2.33M
AI

ИИ_в_радиолокации

1.

Р Е ФЕ Р АТ
·
Р АД И О Л О К АЦ И Я И И С К У С С Т В Е Н Н Ы Й И Н Т Е Л Л Е К Т
Искусственный интеллект
в радиолокационных системах
Как машинное обучение встраивается в радар: от обработки эха
до классификации, сопровождения целей и границ применимости.
Обнаружение
01
/
12
Классификация
Сопровождение

2.

ВВЕДЕНИЕ
Почему радару нужен интеллект
Классическая система измеряет дальность, скорость и направление по отражённому сигналу. Сегодня объём данных и
сложность обстановки уже не укладываются в набор ручных правил.
01
02
03
Больше данных
Сложная среда
Много целей
Радар формирует большой массив за
короткое время. Число одновременно
видимых объектов растёт вместе с
ним.
Шум, помехи, многолучевость, погода
и отражения от земли, моря и зданий
искажают картину.
Среди множества отметок нужно
быстро выделить те, которые
действительно важны для решения.
ЦЕЛЬ РЕФЕРАТА
ГЛАВНЫЙ ТЕЗИС
Разобрать, где в радиолокаторе уместен искусственный
интеллект, что он улучшает и где его нельзя оставлять без
проверки.
ИИ не заменяет физику радиолокации. Сильнее всего
работает связка классических алгоритмов и обучения на
данных.
ИИ
·
Р А Д И О Л О К А ЦИЯ
02
/
12

3.

Г Л АВ А 1
·
ОСНОВЫ
Откуда взялась радиолокация
1864
1886–1888
1895
Джеймс Клерк Максвелл
Генрих Герц
Александр Попов
Математически доказал
существование электромагнитных
волн. Это теоретическая основа
всей радиотехники.
Экспериментально подтвердил
волны Максвелла и увидел, что они
отражаются от металла. Так
появилась физическая основа
локации.
Создал первый радиоприёмник.
Приём слабого сигнала стал
инженерной задачей, а не только
опытом в лаборатории.
ЧТО ТАКОЕ РАДИОЛОКАЦИЯ
Способ обнаружить объект и определить его положение с помощью радиоволн. Название собрано из «радио» и
«локация». Большинство систем излучают сигнал и принимают его отражение.
ИИ
·
Р А Д И О Л О К А ЦИЯ
03
/
12

4.

Г Л АВ А 1
·
ПРИНЦИП
Дальность — это время эха
ИМПУЛЬСНАЯ ДАЛЬНОСТЬ
ПУТЬ СИГНАЛА
R = c · Δt / 2
1
2
3
4
5
6
7
R дальность до объекта
c скорость электромагнитной волны
Δt время от излучения до приёма эха
2 сигнал идёт до цели и обратно
Дальность
Азимут
Угол места
Передатчик формирует импульс
Антенна излучает волну
Волна достигает объекта
Часть энергии отражается
Эхо возвращается на антенну
Приёмник усиливает сигнал
Обработка достаёт параметры
Скорость
Интенсивность
Признаки цели
Направление на объект дают свойства антенны, фазовые соотношения и пространственная обработка. По одной только
задержке его не определить.
ИИ
·
Р А Д И О Л О К А ЦИЯ
04
/
12

5.

Г Л АВ А 1
·
СОВРЕМЕННЫЕ СИСТЕМЫ
Комплекс, а не один импульс
АКТИВНАЯ ФАЗИРОВАННАЯ РЕШЁТКА
ЦИФРОВОЙ ТРАКТ
Направление луча меняется электронно, без поворота всей
антенны. Сканирование становится быстрым и гибким.
Цифровая обработка, многоканальный приём и разные
формы зондирующего сигнала дают плотный поток данных.
СИГНАЛЬНЫЙ ТРАКТ
РЕШЕНИЕ О ЦЕЛИ
1
2
3
4
5
6
7 Обнаружение потенциальных целей
8 Определение координат
9 Сопровождение объектов
10 Классификация
11 Отображение оператору
ИИ
Формирование зондирующего сигнала
Излучение
Приём отражения
Усиление и фильтрация
Аналого-цифровое преобразование
Цифровая обработка
·
Р А Д И О Л О К А ЦИЯ
На каждом шаге возникают данные, которые можно отдать
модели.
05
/
12

6.

