• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于改進(jìn)D-S證據(jù)理論的MPAR行為狀態(tài)識(shí)別方法

      2023-01-14 06:11:16高天昊董堯堯王鵬達(dá)姜浩浩
      電光與控制 2022年12期
      關(guān)鍵詞:天線準(zhǔn)確率雷達(dá)

      高天昊, 曲 衛(wèi), 董堯堯, 王鵬達(dá), 姜浩浩

      (航天工程大學(xué),a.研究生院; b.電子與光學(xué)工程系,北京 101000)

      0 引言

      隨著軍工裝備和軍事理論的迅猛發(fā)展,以多功能相控陣?yán)走_(dá)(Multifunction Phased Array Radar,MPAR)為代表的新式雷達(dá)裝備逐步進(jìn)入信息化戰(zhàn)場(chǎng),其釋放的各種電磁信號(hào),與自然界產(chǎn)生的電磁信號(hào)構(gòu)成了日益復(fù)雜的電磁環(huán)境[1],具有電磁場(chǎng)實(shí)時(shí)改變、頻譜無限寬、能量密度不均、信號(hào)種類多樣以及攜帶信息復(fù)雜等特點(diǎn)。與此同時(shí),MPAR具有靈活調(diào)度時(shí)間、空間和能量資源的能力以及多工作模式的特點(diǎn),在認(rèn)知電子戰(zhàn)中扮演重要角色,世界各國(guó)加緊展開對(duì)多功能相控陣?yán)走_(dá)的行為認(rèn)知研究,期望通過對(duì)其行為規(guī)律的研究為指揮決策和干擾決策提供直接有效的情報(bào)支援。

      早期的MPAR行為研究工作起源于VISNEVSKI[2]句法建模,其以“雷達(dá)字(Radar Word)”為最基本的模型單元,構(gòu)建了雷達(dá)字、雷達(dá)短語和雷達(dá)句子逐級(jí)遞進(jìn)的層級(jí)模型。后續(xù)進(jìn)行多功能相控陣?yán)走_(dá)的行為分析,也大多基于句法模型。部分專家學(xué)者進(jìn)行了雷達(dá)字提取的研究[3-5],并取得了初步成效,但這僅僅是作為多功能相控陣?yán)走_(dá)行為研究的底層,仍需加強(qiáng)對(duì)后續(xù)更高層次行為的研究。近10年來又有研究人員陸續(xù)開展MPAR工作模式識(shí)別研究[6-9],但大多基于空基和?;喙δ芟嗫仃?yán)走_(dá),不具有通用性。本文重點(diǎn)關(guān)注多功能相控陣?yán)走_(dá)更高層次的行為狀態(tài),為建立一個(gè)泛化能力更強(qiáng)的行為狀態(tài)識(shí)別方法展開研究。

      1 MPAR行為轉(zhuǎn)變內(nèi)、外因分析

      1.1 戰(zhàn)場(chǎng)環(huán)境態(tài)勢(shì)

      1) 任務(wù)需求。MPAR通常裝載在較為先進(jìn)的戰(zhàn)機(jī)、戰(zhàn)艦和一些地基武器平臺(tái)上,而這些平臺(tái)在不同時(shí)刻、不同地點(diǎn)往往有著不一樣的任務(wù),這在很大程度上影響了平臺(tái)上所搭載的MPAR的行為狀態(tài)。

      2) 安全需求。MPAR作為體制先進(jìn)的雷達(dá),不僅造價(jià)昂貴,而且是技術(shù)密集型產(chǎn)品,所以MPAR的行為狀態(tài)轉(zhuǎn)變很多時(shí)候也要從自身安全去考量,這也是影響MPAR行為狀態(tài)改變的一個(gè)關(guān)鍵因素。而影響自身安全的最直接的因素就是敵方的威脅,包括敵方作戰(zhàn)平臺(tái)的載彈量、武器彈藥的有效攻擊距離和彈藥毀傷程度等方面。

      1.2 空間運(yùn)動(dòng)狀態(tài)

