Tóm tắt Luận án Tiến sĩ Kỹ thuật: Ứng dụng mạng nơron nhân tạo trong xử lý cấp 2 tin tức ra đa

Chia sẻ: Na Na | Ngày: | Loại File: PDF | Số trang:27

Thêm vào BST

Báo xấu

89
lượt xem 14
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Luận án gồm các chương: Chương 1 - Tổng quan về quá trình xử lý cấp 2 tin tức ra đa, chương 2 - Mạng Nơron nhân tạo và ứng dụng mạng Hopfield trong xử lý cấp 2 tin tức ra đa, chương 3 - Mô phỏng, tính toán kết quả trên phần mềm Matlab và kết luận. Sau đây là bản tóm tắt luận án.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Tóm tắt Luận án Tiến sĩ Kỹ thuật: Ứng dụng mạng nơron nhân tạo trong xử lý cấp 2 tin tức ra đa

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ ---------------------- PHẠM NGỌC HUY ỨNG DỤNG MẠNG NƠRON NHÂN TẠO TRONG XỬ LÝ CẤP 2 TIN TỨC RA ĐA Chuyên ngành: Kỹ thuật ra đa - dẫn đƣờng Mã số: 62 52 02 04 TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT Hà Nội – 2016
CÔNG TRÌNH ĐƢỢC HOÀN THÀNH TẠI VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ Ngƣời hƣớng dẫn khoa học: 1. PGS-TS Nguyễn Thu Phong 2. TS Nguyễn Phùng Bảo Phản biện 1: PGS.TSKH Đào chí Thành Viện Cơ học/Viện HLKH và CN Việt Nam Phản biện 2: PGS. TS Lê Anh Dũng Viện tích hợp hệ thống/Học viện KTQS Phản biện 3: PGS.TS Trƣơng Vũ Bằng Giang Đại học công nghệ/ĐHQG Hà Nội Luận án đƣợc bảo vệ tại Hội đồng chấm luận án cấp Viện họp tại Viện khoa học và công nghệ quân sự vào hồi ...... giờ ..... ngày .... tháng ..... năm ......... Có thể tìm hiểu luận án tại: - Thƣ viện Viện khoa học và công nghệ quân sự - Thƣ viện Quốc gia Việt Nam.
1 MỞ ĐẦU Ngày nay, trong môi trƣờng tác chiến hiện đại, các đài ra đa (hoặc là hệ thống ra đa) cần phải đáp ứng những yêu cầu rất cao của nhiệm vụ chiến đấu, đặc biệt là những yêu cầu liên quan đến đảm bảo chất lƣợng và độ tin cậy thông tin đầu ra khi có tác động của nhiều yếu tố. Qua việc nghiên cứu, phân tích xu hƣớng phát triển về các phƣơng tiện tấn công đƣờng không của các nƣớc thuộc khối NATO trong thời gian gần đây cho thấy một đặc điểm nổi bật là: Ứng dụng các kỹ thuật và công nghệ hiện đại trên các phƣơng tiện bay (Máy bay, tên lửa hành trình, UAV...) ít bộc lộ các dấu hiệu ra đa (Stealth), vận tốc lớn, cơ động liên tục và bay thành nhiều tốp có nhiều loại máy bay tham gia (Tiêm kích, ném bom, gây nhiễu…) khi tham gia tấn công mục tiêu. Thực tế này đã gây ra khó khăn rất lớn cho việc phát hiện, nhận dạng và bám sát mục tiêu của các hệ thống ra đa cảnh giới, phòng không quốc gia. Cho đến nay, xử lý cấp 2 vẫn luôn là bài toán mang tính thời sự và ngày càng đƣợc hoàn thiện. Các thuật toán truyền thống bám sát quỹ đạo mục tiêu đƣợc tổng hợp với một số giả thiết ban đầu, trong đó cơ bản nhất là coi mục tiêu chuyển động thẳng đều và đủ cách xa nhau, nghĩa là các xung sóng cửa liên kết và bám sát của các mục tiêu khác nhau không bị cắt nhau. Nếu điều kiện này đƣợc thỏa mãn, thuật toán sẽ đảm bảo độ chính xác và xác suất bám sát mục tiêu gần với tối ƣu. Trong thực tế là khi mục tiêu bay theo nhóm, liên tục cơ động các giả thiết nói trên không còn đúng nữa. Lúc đó, hiệu quả các thuật toán trên bị giảm rất nhiều, đặc biệt phức tạp khi bám sát các nhóm mục tiêu. Khi khoảng cách giữa các mục tiêu trong nhóm bằng kích thƣớc các xung sóng cửa, các xung cửa sóng quỹ đạo của các mục tiêu khác nhau nhiều lần giao cắt nhau, trong nhiều trƣờng hợp sẽ dẫn đến nhận dạng sai điểm dấu, do đó tăng số điểm dấu và giảm độ trung thực của thông tin. Trong trƣờng hợp khi các mục tiêu cơ động, các chỉ tiêu này càng xấu hơn nữa. Các thuật toán
