Nhận dạng mục tiêu ra đa theo chân dung cự ly dựa trên phân đoạn cơ sở dữ liệu theo góc phương vị

Kỹ thuật điều khiển & Điện tử N. T. Hùng, N. H. Nguyên, “Nhận dạng mục tiêu ra đa dữ liệu theo góc phương vị.” 68 NHẬN DẠNG MỤC TIÊU RA ĐA THEO CHÂN DUNG CỰ LY DỰA TRÊN PHÂN ĐOẠN CƠ SỞ DỮ LIỆU THEO GÓC PHƯƠNG VỊ Nguyễn Thanh Hùng1*, Nguyễn Hoàng Nguyên2 Tóm tắt: Bài báo đề xuất một mô hình nhận dạng dựa trên phân đoạn cơ sở dữ liệu theo góc phương vị trong nhận dạng mục tiêu ra đa theo chân dung cự ly nhằm hạn chế việc phân lớp nhầm giữa các chân dung cự ly của các mục tiêu khác nhau ở các góc phương vị khác nhau khi giữa chúng có mối tương quan cao. Mô hình có thể được áp dụng trong hệ thống nhận dạng với đài ra đa có chức năng ước lượng góc phương vị mục tiêu. Kết quả mô phỏng cho thấy hiệu quả của mô hình, đặc biệt khi tỷ số tín trên tạp thấp. Từ khóa: Nhận dạng mục tiêu ra đa; Chân dung cự ly phân giải cao; Góc hướng; Hệ số tương quan. 1. MỞ ĐẦU Chân dung cự ly phân giải cao (gọi tắt là chân dung cự ly- CDCL) được tạo bởi ra đa cự ly phân giải cao. Độ phân giải cự ly của ra đa này nhỏ hơn nhiều so với độ dài hướng tâm của mục tiêu, nên chân dung ra đa nhận được sẽ phản ánh sự phân bố diện tích phản xạ hiệu dụng của mục tiêu theo cự ly trên hướng nhìn thẳng đến mục tiêu. Sự phân bố này được xác định bởi cấu trúc hình học và góc hướng của mục tiêu đối với đài ra đa, và đây là dấu hiệu khá tin cậy mang thông tin về chủng loại mục tiêu cần nhận dạng. Do có những ưu điểm về sự ổn định đối với tần số làm việc, dễ thực hiện, yêu cầu về thời gian quan sát, xử lý nhỏ, thông tin dấu hiệu nhận dạng có thể thu được ở bất kỳ góc hướng nào, có khả năng triển khai trên các đài ra đa hiện đại... nên CDCL được coi là một trong những dấu hiệu tốt nhất có thể ứng dụng trong hệ thống nhận dạng mục tiêu ra đa [1], [2], [3]. Đối với mục tiêu là máy bay, góc hướng của nó đối với đài ra đa có thể được biểu diễn như trong bài báo [4] bằng cặp tọa độ (, ) trong đó  là góc phương vị,  là góc ngẩng. Góc ngẩng là góc được tạo bởi giữa hướng nhìn thẳng đến ra đa và mặt phẳng của máy bay (mặt phẳng đi qua cánh và mũi máy bay). Góc ngẩng có dấu dương khi máy bay được nhìn từ dưới mặt đất. Góc phương vị là góc giữa hướng của mũi máy bay và đường thẳng hình chiếu của hướng nhìn thẳng đến ra đa trên mặt phẳng máy bay. Góc phương vị bằng 0 khi máy bay được nhìn từ hướng mũi máy bay và bằng 180 khi được nhìn từ hướng đuôi. Góc phương vị có dấu dương khi máy bay được nhìn từ mạn trái, dấu âm khi được nhìn từ mạn phải. Trong trường hợp CDCL nhận được từ ra đa không có tham số góc hướng của mục tiêu tương ứng với CDCL đó, CSDL CDCL của hệ thống nhận dạng mục tiêu ra đa sẽ bao gồm toàn bộ các CDCL mà hệ thống có được trong một phạm vi góc hướng rộng (góc phương vị từ 0  180, góc ngẩng 0  90). Bài báo [5] khi nghiên cứu nhận dạng mục tiêu ra đa theo CDCL đã chỉ ra rằng có sự giống nhau giữa các CDCL của các mục tiêu khác nhau ở các góc phương vị