      當(dāng)MPAR的行為狀態(tài)發(fā)生改變時(shí),通常都伴隨著其空間運(yùn)動(dòng)狀態(tài)發(fā)生改變。根據(jù)WANG等[10]的研究,多功能相控陣?yán)走_(dá)行為狀態(tài)的改變除了與戰(zhàn)場(chǎng)態(tài)勢(shì)有關(guān),還與其自身和檢測(cè)識(shí)別目標(biāo)的相對(duì)空間運(yùn)動(dòng)狀態(tài)有關(guān)。當(dāng)檢測(cè)目標(biāo)與MPAR距離相對(duì)較大且檢測(cè)目標(biāo)處于低速運(yùn)動(dòng)狀態(tài)時(shí),MPAR轉(zhuǎn)變?yōu)樗阉鞯母怕蕰?huì)大于持續(xù)跟蹤的概率。如果檢測(cè)目標(biāo)速度不斷加快,徑向朝自身駛來,距離相對(duì)較大,那么MPAR的資源調(diào)度系統(tǒng)會(huì)將更多的資源分配給跟蹤任務(wù)。因此,搭載MPAR的武器平臺(tái)的距離d、速度v、加速度a等空間運(yùn)動(dòng)狀態(tài)信息與MPAR行為狀態(tài)的轉(zhuǎn)變密切關(guān)聯(lián)。

      1.3 天線掃描方式

      相較于常規(guī)雷達(dá),MPAR有著更加復(fù)雜的系統(tǒng)結(jié)構(gòu),其中一個(gè)極為獨(dú)特的部分就是相控陣?yán)走_(dá)天線。天線波束掃描是體現(xiàn)雷達(dá)工作特性的一個(gè)重要方面,具體是指為了能夠?qū)崿F(xiàn)對(duì)目標(biāo)區(qū)域的有效監(jiān)測(cè),天線的波束通常會(huì)按照某種規(guī)律或規(guī)則對(duì)目標(biāo)區(qū)域進(jìn)行照射,所以天線掃描方式(Antenna Scanning Type,AST)[11]也是影響MPAR行為狀態(tài)變化的一個(gè)重要體現(xiàn)。

      2 D-S證據(jù)理論的改進(jìn)

      2.1 D-S證據(jù)理論存在問題分析

      D-S證據(jù)理論在數(shù)學(xué)公式的推導(dǎo)上是非常嚴(yán)謹(jǐn)?shù)模窃趯?shí)際使用的過程中,面對(duì)一些極端情況,進(jìn)行D-S證據(jù)理論融合會(huì)得到不切實(shí)際的判決結(jié)果。以MPAR行為狀態(tài)識(shí)別為例,假設(shè)包含的行為狀態(tài)樣本空間為Θ={S,A,N,R,T},其中,S為搜索,A為捕獲,N為非自適應(yīng)跟蹤,R為距離分辨,T為跟蹤保持。2條隱馬爾可夫鏈的基本概率賦值如下所述。

      HMM1支持度為m1(S)=0.37,m1(A)=0,m1(N)=0.01,m1(R)=0,m1(T)=0.62;HMM2支持度為m2(S)=0,m2(A)=0.72,m2(N)=0.01,m2(R)=0.28,m2(T)=0。

      如果使用傳統(tǒng)D-S證據(jù)理論,求得沖突因子K=0.000 1,使用傳統(tǒng)D-S證據(jù)理論合成規(guī)則可得m(N)=1,m(S)=m(A)=m(R)=m(T)=0。2條隱馬爾可夫鏈對(duì)N的支持度很低,但最后判決結(jié)果100%的指向?yàn)镹,這顯然與實(shí)際結(jié)果相差甚遠(yuǎn)。其次,當(dāng)HMM1中對(duì)A的基本概率賦值增加0.01后,其融合的結(jié)果m(A)將變?yōu)?.986,說明算法魯棒性很差。在基本概率賦值有微小變化時(shí),融合結(jié)果將發(fā)生劇烈變化。此外,如果之前某個(gè)證據(jù)源對(duì)某狀態(tài)的支持度為0,無論怎么增加證據(jù)對(duì)該狀態(tài)的支持度,最后的融合結(jié)果也仍然是0。

