Russian Language English Language

4. Модели и методы для обоснования выбора состава программных средств ВС

4.1 ПРОГРАММНЫЙ КОМПЛЕКС ДЛЯ СТРУКТУРНОГО СПЕКТРАЛЬНОГО АНАЛИЗА АЦИКЛИЧЕСКИХ ГРАФОВ

4.2 ГЕНЕРАТОРЫ СРЕДНИХ ПО СЛОЖНОСТИ СТРУКТУР ДЛЯ ИССЛЕДОВАНИЯ БАЗОВЫХ АЛГОРИТМОВ СТРУКТУРНОЙ ИНФОРМАТИКИ

4.3 РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМА ОПРЕДЕЛЕНИЯ ГРУППОВЫХ ОБЪЕКТОВ ПО ГРУППОВЫМ ДИСКРЕТНЫМ ИЗМЕРЕНИЯМ

4.4 ПОСТРОЕНИЕ МОДУЛЬНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ С ИСПОЛЬЗОВАНИЕМ МЕТАДАННЫХ В СФЕРЕ УЧЁТА НЕФТЯНОЙ ПРОДУКЦИИ

4.5 РЕАЛИЗАЦИЯ МОДЕЛИ АСИНХРОННОГО ОБМЕНА СООБЩЕНИЯМИ В РАМКАХ СПЕЦИФИКАЦИИ RTCORBA

4.6 СТРУКТУРИРОВАНИЕ ИНФОРМАЦИИ БАЗЫ ЗНАНИЙ ДЛЯ СЕТЕВОЙ РАСПРЕДЕЛЕННОЙ СИСТЕМЫ НА ОСНОВЕ ВЕРОЯТНОСТНОГО ПОИСКА

4.7 ОБРАБОТКИ ОДНОРОДНЫХ ДАННЫХ О СОСТОЯНИИ ТЕХНОЛОГИЧЕСКОГО ОБЪЕКТА (ТО)

4.8 РАЗРАБОТКА ФОРМАТОВ ПРЕДСТАВЛЕНИЯ ОНТОЛОГИЙ ПРЕДМЕТНОЙ ОБЛАСТИ ДЛЯ РЕАЛИЗАЦИИ ИНФОРМАЦИОННЫХ СРЕД


Экспресс информация

Редколлегия журнала

Подписка на новости

Гостевая книга

Предоставление материалов

Письмо в редакцию

На начало


2007, Номер 1 ( 10)



Place for sale
А

BC/NW 2007, №1, (10) :4.3

 

Разработка и  исследование алгоритма определения групповых объектов по групповым дискретным измерениям

 

А.А. Корнев,. Ю.А. Горицкий

 

(Москва, Московский энергетический институт (технический университет), Россия)

 

Решается задача выделения траекторий многих движущихся объектов при получении совокупностей неклассифицированных измерений в отдельные моменты времени в условиях помех (например, при поступлении ложных отметок-измерений, при пропусках измерений, при среднеквадратических ошибках измерений, соизмеримых с расстояниями между объектами). Трудность этой задачи связана с тем, что принадлежность отдельных отметок-измерений тому или иному объекту неизвестна, а число возможных вариантов их соединения в траектории экспоненциально растет с ростом времени наблюдения. Ключевыми идеями, позволяющими преодолеть трудность перебора, являются:

- введение показателя качества для варианта объединения точек-измерений в траекторию, характеризующего правдоподобие данного варианта и обладающего свойством аддитивности;

- схема сокращения перебора вариантов, близкая к динамическому программированию, использующая аддитивность показателя качества;

последовательный анализ наиболее правдоподобных вариантов.

Достоинствами предложенного алгоритма являются высокая помехоустойчивость, значительное повышение непрерывности сопровождения, уменьшение числа ложных трасс.

В первой части работы произведено применение предложенного метода для двумерной задачи распознавания групп сигналов по временным отсчетам. Произведено сравнение с переборным методом решения данной задачи.

Во второй части метод применяется для автоматического сопровождения групповых воздушных целей в системе вторичной обработки радиолокационной информации. Для демонстрации работы алгоритма смоделирована работа ряда узлов радиолокационной станции, а также воздушная обстановка. Моделируется процесс измерения координат целей с гауссовой ошибкой, захват, сопровождение и срыв сопровождения. Траектории движения воздушных целей задаются кривыми второго порядка.

В заключение приводится анализ теоретически достижимых характеристик описанных выше измерительных систем. Математическая модель измерительной системы принимается линейной, y = Lx, где х –  матрица из столбцов, содержащих параметры движения, а матрица y содержит вектор-столбцы измеряемых параметров. Характеристикой качества измерительной системы является величина, называемая различающей способностью. Различающая способность – это максимальное расстояние между неразличимыми группами точек. Расчет этой характеристики сводится к нахождению минимальных собственных чисел разбиений матрицы L.

 

Литература.

1. Горицкий Ю.А. О восстановлении совокупности точек по групповым наблюдениям линейных измерителей // Вестник МЭИ. – 2001. – №6. – С. 24-42.

2. Хазен Э.М. Алгоритм распознавания ветвящихся гипотез в задаче автозахвата и сопровождения траекторий многих движущихся объектов. Автоматика и телемеханика.-1996.-№7. – С. 79-89.