BỘ GIÁO DỤC VÀ ĐÀO TẠO
BỘ QUỐC PHÒNG
VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ
NGUYỄN VĂN TR
NGHIÊN CỨU BÀI TOÁN TỰ ĐỘNG NHẬN DẠNG MỤC
TIÊU RA ĐA ỨNG DỤNG MẠNG NƠ-RON HỌC SÂU
Ngành: Kỹ thuật ra đa dẫn đường
Mã số: 9 52 02 04
TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT
HÀ NỘI - 2024
1
MỞ ĐẦU
1. Tính cấp thiết của đề tài luận án
Thực tiễn các cuộc xung đột v trang và chiến tranh gần đây cho thấy
các bên tham chiến sử dụng đa dạng các chủng loại v kh đặc biệt là my
bay không người li, xuồng không người li và tên lửa hnh trình, bom lượn,
... Các loại v kh ny ngy cng thông minh, có tnh st thương cao. Khi
đối phương dùng hỏa lực lớn, tấn công ồ ạt, cường độ cao thì phương php
nhận dạng xc định thủ công dựa vào kinh nghiệm v năng lực của trắc thủ
là không hiệu quả. Do đó, giải pháp tự động nhận dạng mục tiêu là một yêu
cầu cấp bách.
Áp dụng trí tuệ nhân tạo để giải quyết bài toán nhận dạng mục tiêu ra đa
là một hướng tiếp cận phù hợp với xu hướng nghiên hiện nay trong lĩnh vực
xử lý tín hiệu ra đa. Trong đó, nghiên cu cc giải php để khắc phục cc
khó khăn như: số lượng tập ảnh ra đa gn nhn hạn chế, cường độ nhiễu
trong ảnh cao, yêu cầu v kch thước mô hình v tốc độ tnh ton của mạng
nơ-ron nhm nâng cao chất lượng nhận dạng mục tiêu l một nhiệm vụ quan
trọng.
Xuất pht t nhng l do trên, luận án lựa chọn đ tài nghiên cu
“Nghiên cứu bài toán tự động nhận dạng mục tiêu ra đa ứng dụng mạng nơ-
ron học sâu”. Đây l vấn đ cấp thiết và có tính thời sự, ng dụng cao, nhng
kết quả của Luận án là tin đ cho lĩnh vực nghiên cu, xây dựng các mô
đun phần mm tự động nhận dạng mục tiêu để ng dụng vào trong tuyến xử
lý tín hiệu của cc ra đa tại Việt Nam.
2. Mục tiêu nghiên cứu
Mục tiêu nghiên cu của luận n l nghiên cu đ xuất một số giải php
nhm nâng cao chất lượng nhận dạng mục tiêu ra đa của mô hình mạng nơ-
ron học sâu.
3. Đối tượng và phạm vi nghiên cứu
Đối tượng nghiên cu của luận n l cc mô hình mạng nơ-ron học sâu
v bi ton tự động nhận dạng mục tiêu ra đa.
Phạm vi nghiên cu của luận n l:
- Nghiên cu p dụng cc giải php nâng cao chất lượng nhận dạng mục
tiêu ra đa ng dụng mạng nơ-ron học sâu;
- Luận án tập trung nghiên cu nhận dạng 3 lớp mục tiêu Flycam, người
đi bộ, ô tô và sử dụng bộ d liệu đ có sẵn được công bố trên tạp chí có uy
tín.
4. Ni dung nghiên cứu
Để đạt được các mục tiêu đ ra, luận án tập trung nghiên cu một số nội
dung chnh như: Nghiên cu l thuyết nhận dạng mục ra đa; Khảo st cc
2
tập d liệu ra đa gn nhn; Nghiên cu, phân tch, đnh gi cc mô hình học
sâu v các kỹ thuật nhận dạng mục tiêu ra đa; Nghiên cu các giải pháp nâng
cao chất lượng nhận dạng mục tiêu của mạng nơ-ron học sâu.
5. Phương pháp nghiên cứu
Kết hợp nghiên cu lý thuyết , giải thch, mô tả ton học để xây dựng cc
mô hình, mô phỏng đnh gi cc mô hình bng phần mm. Chng minh hiệu
quả cc đ xuất bng công cụ đnh gi của Framework Tensorflow, ngôn
ng lập trình Python.