2 đang đƣợc áp dụng với các tham số điều chỉnh bất kỳ đều không thể bám sát liên tục các nhóm mục tiêu [7], [49]. Vì vậy, bên cạnh những điểm mạnh thì hạn chế lớn nhất của việc sử dụng các công cụ truyền thống trong xử lý cấp 2 là chúng đòi hỏi rất tƣờng minh về mô hình toán học trong khi đó, tính đa dạng của tình huống trên không khó có thể biểu diễn một cách rõ ràng. Vì vậy, cùng với bài toán truyền thống là làm chính xác các tham số quỹ đạo trong quá trình bám sát thì việc nhận diện và lựa chọn điểm dấu trong số các điểm dấu thu nhận đƣợc để làm mới tham số quỹ đạo, nối dài quỹ đạo trong khi bám sát là nhiệm vụ không kém phần quan trọng. Đó chính là việc liên kết điểm dấu (LKĐD). Qua việc phân tích tình hình thực tế ở trên đã đặt ra yêu cầu phải nghiên cứu áp dụng một phƣơng pháp xử lý LKĐD khác với phƣơng pháp truyền thống để đáp ứng những yêu cầu ngày càng cao trong tác chiến của kỹ thuật ra đa. Do vậy, mục tiêu của luận án “Ứng dụng mạng nơron nhân tạo trong xử lý cấp 2 tin tức ra đa” đƣợc cụ thể hóa là: Áp dụng lý thuyết về lọc bám đa mục tiêu trong điều kiện có nhiễu và mạng nơron nhân tạo, xây dựng mô phỏng bằng phần mềm Matlab 01 bộ lọc bám quỹ đạo sử dụng mạng nơron Hopfield để LKĐD và đánh giá chất lượng hoạt động của bộ lọc bám đó. Trong luận án sẽ tập trung giải quyết những nội dung chính nhƣ sau:  Nghiên cứu lý thuyết chung về quá trình xử lý cấp 2 tin tức ra đa và vấn đề liên kết điểm dấu (LKĐD) theo xác suất, tập trung nghiên cứu vào hai thuật toán quan trọng là thuật toán PDA và JPDA áp dụng với mô hình hệ thống ra đa liên kết thị tần.  Ứng dụng công cụ mạng nơron nhân tạo, tập trung vào một loại mạng đặc thù phục vụ bài toán tối ƣu các điều kiện ràng buộc là mạng Hopfield để tìm kiếm công cụ giải bài
3 toán LKĐD.  Thực hiện mô hình hóa các kết quả nghiên cứu lý thuyết đối với hai nội dung trên với việc mô phỏng một bộ lọc bám có sử dụng việc LKĐD bằng mạng nơron Hopfield, xây dựng thuật toán tạo bộ dữ liệu (điểm dấu) đầu vào cùng với các tiêu chí đánh giá nhƣ: số lƣợng quỹ đạo bám trên tổng số quỹ đạo thực ở các tình huống khác nhau, thời gian xử lý, độ chính xác ƣớc lƣợng tham số quỹ đạo và chất lƣợng bám sát …. Kết quả cần đạt được của luận án là: : Xây dựng đƣợc bộ lọc bám quỹ đạo ứng dụng công cụ mạng nơron nhân tạo Hopfield trong LKĐD mục tiêu cùng với bộ chƣơng trình tính toán mô phỏng đánh giá kết quả hoạt động xử lý cấp 2 thông tin ra đa đi kèm với bộ tham số đầu vào phục vụ quá trình mô phỏng. Tính mới, ý nghĩa khoa học và thực tiễn của đề tài đƣợc thể hiện ở các kết quả nghiên cứu: 1. Việc nghiên cứu sử dụng mạng Hopfield sử dụng để LKĐD là một hƣớng nghiên cứu mới so với các công cụ truyền thống đã đƣợc các nhà khoa học trên thế giới thực hiện. Các kết quả tính toán, mô phỏng trong luận án đã cho thấy trong điều kiện với một số lƣợng mục tiêu nhất định, mục tiêu cơ động, quĩ đạo mục tiêu giao cắt nhau, có nhiễu tác động…, nó đã khắc phục đƣợc những khuyết điểm của các thuật toán truyền thống đang đƣợc áp dụng trong xử lý cấp 2 tin tức ra đa. 2. Việc áp dụng thuật toán LKĐD theo xác suất trên cơ sở ứng dụng mạng nơron nhân tạo (ANN) nằm trong bài toán lọc, bám quỹ đạo đa mục tiêu trong điều kiện có nhiễu tác động theo hƣớng Bayes cận tối ƣu là cách tiếp cận mới, đang đƣợc tiếp tục nghiên cứu hoàn thiện để giải quyết nhiệm vụ trong thực tế. Trong điều kiện nhất định, nó đã dung hòa ở đƣợc mâu thuẫn giữa khối lƣợng tính toán và số lƣợng quỹ đạo bám sát.
