WWW.KNIGI.KONFLIB.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

 
<< HOME
Научная библиотека
CONTACTS

Pages:     | 1 | 2 || 4 | 5 |   ...   | 28 |

«Методы слепой обработки сигналов и их приложения в системах радиотехники и связи Москва Радио и связь 2003 УДК 621.396 Горячкин О.В. Методы слепой обработки сигналов и ...»

-- [ Страница 3 ] --

Помимо научного назначения эти системы сегодня являются уникальным инструментом при решении таких практических задач, как контроль чрезвычайных ситуаций, экологический мониторинг, картография, сельское хозяйство, мореплавание во льдах и прочее. Следует также отметить, что эти системы являются одним из эффективных инструментов контроля за выполнением договоров по разоружению.

Расширение областей применения РСА стимулирует постоянный рост требований к их пространственному разрешению, а также освоению новых частотных диапазонов.

При этом становится все более значимым эффект деградации пространственного разрешения радиолокационных изображений (расфокусировка), который возникает в этих системах вследствие погрешности траекторных измерений, влияния среды распространения, движения цели.

Задача автоматической фокусировки изображений радиолокаторов с синтезированной апертурой впервые стала актуальной в связи с повышением пространственного разрешения авиационных РСА до уровня единиц метров в конце 80-х и первой половине 90-х годов. Проблема была вызвана тем, что навигационные системы самолета не могли с необходимой точностью обеспечить измерение траектории перемещения фазового центра антенны РСА, что является необходимым условием получения высокого пространственного разрешения [34].

Рис.1.5. Радиолокационное изображение авиационной РСА L – диапазона «МАРС» (ЦРМ ДЗЗ им. А.И. Калмыкова, г. Харьков, Украина) дефокусированное изображение слева, фокусированное изображение справа.

Если параметры относительного движения объекта и РЛС известны то, используя методы прямого или обращенного синтеза апертуры возможно построение радиолокационного изображения объекта. В этом случае модель отраженного сигнала может быть представлена в виде:

где: (, ) - комплексный коэффициент отражения подстилающей поверхности; h(t,,, ) - пространственно-временной сигнал РЛС с синтезированной апертурой, отраженный точечной целью (импульсная характеристика радиолокационного канала);, - координаты элемента подстилающей поверхности (азимут, дальность); t, - временные координаты двумерного отраженного сигнала.

В системах, использующих методы обращенного синтеза апертуры, телескопических РСА размер области интегрирования D(t, ) значительно больше размера объекта в плоскости t, модель сигнала (1.14) можно представить в виде двумерной свертки:

Качественно, процесс формирования радиолокационных изображений в РСА показан на Рис.1.5.

В целом задача формирования радиолокационных изображений относится к классу обратных задач. Неопределенность относительно одного или нескольких параметров псевдообратного или регуляризирующего оператора H 1 и составляет существо проблемы параметрической фокусировки радиоизображений [35].

В такой постановке проблема в большинстве случаев была успешно решена разработкой алгоритмов цифровой автофокусировки изображений РСА.

Широко известны две основных группы алгоритмов автофокусировки, это: алгоритмы, основанные на использовании критерия качества в виде локальных статистик РСА изображений и алгоритмы, использующие корреляционные свойства расфокусированных изображений [35,36].

В большинстве случаев, эти алгоритмы обеспечивают достижение заданного уровня разрешения, однако, в случае, когда РСА устанавливается на летательных аппаратах легкого класса (малая авиация, вертолеты, беспилотные самолеты), вариации параметров фокусировки становятся сравнимы с интервалом синтеза апертуры. В этом случае получение заданного уровня разрешения требует использования более адекватных моделей траекторного сигнала и более эффективных алгоритмов автофокусировки.

В отличие от задачи параметрической фокусировки, когда неизвестны один или несколько параметров траекторного сигнала; в задаче непараметрической фокусировки приходится восстанавливать неизвестный оператор H 1 в целом [35].

Задача непараметрической фокусировки (слепой идентификации) возникает в основном вследствие эффектов распространения сигналов РСА в атмосфере [37] и характерна в большей степени для РСА космического базирования и авиационных РСА, уровень пространственного разрешения которых достигает единиц сантиметров и требует использования сверхширокополосных сигналов.

1.2.3. Слепая обработка изображений Коррекция линейных искажений изображений различного происхождения (оптических, акустических, рентгеновских, инфракрасных) это задача восстановления двумерного, пространственно ограниченного, неотрицательного сигнала [39], искаженного линейным оператором.

