Современная электроника №7/2021

ВОПРОСЫ ТЕОРИИ 72 WWW.SOEL.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА ◆ № 7 2021 Графики на рис. 1 и рис. 2 соответ- ствуют независимым выборкам наблю- дения, т.е. приёму отражённых сигна- лов за несколько обзоров РЛС. Однако для повышения скорости принятия решения рассмотрим другой случай, когда для формирования модуля меж- частотного коэффициента корреляции обрабатываются сигналы в виде корре- лированной пачки импульсов на каж- дой частоте в одном обзоре. К сожалению, аналитически рас- считать вероятность правильной классификации протяжённого объ- екта в этом случае не представляет- ся возможным, и результаты были получены только моделировани- ем в MATLAB. Для этого использова- лась модель отражённых сигналов на каждой частоте в виде коррелиро- ванной пачки импульсов с нормаль- но распределёнными квадратурны- ми составляющими. Межпериодный коэффициент корреляции задавался 0,9 для числа импульсов в пачке 8 и 16. Результаты моделирования пред- ставлены на рис. 3, 4 . Результаты исследования полно- стью подтверждают, что коррели- INDUSTRIAL ELECTRONIC ENGENEERS ОФИЦИАЛЬНЫЙ ДИСТРИБЬЮТОР рованность выборок наблюдения заметно снижает эффективность клас- сификации. Так, при 16 коррелирован- ных выборках наблюдений с межпе- риодным коэффициентом корреляции 0,9 вероятность правильной классифи- кации для порога 0,4 падает с 0,9 до 0,3. Повысить эффективность классифика- ции при работе за один обзор можно в соответствии с предлагаемым спосо- бом с помощью декорреляции выбо- рок наблюдения на каждой несущей частоте. Такая декорреляция была выполнена с помощью авторегресси- онной КИХ-фильтрации по алгорит- му Берга. Результаты моделирования c декор- реляцией для авторегрессии третьего порядка представлены на рис. 3, 4. Результаты исследования полностью подтверждают, что применение декор- реляции выборок наблюдения при работе в одном обзоре заметно повы- шает эффективность классификации при существенном повышении быстро- действия этой операции. Так, уже при 16 коррелированных выборках наблю- дения с межпериодным коэффици- ентом корреляции 0,9 в одном обзо- ре декорреляция позволяет получить вероятность правильной классифи- кации практически такую же, как при использовании независимых выборок за 16 обзоров. Литература 1. Bartenev V . Radar objects classification using inter frequency correlation coefficient. Report on the International conference RADAR 2016. China, Oct. 2016. 2. Бартенев В.Г. Патент «Способ класси- фикации и бланкирования дискрет- ных помех» №2710894 // Опубликован: 14.01.2020. Бюл. № 2. 3. Бартенев В.Г. О некоторых особенностях формирования межчастотного корреля- ционного признака // Современная элек- троника. 2021. № 3. 4. Бартенев В.Г. Квазиоптимальные адап- тивные алгоритмы обнаружения сигна- лов // Современная электроника. 2011. № 2. 5. Бартенев В.Г. О распределении оценки модуля коэффициента корреляции// Современная электроника. 2020. № 8. 6. ПотемкинВ.Г. СправочникпоMATLAB.Ана- лизиобработкаданных//URL: http://matlab. exponenta.ru/ml/book2/chapter8/.