4 3. Việc ứng dụng các phần mềm tin học hiện đại để tính toán, mô phỏng hoạt động và đánh giá kết quả sau xử lý trong môi trƣờng ảo là hƣớng tiên tiến đang đƣợc áp dụng rộng rãi trong nghiên cứu khoa học. Lý thuyết áp dụng và công cụ lập trình đƣợc áp dụng trong quá trình thực hiện đề tài nghiên cứu bao gồm: 1. Lý thuyết vô tuyến điện thống kê. 2. Lý thuyết xác suất thống kê. 3. Lý thuyết lọc Kalman 4. Mạng nơron và các biến thể 5. Kỹ thuật lập trình trên ngôn ngữ Visual C++, MATLAB... Luận án đƣợc trình bày và kết cấu thành 3 chƣơng nhƣ sau: MỞ ĐẦU Chƣơng 1: Tổng quan về quá trình xử lý cấp 2 tin tức ra đa Chƣơng 2: Mạng Nơron nhân tạo và ứng dụng mạng Hopfield trong xử lý cấp 2 tin tức ra đa Chƣơng 3: Mô phỏng, tính toán kết quả trên phần mềmMATLAB KẾT LUẬN CHƢƠNG 1 TỔNG QUAN VỀ QUÁ TRÌNH XỬ LÝ CẤP 2 TIN TỨC RA ĐA 1.1. Mô hình hệ thống ra đa: Hiện nay, việc xử lý cấp 2 tin tức ra đa trong Quân chủng Phòng không - Không quân đƣợc thực hiện hoặc tại đài ra đa hoặc tại sở chỉ huy của trạm ra đa. Theo [17], hệ thống ra đa liên kết thị tần (LKTT) là mô hình hệ thống đƣợc đánh giá cao về cấu trúc, độ tin cậy, khả thi đối với cả các hệ thống hiện đại. 1.2. Bài toán phát hiện và bám quỹ đạo mục tiêu: Theo[13],[15],[16],[47], bài toán phát hiện và bám quỹ đạo mục tiêu đƣợc chia làm 2 quá trình : phát hiện quỹ đạo và bám sát quỹ đạo. Trên Hình 1.3 có biểu diễn lôgíc thuật toán “ phát hiện quỹ đạo 3-3”.
5 S S3 1 S2 Phát hiện quỹ đạo Bám sát quỹ đạo Hình 1.3: Thuật toán phát hiện quỹ đạo “3-3” Bám quỹ đạo đƣợc hiểu là quá trình “tiếp tục hóa” quỹ đạo và ƣớc lƣợng tham số với độ chính xác cao hơn (chính xác hóa tham số). Quá trình bám quỹ đạo trong xử lý cấp 2 sẽ bao gồm các bƣớc: 1. Lọc điểm dấu theo tiêu chuẩn để nối dài quỹ đạo (ghép điểm dấu với quỹ đạo đã phát hiện). 2. Ước lượng tham số quỹ đạo (với các giả thiết ban đầu về quy luật chuyển động của mục tiêu, sai số đo tọa độ và xây dựng hàm mô tả quá trình đo). 3. Tính toán giá trị ngoại suy tọa độ ở nhịp lấy tin tiếp theo. 4. Loại bỏ quỹ đạo: Các thuật toán đƣợc áp dụng trong các quá trình nói trên bao gồm:  Thuật toán định cửa sóng đối  Thuật toán chọn lọc điểm dấu trong cửa sóng  Thuật toán ƣớc lƣợng tham số quỹ đạo  Thuật toán ngoại suy tham số quỹ đạo  Thuật toán LKĐD  Thuật toán lọc Kalman 1.3. Bài toán lọc Kalman: (Trong luận án đã trình bày) 1.4. Bài toán LKĐD:
6 Theo [21]…[24], [28] khái niệm “Liên kết điểm dấu” trong xử lý thứ cấp tin tức ra đa đƣợc theo nghĩa rộng bao gồm: Sắp xếp dãy dữ liệu đầu vào và thiết lập mối quan hệ tƣơng quan giữa chúng với các quỹ đạo đang đƣợc bám. Trong kỹ thuật ra đa, ngƣời ta đã áp dụng một số cách tiếp cận giải quyết bài toán LKĐD xuất phát từ bản chất vật lý của quá trình. Cách tiếp cận thứ nhất, không Bayes (non - Bayesian approach) dựa trên việc sử dụng hàm hợp lý. Tại chu kỳ nhịp lấy tin xác định, điểm dấu đƣợc chọn trong số điểm dấu thu đƣợc để nối dài đối với quỹ đạo đang xét phải có hệ số hợp lý lớn nhất. Cách tiếp cận thứ hai là cách tiếp cận Bayes tối ƣu. Theo đó, tại từng chu kỳ nhịp lấy tin, tiến hành tính toán xác suất hậu nghiệm các phƣơng án (có thể) xây dựng quỹ đạo bay theo dữ liệu của tất cả các chu kỳ nhịp lấy tin trƣớc đó. Quỹ đạo đƣợc chọn sẽ là quỹ đạo có xác suất hậu nghiệm lớn nhất. Suy rộng ra, chúng ta sẽ không quan tâm đến xuất xứ (nguồn gốc) xuất hiện điểm dấu. Nghĩa là không giới hạn số lƣợng điểm dấu chỉ có trong sóng cửa. Dễ dàng nhận thấy rằng, số các phƣơng án quỹ đạo sẽ vô cùng lớn [27]. Để giảm nhẹ công việc tính toán, các thuật toán liên kết dữ liệu theo xác đƣợc xây dựng trên cách tiếp cận Bayes cận tối ƣu. Khác biệt của Bayes cận tối ƣu và tối ƣu là ở chỗ: Trong Bayes cận tối ƣu, chỉ tiến hành phân tích, xem xét các dữ liệu thu đƣợc ở chu kỳ nhịp hiện tại. Việc ƣớc lƣợng trạng thái tại chu kỳ nhịp trƣớc đó đƣợc thực hiện bằng lọc Kalman. Việc LKĐD theo xác suất ở đây tƣơng đối đơn giản, dễ thực hiện. Để đánh giá chất lƣợng quá trình lọc bám quỹ đạo, thƣờng ngƣời ta hay sử dụng các chỉ tiêu nhƣ: tỉ số các quỹ đạo đƣợc bám trên tổng số các quỹ đạo nằm trong vùng phát hiện của hệ thống; độ chính xác các tham số ƣớc lƣợng của quỹ đạo; số lƣợng trung bình các quỹ đạo giả (lầm, v.v.)... Nội dung nghiên cứu về bài toán LKĐD chủ yếu nằm trong