khác nhau. Cho nên có thể xảy ra hiện tượng CDCL của mục tiêu này sẽ được nhận dạng thành mục tiêu khác ở góc phương vị khác. Bài báo [6] cho thấy rằng, khi phạm vi góc phương vị của các CDCL trong cơ sở dữ liệu huấn luyện càng rộng thì chất lượng nhận dạng càng thấp. Để nâng cao chất lượng nhận dạng, bài báo [6] đề xuất một mô hình nhận dạng trên cơ sở phân chia tập cơ sở dữ liệu đã biết của mỗi mục tiêu thành các phân lớp. Số lượng phân lớp của mỗi kiểu loại mục tiêu được phân chia theo thuật toán phân cụm mờ C-Means (Fuzzy C-Means clustering algorithm) và được tối ưu hóa theo thuật giải di truyền. Tuy nhiên, mô hình này có hiệu quả chủ yếu khi tỷ số tín trên tạp lớn, khi tỷ số tín trên tạp nhỏ chất lượng nhận dạng được cải thiện không đáng kể. Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số 49, 06 - 2017 69 Khi hệ thống ra đa đi kèm với hệ thống nhận dạng có khả năng ước lượng góc phương vị của mục tiêu (Ước lượng theo dữ liệu bám sát [7]), thì đối với mỗi CDCL thu nhận được đều có đi kèm theo nó là góc phương vị ước lượng của mục tiêu. Để nâng cao chất lượng nhận dạng mục tiêu ra đa theo CDCL, căn cứ theo đặc điểm sự tương quan của các CDCL trong phạm vi góc phương vị rộng, chúng tôi đề xuất mô hình nhận dạng mục tiêu ra đa dựa trên cơ sở phân đoạn CSDL theo góc phương vị bằng 20 và sử dụng song song các bộ phân lớp cho các phân đoạn CSDL. Việc lựa chọn bộ phân lớp để nhận dạng được căn cứ theo góc phương vị ước lượng của mục tiêu từ ra đa đưa đến. Phân đoạn theo góc phương vị bằng 20 được lựa chọn theo kết quả phân tích kết quả mô phỏng hệ số tương quan của các CDCL của các lớp mục tiêu khác nhau, độ chính xác ước lượng góc phương vị mục tiêu của một đài ra đa (thông thường nhỏ hơn 5 [2]) và sự thỏa hiệp về độ phức tạp của mô hình. 2. HỆ SỐ TƯƠNG QUAN CỦA CÁC CHÂN DUNG CỰ LY CDCL là véc tơ ảnh một chiều, được coi là dấu hiệu tin cậy mang thông tin về cấu trúc hình học của mục tiêu phụ thuộc vào góc hướng so với đài ra đa. Có nhiều thuật toán phân lớp khác nhau về phương pháp xây dựng được áp dụng để phân lớp mục tiêu ra đa theo CDCL, nhưng đều dựa trên cở sở là sự tương quan của các dấu hiệu trong các CDCL của các mục tiêu cần nhận dạng. Trong bài báo này sử dụng hệ số tương quan Pearson để đánh giá mức độ giống nhau của các dấu hiệu trong các CDCL. Hệ số tương quan Pearson giữa hai CDCL X=[ và Y=[ với kỳ vọng tương ứng là , được định nghĩa [8]: Trong đó, và là biên độ của các phần tử phân giải cự ly, N là số phần tử phân giải cự ly của CDCL X và Y. Hệ số tương quan có giá trị trong đoạn [-1,1]. Khi hai CDCL có hệ số tương quan 0 ta nói chúng có tương quan với nhau. Ngược lại, khi =0 ta nói chúng không tương quan với nhau. Trường hợp >0 gọi là tương quan tuyến tính đồng biến, <0 là tương quan tuyến tính nghịch biến. Khi càng gần 1 thì tương quan giữa các CDCL càng cao. Trong phân lớp mục tiêu, hệ số tương quan cao chỉ ra rằng hai CDCL có tương quan cao và khả năng phân biệt chúng thành hai mục