ПРОБЛЕМА ОЦЕНКИ ЭФФЕКТИВНОСТИ АЛГОРИТМОВ РАСПОЗНАНИЯ В ЗАДАЧИ РАДИОЛОКАЦИОННОГО ОБНАРУЖЕНИЯ МИКРОПОРЫВОВ - Студенческий научный форум

IV Международная студенческая научная конференция Студенческий научный форум - 2012

ПРОБЛЕМА ОЦЕНКИ ЭФФЕКТИВНОСТИ АЛГОРИТМОВ РАСПОЗНАНИЯ В ЗАДАЧИ РАДИОЛОКАЦИОННОГО ОБНАРУЖЕНИЯ МИКРОПОРЫВОВ

 Комментарии
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF

 

ТЕОРЕТИЧЕСКАЯ ЧАСТЬ.

В работе предлагается подход к задачи об оценке эффективности алгоритмов распознавания микропорывов на индикаторе кругового обзора доплеровского метеорологического радиолокационного комплекса. Он предлагает разработку комплексной компьютерной модели, включающей в себя следующие элементы:

-модель микропорыва в облачной среде

-модель обработки сигналов в ДМРЛ

-модель шумов радиолокационного изображения, порожденных как стохастической отражающей средой, так и собственными шумами приемо-передающих трактов ДМРЛ.

Создание такой компьютерной модели позволит получить два изображения. Первое - идеальное изображение микропорыва на экране ДМРЛ (шумы искусственно отключаются), второе - зашумленное изображение микропорыва. Применение алгоритмов очистки и распознавания к зашумленному изображению дает третью радиолокационную картинку, сравнение которой с идеальной дает возможность оценить эффективность разрабатываемых алгоритмов распознавания. 

1.Микропорывы в зоне аэродрома как опасное метеорологическое явление

Метеорологическое обеспечение безопасности полетов авиации является важной проблемой, значение которой возрастает с увеличением числа эксплуатируемых самолетов, большими пассажиро - и грузопотоками в аэропортах. Одним из наиболее опасных для полетов авиации метеоявлений являются ветровые аномалии[1]. При взлете и, особенно, при посадке резкие изменения скорости ветра, как по величине, так и по направлению могут явиться предпосылкой летного происшествия.

Понятно, что для адекватного парирования воздействия микропорывов командир воздушного судна должен быть заранее информирован о появлении ветровой аномалии на траектории движения. А для этого такие аномалии должны быть своевременно автоматически обнаружены.

Основным видом ветровых аномалий, наиболее опасным для полетов авиации, является микропорыв - кратковременный нисходящий поток воздушных масс из конвективного облака, который по достижении земли растекается горизонтально. Когда самолет пролетает через такой нисходящий поток на малой высоте (см. рисунок 1), он сначала встречает сильный встречный  ветер, а затем  очень быстро попадает в попутный поток.

Это приводит к резкому изменению воздушной скорости судна, подъемной силы, действующей на него, и, как следствие, к потере высоты и уходу под глиссаду. Возможные последствия - приземление до начала взлетно-посадочной полосы (ВПП) и авиакатастрофа.

2.Способы дистанционного обнаружения микропорывов

Существуют различные методы определения скорости ветра. Например, метеозонды. Метеорологический радиозонд - это резиновый шар, несущий радиопередатчик, терморезисторный термометр, барометр-анероид и электролитический гигрометр. Радиозонд поднимается со скоростью около 300 м/мин до высоты около 30 км. По мере подъема данные измерений постоянно передаются на станцию запуска. Направленная принимающая антенна на Земле прослеживает азимут и высоту радиозонда, по которым рассчитываются скорость и направление ветра на различных высотах.

Однако, в связи с тем, что метеозонды не могут запускаться достаточно часто (это очень дорого), они не могут предоставить необходимую оперативную информацию об опасных ветровых аномалиях. Наиболее эффективным и приемлемым средством обнаружения микропорывов является доплеровский радиолокатор.

Принцип действия ДМРЛ основана на эффекте Доплера, который применительно к радиолокации заключается в том, что частота отраженных сигналов изменяется, если отражающий объект перемещаются относительно ДМРЛ. Более подробно мы не будем рассматривать данный вопрос, а воспользуемся результатами работ [2,3].

