Предикатна модель процесних знань при виявленні і розпізнаванні протяжних об'єктів типу хмари, «ангел-луна» в оглядових РЛС
DOI:
https://doi.org/10.30837/rt.2020.3.202.18Ключові слова:
модель процесних знань, прийняття рішень, рухомий об’єкт, виявлення, розпізнавання, інтелектуальна система, символьна модель сигнальних відміток.Анотація
Розроблено предикатну модель процесних знань міжперіодної обробки радіолокаційних сигналів при виявленні і розпізнаванні протяжних об'єктів і метод прийняття рішень, заснований на прецедентах. Наведено основні особливості і структурні елементи моделі процесних знань. Показано, що переваги даної моделі пов'язані з можливостями конфігурації і ієрархічного представлення процесу з вивчення можливих структур одиночних або груп імпульсних сигналів в межах однієї зони огляду РЛС на основі інтелектуального аналізу сигналів з використанням алгебри кінцевих предикатів. Показано, як цей підхід може використовуватися для автоматизації процесу виявлення і розпізнавання протяжних об'єктів типу хмари, атмосферні неоднорідності типу «ангел-луна». Розроблено метод обробки процесних знань як інструмент для створення універсальних алгоритмів міжперіодной обробки сигнальної інформації для забезпечення ефективного виявлення і розпізнавання різних протяжних об'єктів, в тому числі атмосферних неоднорідностей типу «ангел-луна», за рахунок накопичення як сигнальної (енергетичної), так і логічної інформації в комірці, що аналізується, та в її околу. В розроблену технологію входять процедури формалізації та аналізу символьної моделі спостережуваних об'єктів для прийняття рішень, заснованих на прецедентах. Залежно від типів зв'язків, які використовуються в моделі, розрізняють класифіковані і функціональні мережі, де використовуються деякі елементи логічних і мережевих моделей. З логічних моделей запозичена ідея правил виведення або вирішального правила, а з мережевих моделей – опис знань у вигляді семантичної нейронної мережі. У цієї комбінованої моделі явно виділена процедурна інформація. Замість логічного висновку з'являється висновок або вирішальне правило на знаннях. В результаті рішення системи предикатних рівнянь процесних знань знаходимо місце, геометричні розміри і вид символьної моделі протяжного об'єкта.Посилання
Сколник М.И. Справочник по радиолокации : в 2 т. ; пер. с англ. под ред. B.C. Вербы. Москва : Тех-носфера, 2014. 672 с.
Иванилов А.А. Реляционные алгебры и алгебры предикатов / А. А. Иванилов, Ю.П. Шабанов-Кушнаренко // Восточно-Европейский журнал передовых технологий. 2007. № 4/2. С. 43–48.
Russel S. Artificial intelligence. A modern approach, Second Edition / S. Russel, P. Norvig. Williams, 2006. 1410 p.
Бондаренко М. Ф. Теория интеллекта : учебник / М. Ф. Бондаренко, Ю. П. Шабанов-Кушнаренко. Харьков : изд-во СМИТ, 2007. 576 с.
Горелик А. Л. Методы распознавания / А. Л. Горелик, В. А. Скрипкин. Москва : Высш. шк, 2004. 261 с.
Журавлев Ю. И. Об алгебраическом подходе к решению задач распознавания или классификации // Проблемы кибернетики. 2005. Вып. 33. С. 5–68.
Жирнов В.В., Солонская С.В. Предикатная модель процессных знаний о наблюдаемых объектах в многоканальных интеллектуальных системах мониторинга // Радиотехника. 2019. Вып. 199. С. 67 – 74.
Solonskaya S. V., Zhirnov, V. V. Intelligent analysis of radar data based on fuzzy transforms // Telecommunications and Radio Engineering (English translation of Elektrosvyaz and Radio-tekhnika). 2018. 77 (15). Р. 1321-1329.
Shubin I., Snisar S., Zhyrnov V., Slavhorodskyi V. Practical Application of Formal Representation of nformation for Intelligent Radar Systems // 5th International Scientific-Practical Conference “Problems of Infocommunications. Science and Technology (PIC S&T)”, 2018, 9-12 October, Pages 433-436.
Solonskaya S.V., Zhirnov V.V. Signal processing in the intelligence systems of detecting low-observable and low-doppler aerial targets/ Telecommunications and Radio Engineering. 2018. Vol. 77, Issue 20. P. 1827-1835.
Zhirnov V.V., Solonskaya S.V., Zima I.I. Magnetic and electric aspects of genesis of the radar angel clutters and their virtual imaging // Telecommunications and Radio Engineering (English translation of Elektrosvyaz and Radiotekhnika). 2016. 75 (15). Р. 1331-1341.
Solonska S., Zhyrnov V., Holovin O. Semantic Processing of Radar Spectral Information for Air Object Recognition // 2019 IEEE International Scientific-Practical Conference: Problems of Infocommunications Science and Technology, PIC S and T 2019 – Proceedings.
Shubin I., Solonska S., Snisar S., Slavhorodskyi V., Skovorodnikova V. Semantic Radar Technology for Detecting and Recognizing Low-Visible Air Objects // 2019 IEEE International Scientific-Practical Conference: Problems of Infocommunications Science and Technology, PIC S and T 2019 – Proceedings.
##submission.downloads##
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access)