intTypePromotion=1
ADSENSE

Ứng dụng mạng nơ ron hofield để giải bài toán liên kết điểm dấu trong bám quỹ đạo mục tiêu ra đa

Chia sẻ: Thi Thi | Ngày: | Loại File: PDF | Số trang:7

19
lượt xem
1
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài báo trình bày kết quả nghiên cứu ứng dụng mạng nơron nhân tạo Hopfield để tính xác suất liên kết giữa điểm dấu mục tiêu và quỹ đạo trong các thuật toán liên kết dữ liệu theo xác suất (PDA) và thuật toán liên kết dữ liệu theo xác suất đồng thời (JPDA) áp dụng trong các bộ lọc bám quỹ đạo mục tiêu của hệ thống tự động xử lý cấp 2 thông tin trên các đài ra đa hiện đại. Các kết quả mô phỏng đã chứng minh ưu điểm của các thuật toán này.

Chủ đề:
Lưu

Nội dung Text: Ứng dụng mạng nơ ron hofield để giải bài toán liên kết điểm dấu trong bám quỹ đạo mục tiêu ra đa

Ra ®a<br /> <br /> <br /> øNG DôNG M¹NG N¥RON HOPFIELD §Ó GI¶I<br /> BµI TO¸N LI£N KÕT §IÓM DÊU TRONG B¸M QUü §¹O<br /> MôC TI£U RA §A<br /> ph¹m ngäc huy*, bïi quý th¾ng**<br /> Tãm t¾t: Bµi b¸o tr×nh bµy kÕt qu¶ nghiªn cøu øng dông m¹ng n¬ron nh©n t¹o Hopfield<br /> ®Ó tÝnh x¸c suÊt liªn kÕt gi÷a ®iÓm dÊu môc tiªu vµ quü ®¹o trong c¸c thuËt to¸n liªn kÕt d÷<br /> liÖu theo x¸c suÊt (PDA) vµ thuËt to¸n liªn kÕt d÷ liÖu theo x¸c suÊt ®ång thêi (JPDA) ¸p<br /> dông trong c¸c bé läc b¸m quü ®¹o môc tiªu cña hÖ thèng tù ®éng xö lý cÊp 2 th«ng tin trªn<br /> c¸c ®µi ra ®a hiÖn ®¹i. C¸c kÕt qu¶ m« pháng ®· chøng minh ­u ®iÓm cña c¸c thuËt to¸n nµy.<br /> Tõ kho¸: Liªn kÕt d÷ liÖu theo x¸c suÊt (PDA), Liªn kÕt d÷ liÖu theo x¸c suÊt ®ång thêi (JPDA),<br /> Bé läc Kalman, Tû sè hîp lý, Tiêu chuẩn l©n cËn gÇn nhÊt, Bài toán TSP.<br /> <br /> 1. më ®Çu<br /> ViÖc b¸m môc tiªu trong ®iÒu kiÖn cã nhiÔu lµ mét trong nh÷ng vÊn ®Ò rÊt phøc t¹p<br /> trong xö lý cÊp 2 tin tøc ra ®a. TÝnh chÊt phøc t¹p thÓ hiÖn ë chç khi cã nhiÔu, th× ngay kÓ<br /> c¶ viÖc ra ®a cã hÖ thèng chèng nhiÔu tèt th× sè l­îng ®iÓm dÊu gi¶ ®Õn ®Çu vµo xö lý cÊp 2<br /> còng rÊt ®¸ng kÓ. Do vËy, bªn c¹nh bµi to¸n truyÒn thèng lµ lµm chÝnh x¸c c¸c tham sè quü<br /> ®¹o trong qu¸ tr×nh b¸m, th× viÖc nhËn diÖn vµ läc lÊy ®iÓm dÊu trong sè c¸c ®iÓm dÊu thu<br /> nhËn ®Ó lµm míi tham sè quü ®¹o, nèi dµi nã trong khi b¸m lµ mét nhiÖm vô quan träng<br /> kh«ng kÐm. §©y chÝnh lµ viÖc liªn kÕt ®iÓm dÊu (LK§D) víi quü ®¹o.