6. Ý nghĩa khoa học và ý nghĩa thực tiễn của luận án
Ý nghĩa khoa học: Kết quả nghiên cu của luận án góp phần hoàn thiện
cơ s l thuyết bài toán nhận dạng mục tiêu ra đang dụng trí tuệ nhân tạo.
Ý nghĩa thực tiễn: Kết quả của các nghiên cu trong luận n l cơ s khoa
học để xây dựng mô đun xử lý nhận dạng mục tiêu áp dụng vào thực tế.
Luận án có thể là tài liệu tham khảo trong nghiên cu khoa học, trong giảng
dạy tại Học viện, Nh trường, và các khóa huấn luyện chuyên ngành.
7. Bố cục của luận án
Luận án được xây dựng bao gồm phần M đầu, 4 chương, v Kết luận.
CHƯƠNG 1. NHẬN DẠNG MỤC TIÊU RA ĐA ỨNG DỤNG
TRÍ TUỆ NHÂN TẠO, THIẾT LẬP BÀI TOÁN
1.1. Tổng quan bài toán nhận dạng mục tiêu ra
1.1.1. Gii thiu bi ton
Tự động nhận dạng mục tiêu ra đa (RATR: Radar automatic target
recognition) l bi ton xc định kiểu loại của mục tiêu dựa trên nhng dấu
hiệu đặc trưng được trch xuất t tn hiệu phản xạ ra đa.
1.1.2. Cc du hiu nhn dng
Hiện nay, các nhà nghiên cu tập trung vào 3 dấu hiệu đặc trưng cơ bản
trong tín hiệu phản xạ v t mục tiêu ra đa lm cơ s nhận dạng. Cụ thể, ba
dấu hiệu đặc trưng đó l:
- Đặc trưng diện tích phản xạ hiệu dụng ra đa;
- Đặc trưng chuyển động của mục tiêu thể hiện qua tham số tần số
Doppler và micro-Doppler;
- Đặc trưng v pha v đặc tính phân cực tín hiệu phản xạ v t mục tiêu.
1.1.3. Cc phương php nhn dng mc tiêu ra đa
Tùy theo cách thc trích xuất đặc trưng, nhận dạng mục tiêu ra đa có thể
được chia thnh hai phương php: phương php truyn thống v phương
pháp học sâu.
3
Hình 1.12. Nhận dạng mục tiêu theo phương php truyn thống.
- Phương php truyn thống đưa ra quyết định nhận dạng dựa vào việc
thực hiện cc thuật ton để tnh ton độ tương đồng của d liệu mục tiêu thu
được hiện tại với cc mẫu mục tiêu ghi lưu trong bộ nhớ.
- Nhận dạng theo phương php học sâu có thể chia thnh 2 mc độ:
+ Mạng nơ-ron có chc năng pht hiện v nhận dạng: Trong trường hợp
ny, luồng xử l pht hiện v nhận dạng l nối tiếp. Mạng nơ-ron phải đồng
bộ v mặt thời gian, tốc độ tnh ton với ton bộ tuyến xử l tn hiệu của ra
đa. Sơ đồ chc năng của ra đa có mạng nơ-ron phát hiện và nhận dạng mục
tiêu được mô tả trên Hình 1.15. Phương php ny p dụng phù hợp cho cc
ra đa cỡ nhỏ, tầm gần, số lượng mục tiêu bám bắt đồng thời bé.
Hình 1.15 Mạng nơ-ron học sâu phát hiện và nhận dạng mục tiêu ra đa.
+ Mạng nơ-ron chỉ đảm nhận chc năng nhận dạng: Trong trường hợp
ny, thông tin mục tiêu nhận dạng được lựa chọn thủ công thông qua thao
tc của trắc thủ ra đa trên mn hình HMI hoặc được lựa chọn tự động. Tuyến
xử l pht hiện ra đa v tuyến xử l nhận dạng ra đa l song song, trong đó
hệ thống xử l nhận dạng l hệ thống xử l trễ, không yêu cầu đồng bộ tốc
với tuyến xử l pht hiện. Phương php ny phù hợp và có tính khả thi cao
cho việc p dụng vo thực tế cc ra đa cảnh giới với tnh năng pht hiện,
bm bắt đồng thời nhiu mục tiêu. Sơ đồ chc năng của ra đa có mạng nơ-
ron chỉ đảm nhiệm chc năng nhận dạng mục tiêu được mô tả trên Hình
1.17.