      2.2 D-S證據(jù)理論的改進(jìn)

      根據(jù)2.1節(jié)對(duì)傳統(tǒng)D-S證據(jù)理論的分析可知,傳統(tǒng)D-S證據(jù)理論主要有3大缺陷:1) 對(duì)特殊基本概率賦值的融合結(jié)果很差,容易誤判;2) 算法魯棒性很差,在細(xì)微概率賦值變化的情況下,融合結(jié)果發(fā)生劇烈變化;3) 當(dāng)某焦元支持度為0時(shí),存在“一票否決”現(xiàn)象。為了克服傳統(tǒng)D-S證據(jù)理論的不足,本文不改變合成規(guī)則,主要對(duì)證據(jù)模型進(jìn)行改進(jìn),淡化證據(jù)沖突對(duì)融合結(jié)果的誤判影響。

      假設(shè)存在p個(gè)證據(jù)源,q個(gè)焦元元素,第j個(gè)證據(jù)源對(duì)第i個(gè)焦元的基本概率賦值為mj(Ai)。首先引進(jìn)平均證據(jù)體,即將所有現(xiàn)有的證據(jù)進(jìn)行平均,得到平均概率賦值,作為一個(gè)新的證據(jù)體。將平均證據(jù)體對(duì)第i個(gè)焦元的基本概率賦值記為mave(Ai)(0

      (1)

      該方法可以有效解決“一票否決”的問題。此外,由于在實(shí)際的判決過程中,每個(gè)證據(jù)源的可信度并不是完全相同的,因此在進(jìn)行最后的融合時(shí)還應(yīng)考慮不同證據(jù)源的支持度。通過引進(jìn)每個(gè)證據(jù)源的可信度α,得到帶可信度的基本概率賦值,記為mα(Ai)(0

      α=[α1α2α3…αp]

      (2)

      (3)

      3 識(shí)別算法設(shè)計(jì)

      影響MPAR行為轉(zhuǎn)變的內(nèi)、外因有很多,但是現(xiàn)有研究大多是基于雷達(dá)字?jǐn)?shù)據(jù)進(jìn)行其行為的識(shí)別工作。本文以雷達(dá)字信息為主體,通過加入運(yùn)動(dòng)狀態(tài)和天線掃描方式兩個(gè)輔助信息,提出了一種基于改進(jìn)D-S證據(jù)理論和HMM的MPAR行為識(shí)別方法。

      該方法首先引入HMM,將MPAR的運(yùn)動(dòng)狀態(tài)和天線掃描方式作為構(gòu)成第1條隱馬爾可夫鏈的觀測(cè)集。

      一方面,由于偵察方不能確定敵方的具體攻擊目標(biāo),所以運(yùn)動(dòng)狀態(tài)中的距離d作為無效參數(shù)被刪除。按照MPAR的運(yùn)動(dòng)狀態(tài),根據(jù)數(shù)值的相對(duì)大小建立不同的參數(shù)對(duì)應(yīng)關(guān)系,如表1所示,以此區(qū)別小、中、大3個(gè)層次。不同的層次對(duì)應(yīng)于MPAR不同工作狀態(tài)下的行為特性,是后期進(jìn)行MPAR行為辨識(shí)的重要依據(jù)之一。

      表1 MPAR運(yùn)動(dòng)狀態(tài)描述Table 1 Description of MPAR motion states

      另一方面,AST作為推斷MPAR行為狀態(tài)的重要依據(jù),也是后期仿真數(shù)據(jù)集構(gòu)造的重點(diǎn)內(nèi)容之一。按照不同的屬性,可將天線的掃描方式分為不同的類別。本文主要從天線波束的驅(qū)動(dòng)機(jī)制進(jìn)行分類,將MPAR的AST分為電子掃描(Electronic Scan,ES)和機(jī)/電混掃(Mechanical/Electronic Mixed Scan,M/EMS)兩種。

      由于M/EMS本身采用的天線也是ES,所以在進(jìn)行仿真時(shí)將其定義為一維電掃(One-Dimensional Elctronic Scan,1D ES),將能同時(shí)測(cè)量方位向和俯仰向的AST定義為二維電掃(Two-Dimensional Elctronic Scan,2D ES)。同樣采取表的定義方式,將1D ES的AST對(duì)應(yīng)于字母s1,將2D ES的AST對(duì)應(yīng)于字母s2。

      (4)