tiêu riêng biệt là khó khăn. Như vậy, tập dữ liệu CDCL được cho là tốt khi hệ số tương quan của các CDCL của cùng một kiểu loại mục tiêu có giá trị cao và hệ số tương quan của các CDCL của các kiểu loại mục tiêu khác nhau có giá trị nhỏ. Hình 1 thể hiện đồ thị hệ số tương quan giữa CDCL của mục tiêu Mig21 ở góc phương vị 0 và các CDCL của mục tiêu Mig21 và B1B ở các phương vị khác nhau trong phạm vi phương vị từ 0180 với tỷ số tín trên tạp trong các CDCL bằng 5 dB và 30 dB. Các CDCL được tạo bằng phần mềm mô phỏng tín hiệu phản xạ mục tiêu ra đa [9] với các tham số ra đa được đặt theo bài báo [3], góc ngẩng mục tiêu bằng 3. Từ hình 1b,1d ta thấy rằng CDCL Mig21 (0) có hệ số tương quan khá cao với các CDCL B1B có góc phương vị trong khoảng từ 70 đến 120. Như vậy CDCL Mig21 (0) sẽ khó được phân biệt với các CDCL B1B trong phạm vi góc phương vị này trong quá trình phân lớp. Khi tỷ số tín trên tạp cao (30 dB), CDCL Mig21 (0) còn có thể được phân Kỹ thuật điều khiển & Điện tử N. T. Hùng, N. H. Nguyên, “Nhận dạng mục tiêu ra đa dữ liệu theo góc phương vị.” 70 lớp thành Mig21 vì tương quan của nó đối với các CDCL trong hình 1a ở các góc phương vị lân cận 0 là cao (0,96), cao hơn so với trường hợp 1b (0,93). Nhưng khi tỷ số tín trên tạp thấp (5 dB), thì CDCL Mig21 (0) có thể bị phân lớp thành B1B (0,89 hình 1d so với 0,76 hình 1c). 0 50 100 150 0 0.5 1 H e s o t u o n g q u a n a. Mig21, SNR=30dB Goc phuong vi (do) 0 50 100 150 0 0.5 1 b. B1B, SNR=30dB Goc phuong vi (do) 0 50 100 150 0 0.5 1 H e s o t u o n g q u a n c. Mig21, SNR=5dB Goc phuong vi (do) 0 50 100 150 0 0.5 1 d. B1B, SNR=5dB Goc phuong vi (do) Hình 1. Hệ số tương quan CDCL Mig21 (0) đối với các CDCL của Mig21 và B1B ở các góc phương vị khác nhau. Ta có thể nhận ra rằng hệ số tương quan trong phạm vi góc phương vị từ 0 đến 20 trong hình 1a, 1c lớn hơn trong hình 1b, 1d. Điều này có nghĩa là nếu ta chỉ sử dụng các CDCL có góc phương vị từ 0 đến 20 để huấn luyện cho bộ phân lớp, thì CDCL Mig21 (0) sẽ được bộ phân lớp này phân lớp đúng là mục tiêu Mig21 trong cả hai trường hợp tỷ số tín trên tạp bằng 30 dB và 5 dB. 3. MÔ HÌNH NHẬN DẠNG DỰA TRÊN PHÂN ĐOẠN CSDL THEO GÓC PHƯƠNG VỊ Hình 2. Mô hình nhận dạng phân đoạn CSDL theo góc phương vị. C. mạch KQuả BPL 18 CDCL mẫu đã xử lý, phân đoạn theo Ph.vị BPL 1 BPL i C. mạch theo Fvị Trích chọn đặc trưng Tiền xử lý Kênh huấn luyện Kênh nhận dạng CDCL thời gian thực (từ ra đa) BPL BPL Kiểu loại mục tiêu Ph. vị ước lượng Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số 49, 06 - 2017 71 Từ trên ta có thể suy ra một phương pháp xây dựng mô hình nhận dạng mới nhằm nâng cao chất lượng nhận dạng mục tiêu ra đa theo CDCL. Ta gọi mô hình này là “Mô hình nhận dạng phân đoạn CSDL theo góc phương vị” (viết tắt là PĐPhV). Trong mô hình này, tập CSDL CDCL được phân đoạn thành các phân đoạn góc phương vị bằng 20 và sử dụng song song 18 bộ phân lớp cho các phân đoạn CSDL. Các bộ phân lớp có thể là mạng nơ ron, bộ phân