Ключевым вопросом при разработке эффективной радиолокационной системы обнаружения опасных ветровых явлений является достоверная регистрация таких характеристик, как временное развитие, пространственные масштабы, особенности течений и отражательные характеристики микропорывов. В воздухе имеют место предшествующие явления, которые могут служить предвестниками неминуемого возникновения истекающего потока микропорыва за 2-15 минут до того, как это произойдет. Чаще всего, наблюдаемые радиолокационным способом предшествующие явления, идентифицированные до настоящего времени, проявляются как снижение области повышенной отражательной способности, вращение воздуха вокруг нисходящего потока (ротация), сходящиеся потоки (конвергенция) в срединной области порождающего облака и расходящиеся потоки (дивергенция) у его вершины. Поле скоростей, характеризующее опасные ветровые аномалии таково, что предпочтительной стратегией сканирования является последовательное горизонтальное сканирование при различных углах места. При этом малые углы подъёма антенны позволяют считать, что измеряется горизонтальная составляющая скорости ветра

3.Проблемы распознавания микропорывов на радиолокационных изображениях

Наблюдаемый доплеровский сдвиг частоты эхо-сигнала обусловлен только радиальной компонентной скорости метеообразования, поэтому на экране монитора отображаются лишь проекции скорости ветра на направление сканирующего луча радиолокационного комплекса, что значительно усложняет процедуру  обнаружения ветровых аномалий.

Кроме того, картина ветрового поля может быть искажена за счет шумов, связанных с  флуктуациями отражательной способности пространственно-распределенной цели, а также собственных шумов в приемных трактах антенны и «перебросов», обусловленных неоднозначностью процедуры восстановления значения радиальной компоненты скорости при превышении доплеровским смещением ширины найквистовского интервала.

В связи с сильным искажением ветрового только опытный специалист может распознать существенные ветровые аномалии. Но бывают случаи, когда даже опытный специалист не может с достаточной точностью обнаружить микропорыв.

Одним из подходов к решению этой проблемы является разработка алгоритмов автоматического обнаружения микропорывов путем обработки числовых массивов, характеризующие измеряемые ветровые поля в лоцируемой плоскости. Достоверность распознавания микропорывов применяемыми алгоритмами очистки и фильтрации может быть проверена путем сравнения получаемых данных с данными поступающими с метеозондов и с бортов ВС. Но получение такой информации связано с  определенными материальными затратами. Необходим более простой в применении и надежный инструмент тестирования алгоритмов распознавания микропорывов. В данной работе в качестве такого инструмента предлагается  использовать компьютерную модель, включающую в себя как модель микропорыва, так и модель  ДМРЛ, учитывающая конкретные технические особенности обработки эхо-сигнала.

Характеризуем некоторые существующие алгоритмы очистки и обнаружения ветровых аномалий.

1. Алгоритм устранения «перебросов»

Вводится массив значений радиальной компоненты скорости ветра по лучу. Первое, отличное от нуля значение элемента массива, соответствующее ближайшему к РЛС радиолокационному объему с отражательной способностью выше порогового значения считается истинным. Следующее (второе) значение элемента массива, соответствующее радиолокационному объему, удаленному от первого на 250 м, сравнивается с первым. Если разница между значениями элементов меньше 16 м/с, то считается, что переброса нет, и второй элемент массива оставляется без изменений. Если второй элемент превышает по величине первый более чем на 16 м/с, то полагаем наличие «переброса» и уменьшаем значение второго элемента на величину 32 м/с.  Если второй элемент массива меньше первого более чем на 16 м/с, то снова полагаем наличие переброса и увеличиваем значение второго элемента массива на величину 32 м/с. Вновь полученное значение второго элемента массива считаем истинным и повторяем процедуру по отношению к следующей паре - скорректированное второе значение элемента массива и третий элемент массива.

В случае если значения последовательных элементов массива обнулены (большая вероятность малосигнальной области), то первое  значение после такой группы элементов считается истинным.