      將雷達(dá)字序列作為構(gòu)成第2條隱馬爾可夫鏈的觀測(cè)集,記為V2。假設(shè)MPAR的雷達(dá)字共6個(gè),分別是ω1,ω2,ω3,ω4,ω5,ω6,假定其只包含26種不同的狀態(tài),每種狀態(tài)對(duì)應(yīng)4個(gè)雷達(dá)字,構(gòu)建MPAR的第2個(gè)觀測(cè)集,即

      (5)

      V1和V2一起構(gòu)成一個(gè)雙鏈HMM。先后運(yùn)用Baum-Welch和Viterbi算法估計(jì)觀測(cè)序列所隱藏的行為狀態(tài)序列,最后運(yùn)用改進(jìn)的D-S證據(jù)理論融合2條HMM鏈的估計(jì)結(jié)果,通過概率判決得到最后的結(jié)果。本文所提算法將MPAR行為識(shí)別問題轉(zhuǎn)化為一個(gè)概率估計(jì)結(jié)果的融合問題,主要分為4個(gè)小框架來完成最終的行為辨識(shí)目的,具體算法的流程見圖1。根據(jù)算法流程圖,4個(gè)框架依次為數(shù)據(jù)集劃分框架、模型訓(xùn)練框架、狀態(tài)預(yù)測(cè)框架和結(jié)果融合框架。

      圖1 算法流程圖Fig.1 Flow chart of the algorithm

      1) 數(shù)據(jù)集初始化和劃分。首先將初始的MPAR運(yùn)動(dòng)狀態(tài)和天線掃描方式轉(zhuǎn)換為字符形式數(shù)據(jù)集,作為HMM1的觀測(cè)序列數(shù)據(jù)集;將雷達(dá)字序列作為HMM2的觀測(cè)序列數(shù)據(jù)集。由于戰(zhàn)場(chǎng)中所面對(duì)的敵方MPAR平臺(tái)是非協(xié)作目標(biāo),所以事先無法獲取敵方觀測(cè)序列與隱藏狀態(tài)的對(duì)應(yīng)關(guān)系,需要采用無監(jiān)督的模型訓(xùn)練方法。因此需要進(jìn)行數(shù)據(jù)集劃分,按照7∶3的關(guān)系將初始數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集。

      3) 狀態(tài)預(yù)測(cè)。將模型訓(xùn)練得到的最優(yōu)參數(shù)模型作為狀態(tài)預(yù)測(cè)的輸入?yún)?shù),采用Viterbi算法對(duì)測(cè)試集數(shù)據(jù)進(jìn)行狀態(tài)預(yù)測(cè),分別得到HMM1觀測(cè)序列的估計(jì)結(jié)果1和HMM2觀測(cè)序列的估計(jì)結(jié)果2。

      4) 結(jié)果融合。首先找出狀態(tài)預(yù)測(cè)中Viterbi算法得到的各節(jié)點(diǎn)相異狀態(tài),將該狀態(tài)的最大概率值作為該狀態(tài)的概率賦值。由于各狀態(tài)概率值會(huì)隨著觀測(cè)序列訓(xùn)練長(zhǎng)度增加而逐漸變小趨于零,因此在進(jìn)行D-S證據(jù)理論融合之前,還要將各狀態(tài)的概率分布值進(jìn)行歸一化處理。完成歸一化處理之后,采用改進(jìn)的D-S證據(jù)理論完成最后的結(jié)果融合,得到最終的識(shí)別結(jié)果。

      4 仿真實(shí)驗(yàn)和結(jié)果分析

      按照第1章對(duì)MPAR行為轉(zhuǎn)變的內(nèi)、外因分析,本章的仿真數(shù)據(jù)集主要從戰(zhàn)場(chǎng)環(huán)境態(tài)勢(shì)、空間運(yùn)動(dòng)狀態(tài)、天線掃描方式以及表現(xiàn)雷達(dá)功能狀態(tài)的關(guān)鍵要素——雷達(dá)字序列著手。由于不同作戰(zhàn)環(huán)境下戰(zhàn)場(chǎng)態(tài)勢(shì)差別很大,對(duì)這部分內(nèi)容進(jìn)行仿真得出的識(shí)別模型不具有很強(qiáng)的泛化性,所以本文主要考慮從另外3個(gè)方面構(gòu)建仿真數(shù)據(jù)集驗(yàn)證本文所提的基于改進(jìn)D-S證據(jù)理論的雷達(dá)行為狀態(tài)識(shí)別方法。