lớp máy véc tơ tựa (Support Vector Machine- SVM), Mỗi bộ phân lớp được huấn luyện bằng một phân đoạn CSDL. Việc lựa chọn bộ phân lớp để nhận dạng các CDCL thu thập được từ các mục tiêu căn cứ theo góc phương vị ước lượng của mục tiêu đối với đài ra đa. Mô hình này được mô tả trong hình 2. Nguyên lý làm việc của mô hình như sau: CDCL kênh huấn luyện và kênh nhận dạng được xử lý tương tự nhau. Các bước xử lý bao gồm tiền xử lý, trích chọn đặc trưng. Để quá trình huấn luyện thực hiện nhanh hơn, các CDCL kênh huấn luyện sau xử lý được lưu lại trong các bộ nhớ. CSDL huấn luyện được phân đoạn theo góc phương vị thành 18 phân đoạn, mỗi phân đoạn 20 như sau: 020, 2040,, 340360. Vì tham số phương vị ước lượng của mục tiêu có sai số, nên để loại trừ sai số trong việc lựa chọn kênh bộ phân lớp bằng tín hiệu phương vị ước lượng của mục tiêu, CSDL của các phân đoạn có thể bao gồm thêm các CDCL tương ứng các góc phương vị vùng phương vị lân cận 5. Ví dụ phân đoạn 2040 bao gồm các CDCL trong phạm vi phương vị 1545. Mô hình bắt đầu làm việc bằng việc các bộ phân lớp (từ 1 đến 18) được huấn luyện bằng các phân đoạn CSDL tương ứng, BPL 1 được huấn luyện bằng phân đoạn 020,, BPL 18 được huấn luyện bằng phân đoạn 340360. Quá trình nhận dạng được bắt đầu khi các CDCL từ mục tiêu quan sát được đưa đến hệ thống nhận dạng. Sau khi được thực hiện tiền xử lý, trích chọn đặc trưng, CDCL cần nhận dạng được mạch Chuyển mạch theo phương vị đưa đến bộ phân lớp phân đoạn tương ứng để phân lớp. Việc chuyển mạch lựa chọn bộ phân lớp phân đoạn được điều khiển bằng tín hiệu phương vị ước lượng của mục tiêu từ ra đa đưa đến. Kết quả phân lớp sẽ được đưa ra từ bộ phân lớp phân đoạn tương ứng với góc phương vị ước lượng của mục tiêu có CDCL đang được nhận dạng qua mạch Chuyển mạch kết quả. 4. MÔ PHỎNG VÀ THẢO LUẬN - Mục đích mô phỏng: Kiểm tra hiệu quả của mô hình nhận dạng phân đoạn CSDL theo góc phương vị đề xuất bằng phương pháp mô phỏng trên phần mềm Matlab. - Điều kiện mô phỏng: + Mô hình mô phỏng nhận dạng: Để đơn giản hóa bài toán mô phỏng, mô hình trong hình 2 được rút gọn với phạm vi góc phương vị từ 0180, gồm 9 bộ phân lớp song song. + Tạo cơ sở dữ liệu CDCL: Sử dụng “Phần mềm mô phỏng tín hiệu phản xạ mục tiêu ra đa” [9] để tạo ra các CDCL dưới dạng tín hiệu phức của 9 lớp mục tiêu với các chế độ đặt như sau: * Ra đa: Ra đa cự ly phân giải cao (chế độ đặt theo bài báo [3]). * Tên các lớp mục tiêu: Tu16, B1B, B52, Mig21, Tornado, F15, Alcm, Glcm và Decoy. * Góc hướng của mục tiêu đối với đài ra đa: Đối với mỗi lớp trong số 9 lớp mục tiêu, 1800 CDCL được tạo tương ứng với 1800 vị trí góc phương vị, từ 0 to 180, với số gia là 0,1 và góc ngẩng là 3. Như vậy, tập CSDL CDCL sẽ gồm 1800× 9 = 16200 CDCL. Tập CSDL được phân đoạn thành 9 phân đoạn, mỗi phân đoạn 20 theo như mục 3. + Tiền xử lý: chuẩn hóa tín hiệu trong đoạn [0,1]. + Bộ phân lớp: gồm 9 bộ phân lớp mạng hàm cơ sở hướng tâm (Radial Basis Funtion- RBF). Mạng RBF có hàm cơ sở hướng