НАУКА и ОБРАЗОВАНИЕ

Файл статьи: SE-BMSTU...o153.pdf (1263.22Кб)

УДК 621.396.96

Россия,  МГТУ им. Н.Э. Баумана

В статье рассмотрен  вопрос адаптации нейросетевого тракта распознавания вертолета от аэродинамических и наземных объектов по его акустическому излучению  к скорости полета вертолета.  Используются нецентрированные информативные признаки-отсчеты оценок спектров сигналов, соответствующие локальным экстремумам (максимумам и минимумам) энергетического спектра входных сигналов, имеющие наибольшую информативность при распознавании сигналов  вертолета от сигналов гусеничной техники. Обоснован принцип адаптации нейросети (НС) и структура блока адаптации, решающего задачи оценки  частоты следования лопастей при захвате объекта и слежения за ней при сопровождении цели и формирования сигнала управления параметрами резонансных фильтров блока выбора информативных признаков. Для формирования дискриминационной характеристики  дискриминатора используются авторегрессионные статистические характеристики квадратурных составляющих сигнала, полученные при помощи дискретного преобразователя Гильберта (ДПГ), осуществляющего фазовый сдвиг спектральных составляющих реализации сигнала на 90° в широкой полосе частот.  Осуществлено математическое моделирование работы следящего измерителя по реализациям сигналов вертолета, полученным в реальных условиях. Приведены оценки параметра слежения  в процессе работы с помощью следящего измерителя с ДПГ по последовательно записанным реализациям акустического шума вертолета. Представлена функциональная схема адаптивной НС. Научная новизна работы состоит в том, что обеспечение инвариантности используемого информативного признака, отсчетов локальных экстремумов СПМ, к изменению скорости полета вертолета дополнением структуры НС  блоком адаптации, реализованным как следящий измеритель за кажущейся частотой  следования лопастей винта вертолета на основании связи между ней, и видом  функции авторегрессии  акустического сигнала вертолета. В известных источниках   предлагаются решения,  основанные на применении классификаторов, обученных при помощи  различных параметрических методов спектрального представления, в частности, линейного предсказания и  кепстра, предлагаются методы, основанные на  вейвлет-преобразованиях и робастном обучении. Адаптивный подход позволяет решить поставленные задачи при широком диапазоне изменения скоростей вертолета.

1. Астапов Ю.М., Козлов В.И., Соболева Н.С., Хохлов В.К. Автономные информационные и управляющие системы: Труды кафедры «Автономные информационные и управляющие системы» МГТУ им. Н.Э. Баумана. В 4 т. Т.1 / под ред. А.Б. Борзова. М.: ООО НИЦ « Инженер», ООО «Онико-М», 2011. 468 с.
2. Хохлов В.К. Начальные регрессионные статистические характеристики интервалов между нулями случайных процессов // Наука и образование. МГТУ им. Н.Э. Баумана. Электрон. журн. 2014. № 9. С . 132-147. DOI: 10.7463/0914.0726720
3. Павлов Г.Л., Хохлов В.К. Нейросетевые алгоритмы в задаче классификации объектов по их акустическим излучениям // Наука и образование. МГТУ им. Н.Э. Баумана . Электрон. журн. 2012. № 5. С. 247-258. DOI: 10.7463/0512.0367620
4. Павлов Г.Л., Хохлов В.К . Адаптация нейросетевого алгоритма к скоростям движения классифицируемых по акустическим излучениям объектов // Наука и образование. МГТУ им. Н.Э. Баумана. Электрон. журн. 2012. № 10. С . 241-250. DOI: 10.7463/1012.0462849
5. Хохлов В.К., Гулин Ю.Ю. Выбор информативных признаков в автономных информационных системах с нейросетевыми трактами обработки сигналов // Вестник МГТУ им. Н . Э . Баумана . Сер . Приборостроение . 2003. № 3. С . 70-83.
6. Tang Haifeng, Sun Degang. Real Time Multisensor Target Recognition Based on DSP // 8th International Conference on Electronic Measurement and Instruments (ICEMI '07). IEEE Publ., 2007. P. 4-24 – 4-28. DOI: 10.1109/ICEMI.2007.4351127
7. Elshafei M., Akhtar S., Ahmed M.S. Parametric models for helicopter identification using ANN // IEEE Transactions on Aerospace and Electronic Systems. 2000. Vol. 36, iss. 4. P. 1242-1252. DOI:10.1109/7.892672
8. Du Yinggang, Lu Jinhui, Shi xiangquan, GuYalin. Target identification based on the optimal base number // Proceedings 1998 Fourth International Conference on Signal Processing (ICSP '98). Vol. 1. IEEE Publ., 1998. P. 271-274. DOI:10.1109/ICOSP.1998.770204
9. Moukas P., Simson J., Norton-Wayne L. Automatic Identification of Noise Pollution Sources // IEEE Transactions on Systems, Man and Cybernetics. 1982. Vol. 12, iss. 5. P. 622-634. DOI:10.1109/TSMC.1982.4308881
10. Хохлов В.К., Пылаев В.А., Волчихин И.В., Степаненко Н.В. Пеленгатор источников акустических излучений: п ат. 2048678 РФ. 1995.