<br /> Trong c¸c tµi liÖu [1, 2, 5], ®· cho thÊy r»ng r»ng: xö lý liªn kÕt d÷ liÖu vµ läc b¸m lµ<br /> hai phÇn kh«ng thÓ t¸ch rêi cña b¸m quü ®¹o môc tiªu. §Ó gi¶i quyÕt vÊn ®Ò LK§D, trong<br /> lý thuyÕt ra ®a, th­êng th­êng cã mét sè c¸ch tiÕp cËn nh­ sau: C¸ch thø nhÊt, dùa trªn<br /> viÖc sö dông hµm hîp lý. T¹i chu kú nhÞp lÊy tin x¸c ®Þnh, ®iÓm dÊu ®­îc chän trong sè<br /> ®iÓm dÊu thu ®­îc ®Ó nèi dµi quü ®¹o ®ang xÐt ph¶i cã hÖ sè hîp lý lín nhÊt. ThuËt to¸n<br /> l©n cËn gÇn nhÊt ¸p dông c¸ch tiÕp cËn nµy. ¦u ®iÓm cña thuËt to¸n nµy lµ ®¬n gi¶n, dung<br /> l­îng tÝnh to¸n Ýt, phï hîp víi môc tiªu ®¬n. Nh­îc ®iÓm: Khi cã nhiÒu môc tiªu, quü ®¹o<br /> giao c¾t nhau th× thuËt to¸n nµy sÏ kh«ng hiÖu qu¶. C¸ch tiÕp cËn thø hai-Bayes tèi ­u, t¹i<br /> tõng chu kú nhÞp lÊy tin, tiÕn hµnh tÝnh to¸n x¸c suÊt hËu nghiÖm c¸c ph­¬ng ¸n (cã thÓ)<br /> x©y dùng quü ®¹o môc tiªu theo d÷ liÖu cña tÊt c¶ c¸c chu kú nhÞp lÊy tin tr­íc ®ã. Quü<br /> ®¹o ®­îc chän lµ quü ®¹o cã x¸c suÊt hËu nghiÖm lín nhÊt. DÔ nhËn thÊy r»ng, sè c¸c<br /> ph­¬ng ¸n quü ®¹o sÏ v« cïng lín kÐo theo dung l­îng tÝnh to¸n sÏ t¨ng lªn rÊt nhiÒu. Mét<br /> c¸ch tiÕp cËn thø ba ®­îc ®Ò xuÊt, nã dung hßa ®­îc c¸c ­u, nh­îc ®iÓm cña c¸c c¸ch tiÕp<br /> cËn trªn ®ã lµ Bayes cËn tèi ­u mµ ®¹i diÖn lµ c¸c thuËt to¸n LK§D theo x¸c suÊt<br /> PDA(Probabilistic Data Association) vµ JPDA (Joint Probabilistic Data Association) [3].<br /> 2. liªn kÕt ®iÓm dÊu theo x¸c suÊt<br /> Gi¶ sö cã T môc tiªu ®ang ®­îc b¸m quü ®¹o t¹i thêi ®iÓm k ®­îc m« h×nh hãa b»ng<br /> hÖ thèng ®éng häc tuyÕn tÝnh rêi r¹c theo thêi gian m« t¶ b»ng ph­¬ng tr×nh :<br /> ( + 1) = ( ) ( ) + ( ), = 1,2, … , (1)<br /> trong ®ã, ( ) lµ c¸c vÐct¬ tr¹ng th¸i môc tiªu kÝch th­íc 1, ( ) lµ ma trËn chuyÓn<br /> tr¹ng th¸i m« t¶ tÝnh chÊt ®éng häc cña môc tiªu vµ ( ) lµ vÐct¬ t¹p cña môc