tâm là hàm Gauss có dạng như sau: ; Số nơ ron lớp ẩn bằng 100; Phương pháp huấn luyện của mạng là phương pháp hai pha, trong đó, giá trị tâm của hàm cơ sở bán kính được xác định bằng Kỹ thuật điều khiển & Điện tử N. T. Hùng, N. H. Nguyên, “Nhận dạng mục tiêu ra đa dữ liệu theo góc phương vị.” 72 thuật toán phân cụm K-Means (K-Means clustering algorithm); Thuật toán xác định trọng số theo bài báo [10]. - Nội dung mô phỏng: * Đặt tỷ số tín trên tạp trong các CDCL của tập CSDL lần lượt bằng 0 dB, 5 dB, 10 dB, 15 dB, 20 dB, 25 dB và 30 dB; * Với mỗi tỷ số tín trên tạp, đánh giá chất lượng nhận dạng của mô hình bằng độ chính xác nhận dạng trung bình của cả 9 phân đoạn theo phương pháp 10-fold cross validation [11]. * So sánh độ chính xác nhận dạng của mô hình PĐPhV với độ chính xác nhận dạng của một bộ phân lớp mạng RBF đơn cũng theo phương pháp 10-fold cross validation. - Kết quả mô phỏng và thảo luận: Hình 3 là kết quả của mô phỏng thể hiện độ chính xác nhận dạng của mô hình PĐPhV và bộ phân lớp mạng RBF phụ thuộc vào tỷ số tín trên tạp. Đường đồ thị nét đứt, chấm vuông- kết quả nhận dạng của mô hình đề xuất, đường đồ thị nét liền- kết quả nhận dạng bộ phân lớp mạng RBF đơn. Kết quả mô phỏng cho thấy mô hình đề xuất có chất lượng nhận dạng cao hơn đáng kể so với trường hợp bộ phân lớp mạng RBF đơn, đặc biệt, khi tỷ số tín trên tạp thấp. Sự cải thiện về chất lượng nhận dạng khi sử dụng mô hình PĐPhV đạt được là do việc nhận dạng phân đoạn CSDL theo phạm vi góc phương vị nhỏ hơn đã hạn chế được việc phân lớp nhầm khi CDCL của các lớp mục tiêu có mối tương quan cao tại những góc phương vị khác nhau. 0 5 10 15 20 25 30 0 10 20 30 40 50 60 70 80 90 100 Ty so tin/tap - dB X a c s u a t n h a n d a n g d u n g ( % ) Goc phuong vi: 0-180 do, goc ngang: 3 do MHNDPDFV RBFN Hình 3. Kết quả mô phỏng. 5. KẾT LUẬN Với phạm vi góc phương vị của các CDCL trong CSDL rộng, tồn tại các CDCL của các lớp mục tiêu khác nhau ở các góc phương khác nhau có mối tương quan cao, nhất là khi tỷ số tín trên tạp thấp. Điều này dẫn đến việc phân lớp nhầm và làm giảm chất lượng nhận dạng. Mô hình nhận dạng dựa trên phân đoạn CSDL theo góc phương vị hạn chế được ảnh hưởng của hiện tượng này trong hệ thống nhận dạng mục tiêu ra đa theo CDCL. Kết quả mô phỏng cho thấy, chất lượng nhận dạng của mô hình đề xuất cao hơn đáng kể so với trường hợp sử dụng bộ phân lớp đơn (sử dụng bộ phân lớp mạng RBF), nhất là khi tỷ số tín trên tạp thấp. Mặc dầu mô hình có hạn chế là phức tạp do sử dụng song song nhiều bộ phân lớp, đòi hỏi hệ thống ra đa phải có chế độ ước lượng góc phương vị mục tiêu nhưng có ưu điểm là giảm thời gian huấn luyện của hệ thống và cải thiện đáng kể chất lượng nhận dạng đặc biệt là khi tỷ số tín trên tạp trong CDCL nhỏ, nên đây là một mô hình hiệu quả có thể ứng dụng trong hệ thống nhận dạng mục tiêu ra đa theo CDCL. Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số 49, 06 - 2017 73 TÀI LIỆU THAM KHẢO [1]. Z. Tang-hong, W. Yang, L. Shi-guo, “An HRRP Preprocessing Method and Its Application in Radar Target Recognition”, IEEE International Conference on Radar, Vol. 1, 24-27 Oct., Chengdu (2011), pp. 646-649. [2]. A. Zyweck, "Preprocessing Issues in High Resolution Radar Target Classification", Ph. D. Thesis, University of Adelaide (1995), Adelaide. [3]. Ле Дай Фонг, “Распознавание радиолокационных целей по дальностному портрету с использованием aппарата нейронных сетей в целях мониторинга воздушного простран-ства”. Диссертация на оискание ученой степени кандидата технических наук (2006), Санк-Петербург. [4]. Heiden R. van der, Ewijk L.J. van, “A comparison on radar range profiles between in-flight measurements and RCS-predictions”, NATO Research and Technology Organisation (1998), Neuilly-sur-Seine. [5]. S. Hudson, D. Psaltis, “Correlation filters for aircraft identification from radar range profiles”, IEEE Transactions on Aerospace and Electronic Systems, Vol. 29, No. 3 (1993), pp. 741-748. [6]. D. K. Seo, K. T. Kim, I. S. Choi, H. T. Kim, “Wide-angle radar target recognition with subclass concept”, Journal of Electromagnetic Waves and Applications, Vol. 18, No. 2 (2004), pp. 209-211. [7]. J. P. Zwart, “Aircraft Recognition from Features Extracted from Measured and Simulated Radar Range Profiles”, Ph. D. Thesis, University of Amsterdam (2003). [8]. J. L. Rodgers, W. A. Nicewander, “Thirteen Ways to Look at the Correlation Coefficient”, The American Statistician, Vol. 42, No. 1 (1988), pp. 59-66. [9]. S. A Gorshkov, S P Leschenko, V. M. Orlenko, S. Y. Sedyshev, Y. D. Shirman, “Radar Target Backscattering Simulation Software and User's Manual”, Artech House (2002), Boston. [10]. C.M. Bishop, “Neural networks for pattern recognition”, Clarendon Press (1995), Oxford. [11]. Ron Kohavi, “A study of cross-validation and bootstrap for accuracy estimation and model selection”, International joint conference on Artificial intelligence, Vol. 2, 20- 25 August, Montral (1995), pp. 1137-1143. ABSTRACT RADAR TARGET RECOGNITION USING RANGE PROFILES BASED ON DATABASE PARTITIONING CONFORMABLE TO AZIMUTH ANGLES In the article, a recognition model based on database partitioning conformable to azimuth angles in radar target recognition using range profiles in order to limit the misclassification among range profiles of different targets at different aspect azimuths when they have high correlation is proposed. This model can be applied in the recognition system with a radar that can estimate the targeted azimuth angle. The empirical simulation results prove the effectiveness of the proposed model, especially when a signal-to- noise ratio is low. Keywords: Radar target recognition; High resolution range profile; Aspect angle; Correlation coefficent. Nhận bài ngày 30 tháng 3 năm 2017 Hoàn thiện ngày 07 tháng 5 năm 2017 Chấp nhận đăng ngày 20 tháng 6 năm 2017 Địa chỉ: 1 Viện Ra đa/ Viện KH&CNQS; 2 Học viện Kỹ thuật quân sự; * Email: ngthanhhungvn@gmail.com