7 các mục 1.4.1 và 1.4.2 của Luận án. 1.4.1. LKĐD theo cách tiếp cận không Bayes, thuật toán “lân cận gần nhất” Mô tả trong các trang 19…21 của Luận án. 1.4.2 LKĐD theo cách tiếp cận Bayes cận tối ƣu, thuật toán PDA và JPDA Trong mục này bao gồm các nội dung: 1.4.2.1 Hợp thức điểm dấu đo Trong điều kiện có nhiễu, để giảm sự phức tạp tính toán của phƣơng trình cập nhật thì rất cần thiết phải hạn chế số lƣợng các điểm dấu trong quá trình quan sát (hay đo đạc). Trong [20], Bar- Shalom đã đề xuất thủ tục hợp thức cho một điểm dấu từ một mục tiêu để liên kết với một quỹ đạo đã có đó là hình thành một cửa sóng đa kích thƣớc để loại ra một số điểm dấu thu nhận đƣợc. 1.4.2.2 Thuật toán LKĐD theo xác suất của mục tiêu đơn (PDA) Áp dụng công thức : 𝑞𝑗𝑡 (𝑘) 𝛽𝑗𝑡 (𝑘) = 𝑚𝑘 𝑡 (1.43) 𝑗 =0 𝑗 𝑞 (𝑘) để tính xác xuất liên kết của điểm dấu j với mục tiêu t với 𝑞𝑗𝑡 (𝑘) là hàm hợp lý cho mỗi tín hiệu điểm dấu và đƣợc tính theo công thức (1.44) trong luận án bản đầy đủ. 1.4.2.3 Thuật toán LKĐD theo xác suất đồng thời (JPDA) 𝑇 1 𝑃 Ψ|𝑍 = 𝜆𝑚 𝑘 −𝑇 𝑝𝑗𝑡 (𝑘) (1.46) 𝑐 𝑡=1 với 𝑝𝑗𝑡 (𝑘) là hàm hợp lý cho mỗi tín hiệu điểm dấu và đƣợc tính theo công thức (1.47). Kết luận Chƣơng 1 Từ những vấn đề nghiên cứu đã trình bày trong Chƣơng 1, ta rút ra các kết luận sau đây: - Mô hình HTRĐ liên kết thị tần đƣợc xây dựng từ các đài ra đa độc
8 lập có ý nghĩa kỹ thuật và thực tiễn rất lớn đối với điều kiện tác chiến hiện đại. - Việc sắp xếp dữ liệu điểm dấu, xác định chúng bằng các thuật toán và tiêu chuẩn xem chúng thuộc quỹ đạo mục tiêu nào là nội dung cơ bản của LKĐD. - Lọc Kalman mà cơ sở toán học chính của nó là lý thuyết ƣớc lƣợng thống kê là công cụ quan trọng trong giải bài toán xử lý cấp 2. - Từ các nghiên cứu nói trên ta thấy ràng, LKĐD và lọc Kalman là hai nội dung không thể tách rời trong xử lý cấp 2 tin tức ra đa . Từ những kết luận nêu trên, có thể giới hạn nội dung nghiên cứu "Ứng dụng công cụ mạng nơron nhân tạo trong xử lý cấp 2 tin tức ra đa" là: Tập trung vào thực hiện nhiệm vụ LKĐD - khâu quan trọng góp phần quyết định chất lƣợng các quá trình tiếp sau của lọc, bám quỹ đạo. CHƢƠNG 2 MẠNG NƠRON NHÂN TẠO VÀ ỨNG DỤNG MẠNG HOPFIELD TRONGXỬ LÝ CẤP 2 TIN TỨC RA ĐA 2.1. Tổng quát về mạng nơron nhân tạo: 2.1.1 Các khái niệm cơ bản về mạng nơron sinh học: Trên Hình 2.1 có mô tả cấu trúc và quan hệ trong nơron sinh học. Mạng nơron nhân tạo (Artificial Neuron Network-ANN) đƣợc xây dựng theo nguyên lý tổ chức và hoạt động tƣơng tự não ngƣời và đƣợc ứng dụng trong nhiều lĩnh vực khoa học khác nhau. Dạng tổng quát của nơron nhân tạo đƣợc vẽ trên Hình 2.2. Truyền phát action Truyền thu dendrite đốt nhân Khớp thần kinh synaps Hình 2.1: Các quan hệ trong nơron sinh học Vào x1 Khí p thÇn kinh (synaps) Nhân x2 w1 no ron w2 Ra x3 S Y=f(s) w3 TruyÒn ph¸ t . . . n (action) S x i 1 i wi wn xn
9 Hình 2.2: Mô hình tổng quát nơron nhân tạo 2.2.Phân loại mạng nơron: 2.2.1. Mạng nơron truyền thẳng: 2.2.1.1 Mạng nơron nhân tạo một lớp: 2.2.1.2 Mạng nơron nhân tạo nhiều lớp: 2.2.1.3 Mạng nơron nhân tạo lan truyền ngược: 2.2.2. Mạng nơron phản hồi: 2.2.2.1 Mạng Hopfield: wj1 y1 x1 .... .... xj w1j yj wnj .... .... xn w1n yn Hình 2.8: Mô hình mạng nơron Hopfield Xét mạng một lớp có mạch phản hồi gồm n đầu vào và m nơron (Hình2.8). Trong mỗi nơron thứ j đều có các tín hiệu lấy từ bên ngoài vào xj . Đáng chú ý là các tín hiệu đầu ra của nơron thứ j là yj đƣợc đƣa ngƣợc trở lại đầu vào của các nơron khác bởi trọng số wij, với i = 1,2,...,n và i ≠ 𝑗 (nghĩa là tín hiệu ra của mỗi nơron thứ i không đƣa ngƣợc trở lại đầu vào của chính nó wii=0). Trọng số của mạng có tính chất đối xứng: wij=wji. Tập các giá trị đầu ra yi của tất cả các nơron ở bƣớc thứ N nào đó sẽ tạo thành véctơ trạng thái Y N của mạng. Mạng nhƣ vậy gọi là mạng Hopfield. Hàm năng lượng mạng Hopfield, Định lý Lyapunov: Cụ thể xem tài liệu [9] và luận án bản đầy đủ.