      實(shí)驗(yàn)場(chǎng)景設(shè)定:假設(shè)某國(guó)的導(dǎo)彈驅(qū)逐艦出現(xiàn)在我國(guó)某海域,由于戰(zhàn)場(chǎng)環(huán)境不斷變化,驅(qū)逐艦上所搭載的MPAR的行為狀態(tài)也將不斷變化,其行為狀態(tài)的轉(zhuǎn)變規(guī)律遵循圖2所示的轉(zhuǎn)換機(jī)制。

      圖 2 行為狀態(tài)轉(zhuǎn)變規(guī)律Fig.2 Patterns of functional change

      仿真生成MPAR的仿真數(shù)據(jù)集,一共10條,前7條用作訓(xùn)練數(shù)據(jù)集,后3條用作測(cè)試數(shù)據(jù)集。其中,距離、速度的數(shù)據(jù)集長(zhǎng)度與雷達(dá)字集長(zhǎng)度的1/4相等,隱藏行為狀態(tài)序列包括搜索(Search),捕獲(Acquisition,ACQ),非自適應(yīng)跟蹤(Non-Adaptive Track,NAT),距離分辨(Range Resolution,RR)和跟蹤保持(Track Maintenance,TM)共5種狀態(tài)。依據(jù)目前公開的加拿大水星多功能雷達(dá)工作特性,設(shè)定MPAR功能狀態(tài)與觀測(cè)序列的對(duì)應(yīng)關(guān)系分別如表2和表3所示。

      表2 功能狀態(tài)與觀測(cè)序列s的對(duì)應(yīng)關(guān)系Table 2 Correspondence between functional state and observation sequence s

      表3 功能狀態(tài)與觀測(cè)序列ω的對(duì)應(yīng)關(guān)系Table 3 Correspondence between functional state and observation sequence ω

      4.1 算法有效性驗(yàn)證

      4.1.1 模型訓(xùn)練得分情況

      首先進(jìn)行算法有效性驗(yàn)證實(shí)驗(yàn)。取訓(xùn)練數(shù)據(jù)集長(zhǎng)度為2100,測(cè)試集數(shù)據(jù)長(zhǎng)度為900。根據(jù)文獻(xiàn)[5],將航速介于0~11 kn(1 kn≈1.852 km/h)之間記為低速,介于11~21 kn之間記為中速,超出21 kn記為高速,依次編碼為s1,s2,s3;記艦載武器最大射程為dmax,距離介于0~dmax/3編碼為s1,距離介于dmax/3~dmax編碼為s2,超出dmax編碼為s3。進(jìn)行100次Monte Carlo實(shí)驗(yàn),模型訓(xùn)練的對(duì)數(shù)概率分值情況如圖3和圖4所示。

      圖 3 ω模型訓(xùn)練的對(duì)數(shù)概率分值情況Fig.3 The log probability score of the ω model training

      圖 4 s模型訓(xùn)練的對(duì)數(shù)概率分值情況Fig.4 The log probability score of the s model training

      不難看出,相同實(shí)驗(yàn)條件下,模型訓(xùn)練100次會(huì)多次出現(xiàn)異常值。為了更清晰地觀察異常值情況,繪制圖3和圖4對(duì)應(yīng)的箱線圖分別如圖5和圖6所示。

      圖 5 ω模型訓(xùn)練的對(duì)數(shù)概率分值箱線圖Fig.5 Box plot of log probability scores for ω model training

      圖 6 s模型訓(xùn)練的對(duì)數(shù)概率分值箱線圖Fig.6 Box plot of log probability scores for s model training

      ω模型訓(xùn)練產(chǎn)生了23次異常值(超過均值5%以上的有8個(gè)),s模型訓(xùn)練產(chǎn)生18次異常值(超過均值5%以上的有9個(gè)),異常值占比較高,會(huì)造成后續(xù)狀態(tài)識(shí)別結(jié)果的不穩(wěn)定性。因此本文對(duì)整體算法再次進(jìn)行改進(jìn),首先增加n次模型訓(xùn)練次數(shù)得到不同的訓(xùn)練得分記為scorei(0