Модель такого сигнала также может быть описана выражениями (1.14) или (1.15) с учетом того, что y (t, ) и (, ) положительные, пространственно ограниченные функции. В тех случаях, когда изображение формируется как интенсивность поля некоторого когерентного источника, модель такого изображения может быть представлена в виде:

Источники линейных искажений это, например дефокусировка объектива оптической системы формирования изображения, скоростной сдвиг (смаз) изображения вследствие движения объекта в процессе экспозиции, различного рода дифракционные ограничения (т.е. ограничение пространственного спектра изображения регистрирующим устройством), влияние среды распространения (например, атмосферная турбулентность).

Часто исследователю известна форма импульсной характеристики искажающего изображение канала [39], тогда коррекция изображения может быть осуществлена линейным оптимальным или субоптимальным фильтром, построенным в соответствии с той или иной стратегией регуляризации [40].



Слепая коррекция изображений (blind image deconvolution) задача, возникающая в случае отсутствия априорной информации об ИХ канала формирования.

Особенно актуальна задача слепой коррекции линейных искажений изображений в задачах дистанционного зондирования Земли, астрономии, медицине.

Возможности слепой идентификации скалярных двумерных каналов несколько шире, чем одномерных. Это обстоятельство не раз отмечалось в литературе [41] и исторически привело к более интенсивному внедрению методов слепой обработки в данном случае.

Хорошо известно, например, что ковариационные функции стационарного процесса на выходе линейной системы не содержат информации о фазе её передаточной функции, и слепая идентификация канала по модулю передаточной функции возможна только для узкого класса систем с минимальной фазой.

Интересно, что для дискретных случайных полей это, вообще говоря, не так. Т.е. для двумерных дискретных сигналов возможности восстановления фазы по модулю передаточной функции значительно шире. Этот несколько неожиданный результат был получен методом математического моделирования Фьенапом в 1978г. (см. обзор [42]).

Объяснение этому факту заключается в том, что в кольце полиномов от двух и более переменных над полем комплексных чисел существует достаточно мощное множество неприводимых полиномов в отличие от кольца полиномов от одной переменной где, как известно, не существует неприводимых полиномов, степень которых больше 1.

Поэтому если двумерный дискретный сигнал имеет z преобразование, неразложимое на более простые множители, то очевидно используя единственность факторизации многочлена на неприводимые множители мы можем восстановить дискретный сигнал по его автокорреляции или что эквивалентно по его амплитудному спектру [43].

Естественно, что данное свойство двумерных сигналов можно использовать и для решения задачи детерминированной слепой идентификации канала формирования изображения [44].

Рассмотрим модель двумерной дискретной свертки:

Это же соотношение может быть записано в виде произведения полиномов кольца С[z1, z2 ] :

Если полиномы h( z1, z 2 ) и x( z1, z 2 ) неприводимы в кольце С[z1, z2 ], то факторизуя y ( z1, z 2 ) мы решаем проблему слепой идентификации.

Конечно, практическое применение подобного подхода существенно ограничено сложностью процедуры факторизации полиномов от многих переменных и наличием шума.

Алгоритм, имеющий некоторое практическое значение и основанный на свойстве неприводимости полиномов (1.18) известен как алгоритм «нулевого листа» был предложен в [45]. Алгоритм использует свойства поверхностей, точки которых являются корнями полиномов канала и истинного изображения. Концептуально близкий алгоритм был предложен в [46].

Дополнительным некоторым ограничением области применения данного подхода является использование предположения о пространственной ограниченности сигналов.

Помимо свойств z -преобразований от сигналов конечной протяженности для слепой идентификации используются также неотрицательность истинного изображения, различные параметрические модели (см.

обзор [47]).

1.2.4. Другие приложения СОС В последние годы наблюдается бурное развитие биомедицинских компьютерных технологий. Возможности цифровой обработки электрокардиограмм, энцефалограмм, электромиограмм, магнитоэнцефалограмм существенно расширили возможности диагностики широкого класса заболеваний.

Особенностью применения данных методов является необходимость разделения сигналов изучаемых органов от шумов различного происхождения и мешающих сигналов (например, разделение кардиограмм матери и ребенка).

В этих технологиях находят своё прямое применение методы слепого разделения источников и анализа независимых компонент. Модели наблюдаемых сигналов, используемые в этих приложениях, описываются выражениями (1.2) и (1.3) [144].

Проблема распознавания речи ключевая задача во многих областях робототехники и кибернетики. Технологии распознавания речи могут использоваться для управления действием различного рода машин и механизмов, ввода и поиска данных в компьютере и т.п.

