Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике УДК
621.391
ИДЕНТИФИКАЦИЯ ДИНАМИЧЕСКИХ ОБЪЕКТОВ ПРИ ТРАЕКТОРНОЙ ОБРАБОТКЕПри проектировании систем дистанционного исследования Земли часто возникает задача траекторного анализа динамических объектов с последующей идентификацией типа объекта. Априорная информация о типах объектов и их динамических характеристиках хранится в специальном запоминающем устройстве. Оптимальное решение задачи различения включает в себя проверку многоальтернативной гипотезы о принадлежности фильтруемой траектории одному из известных типов объектов. С увеличением числа кадров построение таких гипотез связано с колоссальными вычислительными затратами. Учитывая ограниченные ресурсы вычислительных систем, целесообразно использовать рекуррентные процедуры идентификации, осуществляющие обработку в темпе поступления информации.
Задача рекуррентной идентификации движущихся объектив на последовательности изображений сводится к процедуре рекуррентного одновременного различения сигналов и оценивания (фильтрации) их параметров. Пусть каждому из возможных типов траектории соответствует модель наблюдений (1) и модель изменения вектора параметров траектории , (2) где - номер типа объекта, a - вектор параметров траектории типа . В данном случае объекты отличаются друг от друга динамикой изменения вектора параметров, определяемой переходной матрицей . При построении решающего правила для каждого типа траектории строится гипотеза . На каждом кадре для каждого из типов объектов по очередным наблюдениям производится оценивание параметров сигнала [1,2] (3) и вычисление статистики , (4) где . (5) Предпочтение отдаете тому решению , для которого статистика минимальна (рис.1).
Рис. 1 Пусть на основе наблюдений требуется принять решение о принадлежности объекта к одному из двух возможных типов, которые отличаются интенсивностью маневра. Для описания объектов воспользуемся линейными стохастическими разностными уравнениями следующего вида: , (6) где номер типа объекта, гауссовская последовательность, a - переходная матрица. Для каждой из двух наблюдаемых декартовых координат переходные матрицы для обоих типов объектов могут быть заданы в следующем виде ; , (7) или с учетом компоненты ускорения, ; , (8) где и - коэффициенты корреляции компоненты ускорения, определяющие интенсивность маневра объекта. Пусть уравнение наблюдения , (9) где - гауссовская последовательность, . Тогда имеем следующее решающее правило [3]: , (10) где ; а - порог, вычисляемый исходя из заданных вероятностей перепутыпаипя типов объекта. После подстановки в (10) и логарифмирования получаем
Полученный алгоритм можно представить в виде, показанном на рис.2. Здесь и - оценки на выходе фильтров Калмана (ФК), настроенных на динамические характеристики, соответственно, первого и второго типов объектов.
Рис. 2 После сравнения в решающем устройстве (РУ) вычисленной статистики с порогом принимается одна из двух гипотез. Данный алгоритм идентификации типа объекта исследовался методом машинного моделирования. На рис.3 приведены зависимости вероятности перепутывания типа объекта от номера кадра при различных соотношениях величин и в (7) - сплошные линии и в (8) - пунктирные линии. Зависимости получены путем усреднения по ста реализациям. При увеличении времени наблюдения вероятность правильной идентификации увеличивается, асимптотически приближаясь к единице. При этом, чем больше отличаются классы объектов по динамическим характеристикам, тем раньше с достаточной степенью достоверности можно произвести идентификацию чипа объекта. Из рис.З хорошо видно, что учет компоненты ускорения (8) обеспечивает более чем двукратное снижение вероятности перепутывания объектов.
Рис. 3 Рассмотренной алгоритм идентификации легко распространяется на многоальтернативный случай. При этом решение принимается в пользу того типа объекта, для которого функция правдоподобия максимальна.
Библиографический список 1. Васильев К.К. Байесовское различение и оценивание случайных последовательностей//Радиотехника и электроника. 1985. Т.30, N3. С.476-485. 2. Васильев К.К., Кадеев Д.Н. Алгоритмы обнаружения и оценивания параметров сигналов на многомерных сетках// Статистические методы обработки сигналов /Под ред. Т.В.Борукаева. Новосибирск: Новосиб. электротехн. ин-т, 1991. С.60-69. 3. Горохин В.Н., Кадеев Д.Н. Идентификация динамических объектов на многокадровых изображениях // Тезисы докладов 49-й науч.-техн. конф., посвященной Дню радио. Санкт-Петербург: НТО РЭС им. А.С.Попова, 1994. С.33-34.
|
1 |
Оглавление
|