      4.1.2 訓(xùn)練集長(zhǎng)度對(duì)識(shí)別性能的影響

      使用運(yùn)動(dòng)狀態(tài)和天線掃描方式數(shù)據(jù)集進(jìn)行行為狀態(tài)識(shí)別的方法記為HMM-s,使用雷達(dá)字?jǐn)?shù)據(jù)集進(jìn)行行為狀態(tài)估計(jì)的方法記為HMM-ω,本文所提方法記為Modified-DS,通過對(duì)比實(shí)驗(yàn)研究訓(xùn)練集長(zhǎng)度對(duì)3種方法識(shí)別性能的影響。為了使仿真實(shí)驗(yàn)進(jìn)一步逼真現(xiàn)實(shí)戰(zhàn)場(chǎng)情況,設(shè)置前期進(jìn)行雷達(dá)字提取時(shí)所得雷達(dá)字的提取錯(cuò)誤率為8%,運(yùn)動(dòng)狀態(tài)提取錯(cuò)誤率為2%進(jìn)行仿真實(shí)驗(yàn),識(shí)別結(jié)果取30次Monte Carlo實(shí)驗(yàn)的平均值,得到不同方法隨訓(xùn)練數(shù)據(jù)集長(zhǎng)度變化的識(shí)別準(zhǔn)確率對(duì)比見圖7。

      圖 7 識(shí)別準(zhǔn)確率隨數(shù)據(jù)集長(zhǎng)度的變化Fig.7 Variation of recognition accuracy with dataset length

      圖7展示的是在100個(gè)批次的數(shù)據(jù)集下,不同方法所得識(shí)別率的對(duì)比情況??梢园l(fā)現(xiàn),在最初數(shù)據(jù)集容量較小時(shí),3種方法識(shí)別效果均較差,這主要是因?yàn)樵跀?shù)據(jù)量不夠的情況下,訓(xùn)練得到的模型參數(shù)存在較大誤差,進(jìn)而導(dǎo)致最后的預(yù)測(cè)效果不佳。當(dāng)達(dá)到15個(gè)批次后,各方法的識(shí)別準(zhǔn)確率將趨于穩(wěn)定,這對(duì)后續(xù)的實(shí)驗(yàn)設(shè)置具有一定的指導(dǎo)意義。這主要是因?yàn)殡S著數(shù)據(jù)長(zhǎng)度不斷增加,訓(xùn)練所得模型將逐步逼近于MPAR原始模型,所以識(shí)別準(zhǔn)確率逐步提升,最后趨于穩(wěn)定。此外,3種方法在模型訓(xùn)練穩(wěn)定后均有一定的識(shí)別準(zhǔn)確率突變點(diǎn),這是因?yàn)樵O(shè)置了雷達(dá)字提取誤差,導(dǎo)致訓(xùn)練的模型存在一定的不穩(wěn)定性,造成最后的識(shí)別效果略有下降,但是在最差的情況下基于改進(jìn)D-S證據(jù)理論的識(shí)別方法仍有95.5%的識(shí)別準(zhǔn)確率,不影響改進(jìn)方法的整體性能。

      4.2 雷達(dá)字提取性能對(duì)識(shí)別效果的影響

      進(jìn)行高層次的MPAR行為識(shí)別的前提是首先完成好較低層次的行為辨識(shí)工作,其中最重要的工作之一就是進(jìn)行雷達(dá)字提取。為了驗(yàn)證所提改進(jìn)算法的魯棒性,本次實(shí)驗(yàn)首先將雷達(dá)字提取的準(zhǔn)確率設(shè)置為100%,之后每次降低0.5%,直到提取準(zhǔn)確率為50%。此外,根據(jù)圖7所展示的實(shí)驗(yàn)結(jié)果,在15個(gè)批次后訓(xùn)練模型將趨于穩(wěn)定,所以本次實(shí)驗(yàn)中訓(xùn)練數(shù)據(jù)集的大小設(shè)置為15個(gè)批次,分別進(jìn)行100次Monte Carlo實(shí)驗(yàn),將平均值作為識(shí)別的最終結(jié)果,統(tǒng)計(jì)HMM-s,HMM-ω和Modified-DS這3種方法的識(shí)別準(zhǔn)確率如圖8所示。