В системе регистрации звуковой информации, доступный для распознавания сигнал это свёртка первоначального речевого сигнала и импульсной характеристики датчика и окружающей среды.

При этом параметры датчика также как и параметры среды изменяются чрезвычайно. Телефонные трубки различаются по степеням искажения, спектрального состава и уровня сигнала. Микрофоны изготовляются разнообразными способами и расположены в различных позициях телефонной трубки, с отверстиями различных размеров, расположены в различных точках в пределах звукового поля вокруг рта. Устройство распознавания, которое хорошо подходит для одного специфического датчика в одной специфической среде, могло бы работать очень плохо в других условиях. Поэтому, желательно чтобы эти параметры не влияли на работу алгоритма распознавания. Слепая идентификация используется в данной задаче для восстановления первоначального речевого сигнала [48,144].

Борьба с реверберацией необходима, в тех случаях, когда первоначальный речевой сигнал искажён акустикой окружающей среды, т.к. акустика окружающей среды зависит от геометрии и материалов комнаты и местоположения микрофона.

Так как первоначальный речевой сигнал неразличим и акустика окружающей среды неизвестна, слепая идентификация может использоваться в адаптивной борьбе с реверберацией.

Одной из показательных задач иллюстрирующих проблематику слепого разделения независимых источников является т.н. проблема разделения нужного разговора на фоне других говорящих людей, музыки, посторонних шумов (cocktail party problem). Мы можем заметить, что наш мозг легко с этим справляется, в тоже время, для компьютера это очень сложная задача.

Прикладное значение эта проблема имеет для разработки адаптивных систем прослушивания при записи звуковой информации на несколько микрофонов, установленных в помещении.

В задачах геологии, сейсмологических исследованиях используются технологии регистрации сигналов источников механических колебаний как искусственного происхождения (закладка в шурф динамита), так и естественного (землетрясение). Эти сигналы используются для оценки коэффициентов отражения различных пластов земной коры.



Pages:     | 1 | 2 || 4 | 5 |   ...   | 28 |
 

Похожие работы:

«4. В поэме Медный всадник А. С. Пушкин так описывает наводнение XXXV Турнир имени М. В. Ломоносова 30 сентября 2012 года 1824 года, характерное для Санкт-Петербурга: Конкурс по астрономии и наукам о Земле Из предложенных 7 заданий рекомендуется выбрать самые интересные Нева вздувалась и ревела, (1–2 задания для 8 класса и младше, 2–3 для 9–11 классов). Перечень Котлом клокоча и клубясь, вопросов в каждом задании можно использовать как план единого ответа, И вдруг, как зверь остервенясь, а можно...»

«ПЯТЬ НЕРЕШЕННЫХ ПРОБЛЕМ НАУКИ Рисунки Сидни Харриса Уиггинс А., Уинн Ч. THE FIVE BIGGEST UNSOLVED PROBLEMS IN SCIENCE ARTHUR W. WIGGINS CHARLES M. WYNN With Cartoon Commentary by Sidney Harris John Wiley & Sons, Inc. Книга рассказывает о крупнейших проблемах астрономии, физики, химии, биологии и геологии, над которыми сейчас работают ученые. Авторы рассматривают открытия, приведшие к этим проблемам, знакомят с работой по их решению, обсуждают новые теории, в том числе теории струн, хаоса,...»

«РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ по дисциплине НАУКИ О ЗЕМЛЕ Для студентов I курса Направление подготовки 020400.62 Биология Профиль: Биоэкология, Ботаника, Общая биология, Физиология человека Квалификация (степень) Бакалавр Форма обучения Очная Обсуждено на заседании кафедры Составители: ботаники 2013 г. к.б.н., доцент Иванова С.А., Протокол № к.б.н., ассистент Зуева Л.В. Заведующий кафедрой С.М. Дементьева Тверь 2013 2. Пояснительная записка Цели дисциплины: Формирование теоретических знаний и...»

«АГРОСПРОМ 2010 руководитель проекта: с.В. Шабаев Технический директор: И.Н. Елисеев Коммерческий директор: Д.В. гончаров Технический редактор: И.с. Шабаев Дизайн обложки и верстка: Е.А. сашина Корректура: о.П. Пуля Отдел реализации: Тел.: (495) 730-48-30, 730-47-30 Факс: (495) 730-48-28, 730-48-29 E-mail: agrosprom@mail.ru agrosprom@list.ru Фролов А.Н. Производство мяса бройлеров. Практическое руководство. – М.: АгросПроМ, 2010. – 128 с: ил. В рационе современного человека одним из важнейших...»






 
© 2013 www.knigi.konflib.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.