Г Л АВ А 2
·
Ч Т О Т АК О Е И И З Д Е С Ь
Обучение на данных, а не полный свод правил
В радиолокации важны не все ветви искусственного интеллекта, а машинное и глубокое обучение. Модель сама находит
закономерности в примерах. Разработчик задаёт данные и критерий, а не каждое правило обработки.
01
02
Обнаружение
Классификация
Отметка на фоне шума
Тип и класс объекта
06
07
Сопровождение
Траектории
Непрерывный трек
цели
Прогноз следующего
положения
ИИ
·
Р А Д И О Л О К А ЦИЯ
03
04
05
Образы РЛС
Фильтрация
Помехи
Скрытые сочетания
признаков
Очистка полезного
сигнала
Подавление
мешающих отражений
08
Аномалии
Отклонение от нормы
09
Сенсоры
Слияние нескольких
источников
10
Обстановка
Сводка для оператора
06
/
12

7.

Г Л АВ А 2
·
О Б Н АР У Ж Е Н И Е
Одного порога уже недостаточно
КЛАССИЧЕСКИЙ ПОДХОД
ЧТО ЛОМАЕТ ПРОСТОЕ ПРАВИЛО
В традиционных системах работают статистические
обнаружители. Распространённый приём — адаптивный
порог: решение принимается с учётом локального уровня
помех, а не по одной фиксированной величине.
Атмосфера и погода
Отражения от земной поверхности
Здания и другие местные предметы
Морская поверхность
Электромагнитные помехи
Особенности антенны и соседние цели
Порог хорошо работает, пока фон однородный.
Реальная обстановка почти никогда такой не бывает.
ГДЕ ИИ УМЕСТЕН РАНЬШЕ ВСЕГО
В радиолокационной разведке цена ошибки ниже, чем в контуре огневого воздействия: неверная отметка не равна
решению о поражении. Сеть здесь помогает быстрее разобрать обстановку, а оператор остаётся там, где нужна
ответственность за действие.
ИИ
·
Р А Д И О Л О К А ЦИЯ
07
/
12

8.

Г Л АВ А 2
·
Р АС П О З Н АВ АН И Е
После отметки нужен класс цели
Дорога и город
Метеорология
Море и САРП
Автомобильный радар различает машины,
велосипедистов и пешеходов, измеряет
дистанцию и относительную скорость. Это
основа помощи водителю.
Радар видит осадки, структуру облаков и
движение атмосферных процессов.
Большие архивы делают область удобной
для обучения моделей.
Система предупреждения столкновений
ведёт судовые эхо-сигналы, считает TCPA
и DCPA и сравнивает их с порогами,
заданными штурманом.
Авиация
Космос
Микродоплер
Наблюдение за воздушным пространством
и безопасность полётов. Модель помогает
не утонуть в потоке отметок на
загруженных направлениях.
Нужно обнаруживать и сопровождать
большое число объектов на орбите. Здесь
важны и чувствительность, и устойчивость
трека.
Лопасти, колёса и другие подвижные части
дают дополнительные линии в спектре.
Сеть находит такие сочетания лучше
жёсткого списка правил.
ИИ
·
Р А Д И О Л О К А ЦИЯ
08
/
12

9.