К недостаткам процедуры устранения перебросов по лучу нужно отнести следующее. Первое ненулевое значение элемента массива принимается как истинное, в то время как уже при его измерении мог быть реализован «переброс». Это приведет к тому, что весь профиль ветра по лучу будет приподнят или приспущен на величину 32 м/с. Это оказывается не существенным, если внутри массива элементов по лучу нет малосигнальных областей, после которых данные запоминаются либо с «перебросами»,  либо без них. Поэтому прежде чем принять решение о наличие «перебросов», необходимо  восстановить картину ветрового поля в малосигнальных областях с помощью третьего алгоритма.

Вторым недостатком рассмотренного алгоритма является его нечувствительность к замаскированным «перебросам», которые связаны с падающими участками пилообразной характеристики  пульспарного процессора.

2. Алгоритм трехкратного медианного сглаживания

Из набора элементов массива выбирается  последовательно расположенных элемента: . Эта группа элементов ранжируется по величине, т.е. располагается в порядке возрастания своих числовых значений. При этом на   месте в группе оказывается элемент , где . После этого -ому значению элемента массива присваивается значение -го элемента.

Процедура повторяется после выборки нового набора элементов массива смещенного на единицу вправо. При реализации метода медианного сглаживания в рассматриваемом случае выбирается , а сама процедура повторяется три раза.

Трехкратное медианное сглаживание увеличивает крутизну отдельных участков кривой, что приводят к появлению ложных ветровых аномалий, к ложной тревоге.

3. Алгоритм процедуры регенерации измерений малосигнальных областей.

Элементы массива данных по лучу обрабатываются с помощью процедуры «spline», в результате работы которой получаем массив коэффициентов кубических зависимостей, аппроксимирующих поведение кривой на каждом интервале между двумя соседними (не обнуленными) точками. Коэффициенты вычисляются по четырем точкам (две слева и две справа от интервала). Далее с помощью функции «seval», используя полученные коэффициенты кубической параболы, вычисляем последовательность значений массива скорости ветра в малосигнальной области с шагом 250 м.

Одним из основных недостатков алгоритма процедуры регенерации измерений малосигнальных областей  является то, что не всегда провал находится между двумя не обнуленными точками. Это приводит к увеличению ошибки и уменьшению достоверности выявления зоны опасной ветровой аномалии.

4.Тестовая компьютерная модель как средство оценки эффективности алгоритмов очистки и распознавания микропорывов

Для создания компьютерной модели оценки эффективности алгоритмов нам необходимо на первом этапе построить отображение в ДМРЛ  идеальной картины микропорыва. Для моделирования картины ветрового поля микропорыва мы воспользуемся результатами работы [2,3]. Так как ветровое поле в горизонтальном сечении простейшего микропорыва является осесимметричным относительно его центра, то задать это поле можно введением двух взаимноортогональных компонент скорости ветра (радиальной и угловой), величины которых зависят только от расстояния до центра микропорыва. При моделировании  необходимо учитывать также наличие постоянного ветра, который перемещает микропорыв. Сложение этих составляющих дает нам идеальную картину микропорыва.

Затем мы строим модель зашумленной картины ветрового поля. Для этого необходимо смоделировать шумы и помехи, а также учесть флуктуации отражательной способности облака гидрометеоров, образующих метеоцель.

Полученную модель подвергаем алгоритмам очистки. Полученное после очистки изображение сравниваем с эталонным (идеальным) изображением, полученным ранее.

В пространстве этих изображений можно ввести метрику и оценивать эффективность работы алгоритмов как «расстояние» между изображениями. Проблемы, возникающие при введении такой метрики, мы обсудим в следующей работе.

Блок-схема предлагаемой компьютерной модели оценки эффективности алгоритмов распознания изображена на рисунке.

Литература

1. Глазунов В.Т. Сдвиги ветра в нижних слоях атмосферы, влияющие на взлёт и посадку воздушных судов. - М., ВНИИГМИИ, сер. Метрология,1984

2.Моисеев С.С., Сагдеев Р.З., Тур А.В., Хоменко Г.А., Шукуров А.М.. Физический механизм усиления вихревых возмущений в атмосфере. ДАН СССР, 1983, 273, 3, с. 549-553

3. Моисеев С.С., Руткевич П.Б., Тур А.В., Яновский В.В.. Крупномасштабные структуры в конвективной турбулентности. Препринт ИКИ АН СССР, 1987, Пр-II42, с. 23

Просмотров работы: 16