0e-3 | 5
сніг | 1,1e-2 | 0 | 5,8e-4 | 0 | 8,2e-2 | 0,292 | 2,3e-3 | 2,3e-2 | 5,8e-4 | 0,587 | 5
ВИСНОВКИ
У дисертації наведено теоретичне узагальнення та нове рішення наукової задачі, що полягає у інформаційному забезпеченні безпеки польотів та підвищення ефективності систем керування повітряним рухом в умовах реалізації сучасних концепцій CNS/ATM і “Free Flight”, які передбачають більш жорсткі вимоги щодо функціональних можливостей бортових МН РЛК як датчиків метеорологічної інформації.
Оперативного виявлення та розпізнавання небезпечних для польотів класів ГМУ можна досягнути за рахунок використання нових методів ДЗ, що забезпечують збільшення інформативності РЛ даних, та ефективних алгоритмів обробки сигналів, які реалізують нові підходи до побудови правил прийняття рішень. Відмінності у формі, фазовому стані часток ГМУ специфічних типів, їх переважній орієнтації відносно площини поляризації зондувального сигналу дозволяють застосовувати поляриметричні методи для одержання інформації про структурні параметри ГМУ. Визначення взаємозв'язків між структурними та РЛ характеристиками ГМУ є однією з найбільш важливих проблем РЛ метеорології. Недостатність статистичної інформації, відсутність у повному обсязі даних ДЗ для специфічних типів ГМУ, погрішності виміру і кількісної оцінки параметрів ГМУ обумовлюють необхідність моделювання ГМУ і відбитих сигналів. У дисертаційній роботі для вирішення задач синтезу класифікатора ГМУ за поляриметричними даними розроблена універсальна методика моделювання полів зворотного однократного розсіювання ансамблю часток ГМУ, яка ґрунтується як на загальновизнаних, так і модифікованих співвідношеннях для фізичних параметрів гідрометеорів і дозволяє одержувати множину поляризаційних ознак, що представляються єдиною статистичною моделлю на основі багатовимірних законів розподілу Джонсона. При цьому для формування первинного ознакового простору, крім традиційних РЛ параметрів, використано ряд ПО, що раніше не застосовувалися для розпізнавання класів ГМУ, у т.ч. ПО, запропоновані вперше. Адекватність моделювання підтверджена шляхом порівняння розрахованих за моделлю ПО з експериментальними даними про РЛ відбиваність і величини деполяризації для класів ГМУ.
Оскільки ГМУ є флуктуючими структурно неоднорідними об'єктами, їх ПО являють собою випадкові процеси, вид і параметри ЩРІ яких відрізняються мінливістю і нестаціонарністю, тому що визначаються просторовою і часовою нестабільністю значної кількості структурних і аерологічних факторів. З метою виявлення варіативності статистичних властивостей ПХ ГМУ проведене дослідження залежності ПО від зовнішніх впливів і структурних факторів, що дозволило визначити підмножину ПО, інваріантних до фізичних параметрів ГМУ в межах специфічного класу. Для інших ПО використовувалися статистичні моделі, отримані інтегруванням ЩРІ по діапазону можливих значень діючого фактора. Для вирішення задачі оцінки інформативності ПО розроблені узагальнена методика і програма дослідження інформативності векторних ПО. За результатами інформаційно-статистичного аналізу обґрунтований перехід від метеорологічної класифікації ГМУ до радіолокаційної, що враховує ступінь розділення класів за даними ДЗ. Показано, що по жодному із сформованих багатовимірних ПО не досягається значення мінімально достатньої дивергенції; таким чином, розглянуті сукупності ПО не є достатньо інформативними і для достовірного розпізнавання класів ГМУ за даними ДЗ потрібна розробка ефективних методів прийняття рішення.
На основі розроблених фізико-статистичних моделей ПО ГМУ синтезований двоступінчастий класифікаційний алгоритм, що забезпечує підвищення надійності розрізнення класів ГМУ і поліпшення часових характеристик РЛС розпізнавання. Вірогідність розпізнавання граду і грозонебезпечних об'єктів як за результатами моделювання, так і за даними ДЗ складає не менш ніж 0,8, а максимальна кількість відліків, необхідних для ухвалення рішення, не перевищує 10.
Аналіз завадостійкості системи виявлення і розпізнавання класів ГМУ (при прийнятих рівнях імовірностей хибної тривоги і пропуску сигналу 0,05) показав, що дальність виявлення грозових хмар, грози і граду перевищує 100 км; при