Г Л АВ А 2
·
С И Г Н АЛ И Т Р Е К
От сырого эха к траектории
ОБРАБОТКА СИГНАЛА
СОПРОВОЖДЕНИЕ ЦЕЛИ
До высокого уровня сигнал чистят: фильтрация, подавление
фона, согласованная обработка, спектр, поиск пиков, оценка
параметров. ИИ здесь дополняет тракт, а не отменяет его.
1
2
3
4
5
6
АВТОЭНКОДЕР И АНОМАЛИИ
Сеть учится восстанавливать данные из сжатого кода. Если
её учили на обычных сигналах, большое отклонение от
привычной структуры — повод считать фрагмент аномалией.
ГИБРИДНАЯ СХЕМА
Классика делает физически понятную обработку. Модель
подключается там, где правила уже плохо описывают
данные.
ИИ
·
Р А Д И О Л О К А ЦИЯ
Обнаружить объект
Связать отметки соседних обзоров
Оценить положение
Оценить скорость
Спрогнозировать следующее положение
Пережить пропуски измерений
ФИЛЬТР КАЛМАНА + СЕТЬ
Оценку траектории по-прежнему удобно вести фильтром
Калмана и его вариантами. Сеть достаёт дополнительные
признаки, фильтр считает состояние. Связка особенно
полезна, когда движение плохо ложится на простую модель.
09
/
12

10.

Г Л АВ А 2
·
ПРЕИМУЩЕСТВА
Что меняется, когда подключают модель
01
Автоматизация
Часть работы, которую раньше делал оператор, уходит алгоритму. Это заметно, когда целей одновременно много.
02
Большие массивы
Сенсор уже производит больше информации, чем можно просмотреть. Обучение разбирает этот поток без ручного просмотра каждого
кадра.
03
Сложные связи
Сеть видит сочетания признаков, которые трудно записать коротким списком правил и порогов.
04
Адаптация
При смене условий модель можно дообучить, а не переписывать весь тракт с нуля.
05
Нагрузка на человека
Оператору приходит уже собранная картина, а не сырой экран, забитый отметками.
ИИ
·
Р А Д И О Л О К А ЦИЯ
10
/
12

11.

Г Л АВ А 2
·
О Г Р АН И Ч Е Н И Я
Точность на тесте ещё не делает систему
Модель, которая хорошо выглядит на знакомой выборке, может молча ошибаться в новой обстановке. Для радиолокации это
не мелочь.
01 Данные
02 Обобщение
Нужна большая и верно размеченная выборка. Ошибка в
метке становится ошибкой модели.
Другая частота, антенна, разрешение или предобработка — и
качество падает. Условия тоже должны быть в данных.
03 Вычисления
04 Объяснимость
Глубокая сеть дорогая. Если ответ нужен в реальном
времени, модель приходится сжимать и упрощать.
Классический алгоритм легче связать с физикой. Сеть хуже
объяснить там, где цена ошибки высока.
05
НАДЁЖНОСТЬ
Высокой точности на контрольной выборке мало. Для ответственных применений нужно показать устойчивость на широком
наборе условий и оставить резервный, физически понятный тракт.
ИИ
·
Р А Д И О Л О К А ЦИЯ
11
/
12

12.

ОБУЧЕНИЕ И ПЕРСПЕКТИВЫ
Учить на данных и не отпускать физику
КАК СОБИРАЮТ СИСТЕМУ
КУДА ИДЁТ ОБЛАСТЬ
1
2
3
4
5
6
Компактные сети прямо на периферии
Слияние радара с другими сенсорами
Обучение на малых и неразмеченных выборках
Перенос обучения и генеративные модели
Физико-нейросетевые гибриды
Объяснимость и оценка неопределённости
Сбор и очистка радиолокационных данных
Синхронизация и разметка объектов
Обучающая, проверочная и тестовая выборки
Обучение модели и оценка качества
Проверка на данных, которых не было в обучении
Испытания в реальных условиях
Если система должна жить в разной погоде и видеть разные цели,
это разнообразие обязано быть в выборке.
Отдельный интерес — радар, который сам подстраивает
обработку под текущую обстановку.
ВЫВОД
Радар уже собирает огромный объём, но сами по себе данные задачу не решают. ИИ ускоряет обнаружение, классификацию,
трек и поиск аномалий. Перспектива — не замена радиолокации, а союз физической модели и обучения.
ИИ
·
Р А Д И О Л О К А ЦИЯ
12
/
12
English     Русский Правила