10 2.2.2.2 Một số ứng dụng của mạng Hopfield: 1. Ứng dụng trong phân lớp và nhận dạng 2. Ứng dụng mạng Hopfield trong bài toán tối ƣu hóa: Nội dung bài toán nhƣ sau: Giả thiết rằng có n thành phố và đã biết khoảng cách giữa các thành phố đó. Nhiệm vụ của người bán hàng là phải thực hiện đi đến tất cả các thành phố đó với quãng đường ngắn nhất mà không phải lặp lại một thành phố quá một lần. Để giải quyết bài toán đã nêu, cách đặt vấn đề đơn giản nhất là liệt kê tất cả các đƣờng đi khả thi để tính toán tổng khoảng cách cho mỗi đƣờng đi và chọn đƣờng đi với quãng đƣờng ngắn nhất. Tuy nhiên nếu là n thành phố thì số đƣờng đi khả thi sẽ là n!/2n. Do vậy, dù là đơn giản, nhƣng cách đặt vấn đề nhƣ trên sẽ là không khả thi. Yêu cầu của bàn toán chỉ là xác định con đƣờng ngắn nhất nối một tập hữu hạn nào đó các thành phố với điều kiện mỗi thành phố chỉ đƣợc tính một lần. Đầu những năm 80 của thế kỷ trƣớc, ngay sau khi xây dựng xong mô hình mạng nơron mang tên mình, Hopfield đã cùng đồng nghiệp Tank [38] đã xây dựng cách tiếp cận giải bài toán TSP. Theo đó, để biểu diễn các hành trình có thể, hai nhà bác học đã đề xuất xây dụng một dạng ma trận đặc biệt, mà trong đó, các thành phố đƣợc thể hiện theo hàng. Còn cột sẽ phản ánh trình tự các thành phố trên đƣờng đi. Và ở tại vị trí nào đó của ma trận sẽ nhận giá trị là 1, nếu nhƣ thứ tự thành phố (ở cột tƣơng ứng) nằm trên đƣờng đi (ở hàng tƣơng ứng). Xét tổng quát, nếu giả thiết có n thành phố, thì sẽ có (n!/2n) phƣơng án đi. Và cần phải tìm trong số đó phƣơng án có quãng đƣờng ngắn nhất. Việc sử dụng hàm năng lƣợng và các điều kiện cực tiểu của nó đã cho phép giải bài toán trên một cách nhanh chóng. Sau khi tối thiểu hóa hàm năng lƣợng với các điều kiện ràng
11 buộc (xem tại trang 58 của Luận án bản đầy đủ), với số lƣợng các thành phố lần lƣợt là: 5,10,15,20,25 thì kết quả nhận đƣợc cùng với số lần lặp và thời gian hội tụ của mạng theo Bảng 2.1. Bảng 2.1: Kết quả nhận đƣợc tƣơng ứng với số lƣợng các thành phố Số thành phố Số lần lặp Thời gian(s) Kết quả 5 152 0.4652 Tốt 10 581 1.8075 Tốt 15 1021 3.2873 Tốt 20 2433 7.6458 Tốt 25 5292 16.2264 Chấp nhận đƣợc 2.3. Ứng dụng mạng Hopfield để giải bài toán LKĐD trong xử lý cấp 2 thông tin ra đa: 2.3.1 Sự liên quan giữa hai bài toán TSP và LKĐD ra đa: Vấn đề tìm kiếm xác suất 𝛽𝑥𝑖 (𝑘) từ tỷ số hợp lý 𝜌𝑥𝑖 (k) có các đặc tính giống nhƣ ở bài toán TSP. Nếu các điện áp đầu ra của mạng nơron đƣợc coi là các xác suất liên kết thì các cột có thể biểu diễn các quỹ đạo của mục tiêu trong khi các hàng có thể biểu diễn các điểm dấu. Khi đó mạng đƣợc thiết kế với đầu vào là các hàm hợp lý chuẩn hóa, đầu ra là các giá trị xác suất liên kết giữa quỹ đạo và các điểm dấu. Bằng việc xem xét các đặc tính của JPDA, ta thấy rằng bài toán TSP và JPDA có những điểm tƣơng đồng nhƣ sau: - Về bản chất đều là bài toán tối ƣu với các điều kiện ràng buộc ban đầu. Trong bài toán TSP phải lựa chọn cách đi để quãng đƣờng đi là ngắn nhất (lựa chọn thứ tự các thành phố để đi) trong khi bài toán JPDA chọn mục điểm dấu phù hợp nhất để gán với quỹ đạo. - Khi ứng dụng mạng nơron Hopfield vào giải hai bài toán, lôgic xây dựng ma trận cũng giống nhau:
12 + Ở TSP, các cột là thứ tự đến các thành phố, các hàng là đại diện cho các thành phố trong hành trình. + ở JPDA, các cột là các quỹ đạo đã khởi tạo của các mục tiêu, các hàng là các điểm dấu đo. - Các điều kiện ràng buộc cho từng bài toán cùng tƣơng tự: Điều kiện ràng buộc theo hàng ma trận: + Với TSP: Không thể cùng một lúc đến hai thành phố. + Với JPDA: Không thể ứng với một quỹ đạo mà lại có hai điểm dấu. Điều kiện ràng buộc theo cột ma trận: + Với TSP: Với mỗi thành phố chỉ đƣợc đến đúng một lần. + Với JPDA: Không thể với một điểm dấu mà lại có nguồn gốc từ hai mục tiêu. Điều kiện xét tất cả các sự kiện: tất cả các thành phố đều đƣợc xem xét (TSP) tƣơng ứng là tất cả các điểm dấu đều đƣợc xét (JPDA). Vì vậy, về nguyên tắc việc xây dựng hàm năng lƣợng E cho hai bài toán cũng tƣơng ứng nhƣ nhau (ngoại trừ một số hạng trong hàm năng lƣợng của JPDA có thêm một ràng buộc qui định tổng các xác suất liên kết của một quỹ đạo bằng 1 thỏa mãn phƣơng trình (1.36), trong hàm năng lƣợng ETSP không có ràng buộc này). Tóm lại, vì có nhiều điểm tƣơng đồng giữa hai bài toán nên phƣơng pháp giải cũng không có nhiều sự khác nhau. Trong mục trƣớc đã xem xét cách giải bài toán TSP sau đây sẽ áp dụng vào giải bài toán JPDA. 2.3.2 Quá trình áp dụng mạng Hopfield giải bài toán LKDĐ ra đa trong xử lý cấp 2 : Ở đây, việc xác định xác suất LKĐD 𝛽𝑥𝑖 (𝑘) từ các hàm hợp lý cũng gần giống và tƣơng tự nhƣ giải bài toán TSP. Nếu quy ƣớc mức đầu ra của nơron trong mạng là xác suất LKĐD, thì có thể xây dựng mô hình mạng với chỉ số hàng là các điểm dấu đo đƣợc và chỉ số cột là các mục tiêu, đầu vào mạng là các hàm hợp lý và đầu ra là
13 các xác suất liên kết. Hàm năng lƣợng LKĐD có dạng phƣơng trình (2.15) Trong đó 𝜌𝑥 (k) là hàm chuẩn hóa của tỉ số hợp lý 𝑝𝑥𝑖 (k) 𝑖 . Sau khi biến đổi, sử dụng hàm tiếp hợp T, hàm năng lƣợng có dạng: ∗ 1 𝐸𝐷𝐴𝑃 =− 𝑇𝑥 ,𝑖,𝑦 ,𝑗 × 𝑉𝑥 ,𝑦 × 𝑉𝑦,𝑗 2 𝑥 𝑦 𝑖 𝑗 (2.24) − 𝑉𝑥 ,𝑦 × 𝐼𝑥 ,𝑖 𝑥 𝑖 Xác suất hậu nghiệm tìm đƣợc sau khi tối thiểu hóa hàm năng lƣợng với bốn điều kiện ràng buộc (không thể thu đƣợc hai điểm dấu đồng thời từ một mục tiêu và cũng không thể có một điểm dấu đồng thời là của hai mục tiêu, với mỗi kết quả đo chỉ có duy nhất một điểm dấu chân thực...). Các bƣớc còn lại tƣơng tự nhƣ cách giải bài toán TSP. Kết luận Chƣơng 2 Việc giải bài toán LKĐD ra đa sử dụng công cụ mạng Hopfield cũng đƣợc giải quyết tƣơng tự nhƣ bài toán TSP. Đặc biệt trong đó, việc tính toán, xác định xác suất liên kết điểm dấu có mở rộng sử dụng thêm một hệ số trong xây dựng hàm năng lƣợng (2.15) bằng việc sử dụng hàm hợp lý chuẩn hóa (2.16) và bốn điều kiện ràng buộc sẽ dẫn tới việc mạng sẽ ổn định khi hàm năng lƣợng đạt giá trị cực tiểu, khi đó các giá trị xác suất liến kết sẽ đƣợc lấy tại đầu ra của mạng. Việc lựa chọn hợp lý các hệ số M1 …M4 sẽ quyết định thời gian hội tụ của mạng. CHƢƠNG 3 MÔ PHỎNG, TÍNH TOÁN KẾT QUẢ TRÊN PHẦN MỀM MATLAB 3.1 Đặt đầu bài tính toán mô phỏng và tiêu chí đánh giá: 3.1.1 Mô tả đầu bài tính toán mô phỏng: 1. Mô tả đầu bài: "Ứng dụng công cụ mạng Hopfield tính toán xác suất LKĐD dùng trong lọc, bám quỹ đạo trong xử lý cấp 2 tin tức ra đa với số