      圖8 識(shí)別準(zhǔn)確率隨雷達(dá)字提取錯(cuò)誤率的變化Fig.8 Variation of recognition accuracy with radar word extraction error rate

      隨著提取雷達(dá)字的準(zhǔn)確率下降,也就是隨著雷達(dá)字提取的錯(cuò)誤率增大,HMM-ω和Modified-DS這2種方法的識(shí)別準(zhǔn)確率呈現(xiàn)波浪式下降趨勢(shì),HMM-s的識(shí)別準(zhǔn)確率穩(wěn)定在89%左右,這是因?yàn)镠MM-s僅依靠MPAR的空間運(yùn)動(dòng)狀態(tài)和天線掃描方式來進(jìn)行最后的識(shí)別工作,所以基本不受影響。當(dāng)雷達(dá)字提取錯(cuò)誤率小于28%時(shí),大多數(shù)情況下Modified-DS識(shí)別準(zhǔn)確率高于另外兩種方法。當(dāng)雷達(dá)字提取的準(zhǔn)確率小于72%時(shí),雖然Modified-DS識(shí)別準(zhǔn)確率逐步下降并低于HMM-s方法,但仍高于HMM-ω方法,且在一般情況下,雷達(dá)字提取的準(zhǔn)確率會(huì)維持在80%以上。

      5 結(jié)束語

      根據(jù)MPAR的行為規(guī)律,首先從戰(zhàn)場(chǎng)環(huán)境態(tài)勢(shì)、空間運(yùn)動(dòng)狀態(tài)以及天線掃描方式這3個(gè)方面分析了影響MPAR的內(nèi)、外因素,并通過分析決定采用空間運(yùn)動(dòng)狀態(tài)、天線掃描方式這2個(gè)信息作為MPAR行為辨識(shí)的輔助信息。之后分別將可觀測(cè)信息和雷達(dá)字建立對(duì)應(yīng)的HMM鏈,最后結(jié)合改進(jìn)的D-S證據(jù)理論融合2條單鏈的估計(jì)結(jié)果,以此作為最終的識(shí)別結(jié)果。通過仿真實(shí)驗(yàn)證明了算法的有效性,在一定范圍內(nèi),數(shù)據(jù)量的增大將使得最后識(shí)別準(zhǔn)確率逐漸提升,達(dá)到一定程度后保持穩(wěn)定;此外,改進(jìn)算法的魯棒性較強(qiáng),在一定雷達(dá)字提取錯(cuò)誤率的前提條件下仍有不錯(cuò)的識(shí)別效果。但是改進(jìn)算法也存在不穩(wěn)定的缺陷,提升算法穩(wěn)定性將是下一步工作的重點(diǎn)。

      猜你喜歡
      天線準(zhǔn)確率雷達(dá)
      有雷達(dá)
      大自然探索(2023年7期)2023-08-15 00:48:21
      乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
      健康之家(2021年19期)2021-05-23 11:17:39
      不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
      2015—2017 年寧夏各天氣預(yù)報(bào)參考產(chǎn)品質(zhì)量檢驗(yàn)分析
      雷達(dá)
      高速公路車牌識(shí)別標(biāo)識(shí)站準(zhǔn)確率驗(yàn)證法
      ETC相控陣天線與普通天線應(yīng)用對(duì)比分析
      ALLESS轉(zhuǎn)動(dòng)天線射頻旋轉(zhuǎn)維護(hù)與改造
      電子制作(2016年1期)2016-11-07 08:42:54
      理論宣講要上接天線、下接地氣
      基于空時(shí)二維隨機(jī)輻射場(chǎng)的彈載雷達(dá)前視成像
      南华县| 黄冈市| 遂平县| 衢州市| 吴川市| 敦煌市| 平山县| 西宁市| 那坡县| 龙川县| 康乐县| 若尔盖县| 蒙自县| 增城市| 莱芜市| 汝州市| 怀集县| 资兴市| 郴州市| 松原市| 肇庆市| 漳浦县| 博客| 五大连池市| 沈阳市| 秀山| 巴马| 三门峡市| 神池县| 东乌珠穆沁旗| 嘉兴市| 吕梁市| 梁河县| 巴东县| 安达市| 廉江市| 郁南县| 陆良县| 博白县| 灌南县| 印江|