14 lượng mục tiêu Imax được xử lý trong điều kiện có nhiễu tác động. Tiến hành đánh giá chúng theo các tiêu chí lựa chọn". 2. Các dữ liệu đầu vào: - Số lƣợng quỹ đạo có thể thực hiện không vƣợt quá Imax. - Số các chu kỳ nhịp lấy tin là Kmax. - Trong từng chu kỳ nhịp lấy tin k và ứng với mỗi quỹ đạo, tồn tại không quá 1 điểm dấu chân thực và không quá số điểm dấu giả xác định . 3. Các kết quả đầu ra cần có: - Các quỹ đạo đƣợc lọc, bám thể hiện trên đồ thị từng quỹ đạo tƣơng ứng với số lƣợng mục tiêu khác nhau. - Kết quả sai số bám sát. - Tập thời gian xử lý của mỗi mục tiêu. 3.1.2 Xây dựng tiêu chí đánh giá: Theo [23],[49], chỉ tiêu chất lƣợng lọc, bám xác định theo: - Số lƣợng quỹ đạo đƣợc bám trên tổng số các quỹ đạo thực. - Sai số giữa quỹ đạo lọc, bám so với quỹ đạo thực. - Và khả năng đáp ứng thời gian thực quá trình bám quỹ đạo là tổng thời gian xử lý của các mục tiêu so sánh với thời gian quan sát của đài ra đa. 3.2. Tổng hợp các lƣu đồ thuật toán tính toán, mô phỏng: 3.2.1 Tổng hợp lưu đồ thuật toán tổng quát: (Hình 3.1) 3.2.2. Tổng hợp thuật toán tạo và xuất dữ liệu đầu vào: (Hình 3.2) 3.2.3. Tổng hợp thuật toán tính toán xác suất LKĐD sử dụng mạng Hopfield: Ở đây, ta thực hiện tổ chức mạng Hopfield theo dạng ma trận. Trong đó: chỉ số theo hàng chỉ thị vị trí của điểm dấu trong gói tin, chỉ số theo cột chỉ thị chỉ số của mục tiêu trong tập hợp các quỹ đạo hiện thời. Một điểm lƣu ý ở đây, chỉ số hàng thứ 0 là để chỉ thị vị trí
15 của điểm dấu ngoại suy. Tại mỗi nút mạng, giá trị đầu ra của mạng Vxi chính là giá trị xác suất liên kết của điểm dấu thứ x đối với quỹ Start T¹ o vµ xuÊt d÷ liÖu m« pháng ®Çu vµo k : 1 Khëi t¹ o vÞtrÝban ®Çu cho c¸ c quü ®¹ o k  k max - End + M¹ ng Hopfield tÝ nh XS LK§ D XuÊt d÷ liÖu vÒ x¸ c suÊt liª n kÕt Läc Kalman XuÊt d÷ liÖu quü ®¹ o k : k  1 Hình 3.1: Lƣu đồ thuật toán tổng quát đạo mục tiêu thứ i. Giá trị đầu ra của nơron này sẽ đƣợc đƣa đến đầu vào của các nơron khác trong mạng thông qua một trọng số tiếp hợp Tx,i,y,j. Tác động vào mỗi nơron còn có thành phần hệ số bias Ix,i (Hình 3.3). Bộ trọng số liên kết Tx,i,y,j và hệ số bias Ix,i đƣợc cập nhật theo (2.22) và (2.23). Trong quá trình mô phỏng cũng giả thiết rằng, các điểm dấu nhận đƣợc để đƣa vào LKĐD là kết quả sau quá trình xử lý sơ cấp nên mọi tín hiệu tạp nội bộ, và các dạng nhiễu tạp tích cực tác động vào máy thu coi nhƣ đã đƣợc loại trừ. Các điểm dấu giả đƣợc giả thiết là do sự vƣợt ngƣỡng ngẫu nhiên của mức tạp (do sự nhầm lẫn của bộ xử lý sơ cấp tín hiệu ra đa).
16 3.3. Tổng hợp bộ số liệu đầu vào mô phỏng và lựa chọn các tham số mạng Hopfiel và mục tiêu: Start 1 k : 1 i : 1 12 2 § Æt k max ; I max ; k  k max - 13 Gmax + Luu tËp d÷ liÖu t¹o gi¶ § Æt i G¸n tËp ®iÓm dÊu dï ng cho tÝnh to¸n 24 [  0i ; R0i ;Vi ; HBi ; J max ] 14 3 i : 1  I max End M : 0; M max 15 25 - k  k max 4 + - i  I max k : k  1 6 k : k  1 23 i  I max 16 - 5 + + m : rand (%M max ) 17 7 ? k  - k   max  i M : M  m 18 1  J max  +  Vi : Vi  ai  Tqs 19 - M  Gmax  I max  8 HBi : HBi  HBi +  X true (k , i) : X true[(k  1), i]  Vi  Tqs  sin( HBi ) im  m -  Y (k , i) : Y [(k  1), i]  V  T  cos(HB ) 9 20  true true i qs i +  X measure (k , i) : X true (k , i)  li   X  randn(1,1) g : g  im  10  Ymeasure (k , i) : Ytrue (k , i)  li  Y  randn(1,1) 21 Z X  noise (k , g ) : X measure (k , i )  i   X  randn(1,1)   ZY  noise (k , g ) : Ymeasure (k , i)  i   X  randn(1,1) i : i  1 11 im : im  1 22 Hình 3.2: Lƣu đồ thuật toán tạo, xuất dữ liệu đầu vào Theo phân tích ở các mục trƣớc, cùng với việc tham khảo tham số kỹ thuật của các đài ra đa và máy bay trong thực tế, bộ số liệu đầu vào dùng cho tính toán, mô phỏng đƣợc tổng hợp và khởi tạo ban đầu tƣơng ứng trong các Bảng 3.1 và 3.2 Kết quả mô phỏng: (Từ Hình 3.4 đến Hình 3.13 trong luận án). Quan sát kết quả mô phỏng LKĐD, lọc bám bằng công cụ
17 V0,1 Tm ục t iêu ch ỉ ….. số i, j ….. .... V1,1 (m(k)+1) điểm dấu chỉ số x,y ….. .... V1,2 V1,i .... V1,j .... U1,1 I1,1 U1,2 ….. V2,1 I1,2 U1,i ….. I1,i U1,j I1,j ….. .... Nơ ron Hướng lan truyền ….. .... .... ….. ….. .... ….. Hình 3.3: Tổ chức mạng Hopfield xác định xác suất LKĐD mạng nơron Hopfield, ta có những nhận xét nhƣ sau:  Các quỹ đạo sau lọc bám (đƣờng màu đỏ) đều thể hiện đúng các quy luật chuyển động của mục tiêu nhƣ đầu bài (đƣờng màu xanh) và 100% số mục tiêu đƣợc bám quỹ đạo. Điều này khẳng định rằng sự đúng đắn của phƣơng pháp.  Về sai số lọc bám, quỹ đạo đƣợc LKĐD bằng phƣơng pháp mạng nơron đều có sai số lọc bám (đồ thị Hình 3.10) nằm trong giới hạn cho phép (nhỏ hơn sai số của đài ra đa). Điều này thoả mãn tiêu chí thứ hai trong Mục 3.1.2 thể hiện chất lƣợng của các bộ lọc bám. Tại các thời điểm mục tiêu cơ động (thời điểm thay đổi hƣớng bay), sai số lọc bám có xu hƣớng tăng nhƣng vẫn trong giới hạn cho phép và ngay sau thời điểm có động lại trở về trạng thái ổn định.
18  Các giá trị ƣớc lƣợng tốc độ của mục tiêu sau bộ lọc bám (thực chất là của các bộ lọc Kalman) khi đƣa đến đầu vào nó các điểm dấu đƣợc gán với quỹ đạo mục tiêu bằng phƣơng pháp mạng nơron đều thỏa mãn các điều kiện ban đầu (Hình 3.10, tốc độ trung bình của mục tiêu là 300m/s). Tại thời điểm cơ động, giá trị tốc độ cũng thay đổi.  Trong quá trình mô phỏng có giả thiết các mục tiêu có quỹ đạo giao cắt nhau. Kết quả là sau lọc bám vẫn đảm bảo bám sát đầy đủ số lƣợng quỹ đạo ban đầu, điều này rất khó thực hiện khi áp dụng LKĐD theo thuật toán lân cận gần nhất (NNA).  Quá trình mô phỏng lọc bám cũng tính đến việc cơ động của mục tiêu theo hƣớng bay khác nhau nhƣ trong thực tế tác chiến (các mục tiêu không chuyển động thẳng). Đầu ra các bộ lọc bám vẫn đảm bảo kết quả ở đầu ra.  Về thời gian xử lý LKĐD, lọc bám (các Bảng 3.3 … 3.5), khi số lƣợng mục tiêu còn ít (dƣới 5 mục tiêu), thời gian xử lý của hai phƣơng pháp gần nhƣ bằng nhau nhƣng khi số lƣợng mục tiêu tăng lên thì đã có sự khác nhau rõ rệt. Đến 20 mục tiêu thì phƣơng pháp truyền thống đã không còn đảm bảo đƣợc nữa, trong khi đó mạng nơron vẫn đảm bảo có kết quả lọc bám ở đầu ra. Trong phƣơng pháp nơron, các mục tiêu đƣợc xử lý song song nên thời gian xử lý với mỗi mục tiêu là nhƣ nhau trong toàn bộ chu kỳ quan sát của đài ra đa.  Với cấu hình máy tính không phải là cao(máy tiń h DESKTOP có cấ u hiǹ h Pentium I 5 cores, tố c đô ̣ 3GHz, RAM 4GB), với kết quả lọc bám 20 mục tiêu nhƣ mô phỏng đã đủ để chứng minh cho tính khả thi của phƣơng pháp này. Nếu thực hiện trên công nghệ nhúng (FPGA), DSP… thì tốc độ xử lý sẽ đƣợc nâng cao hơn nữa, kết quả là số lƣợng quỹ đạo đƣợc bám sát sẽ đƣợc nhiều hơn.