tiªu. ChØ<br /> sè t t­¬ng øng víi môc tiªu thø t. Tr¹ng th¸i ban ®Çu (0) víi = 1, 2, … , ®­îc gi¶<br /> thiÕt lµ t¹p tr¾ng víi trung b×nh (0|0) vµ ma trËn hiÖp biÕn (0|0) ®· biÕt. C¸c vect¬<br /> t¹p ®èi víi mçi môc tiªu ®­îc gi¶ thiÕt lµ kh«ng t­¬ng quan cã trung b×nh b»ng 0, ph©n bè<br /> Gauss víi hiÖp biÕn ®· biÕt:<br /> E{wt (k )[wt (k )]T }  Qt (k )d kj ; Qt (k ) ³ 0<br /> (2)<br /> <br /> <br /> <br /> 30 P.N.Huy, B.Q.Thắng, “Ứng dụng mạng nơron Hopfield … quỹ đạo mục tiêu ra đa.”<br /> Nghiªn cøu khoa häc c«ng nghÖ<br /> <br /> trong ®ã, chØ sè “t“ biÓu thÞ ma trËn chuyÓn vÞ vµ d lµ hµm delta Cronecker (d = 1,<br /> = ; d = 0,  ). Ph­¬ng tr×nh ®o lµ:<br /> ( ) = ( ) ( ) + ( ), = 1,2, … , (3)<br /> trong ®ã, ( ) lµ vÐct¬ ®o kÝch th­íc 1, ( ) lµ ma trËn ®· biÕt vµ ( ) ma trËn t¹p<br /> ®­îc gi¶ thiÕt cã trung b×nh b»ng 0, ph©n bè Gauss víi ph­¬ng sai ®· biÕt lµ:<br /> { ( ) ( ) } = ( )d , ( )³ 0 (4)<br /> §Ó ­íc l­îng tr¹ng th¸i ®éng häc cña môc tiªu trong läc vµ b¸m quü ®¹o, c«ng cô läc<br /> Kalman th­êng ®­îc sö dông [2]. Theo ®ã, ta cã tr¹ng th¸i cña môc tiªu t¹i thêi ®iÓm k vµ<br /> hµm hiÖp biÕn ngo¹i suy:<br /> (5)<br /> xˆ (k  1 k )  F(k )  xˆ (k k ) ; P(k  1 k )  F(k )  P(k k )  [F(k )]T<br /> gi¸ trÞ ®o ngo¹i suy:<br /> zˆ(k  1 k )  H(k  1)  xˆ (k  1 k ) (6)<br /> víi sai sè ®o:<br /> ~z (k  1)  z(k  1)  zˆ(k  1 x) (7)<br /> Trong ®iÒu kiÖn cã nhiÔu, viÖc gi¶m sù phøc t¹p tÝnh to¸n cña ph­¬ng tr×nh cËp nhËt lµ<br /> rÊt cÇn thiÕt ®Ó h¹n chÕ sè l­îng c¸c ®iÓm dÊu. Mét qu¸ tr×nh lùa chän ®Ó kÕt hîp ®iÓm<br /> dÊu vµo bé ­íc l­îng tr¹ng th¸i tõ hµng lo¹t c¸c ®iÓm dÊu cÇn xem xÐt lµ cÇn thiÕt. Qu¸<br /> tr×nh nµy lµ h×nh thµnh mét cöa sãng ®a kÝch th­íc ®Ó lo¹i ra mét sè ®iÓm dÊu thu nhËn<br /> ®­îc. Theo[1], Bar-Shalom ®· ®Ò xuÊt thñ tôc hîp thøc cho mét ®iÓm dÊu tõ mét môc tiªu<br /> ®Ó liªn kÕt víi mét quü ®¹o ®· cã nh­ sau. NÕu:<br /> ( + 1) = ( + 1) − ̂ ( + 1| ) ( + 1)  ( + 1) −<br /> (8)<br /> +1 = +1′ +1−1 +1 g<br /> <br /> ®­îc ®Þnh nghÜa nh­ lµ kho¶ng c¸ch thèng kª cña ®iÓm dÊu zj tÝnh tõ vÞ trÝ dù ®o¸n ̂ th×<br /> ®iÓm dÊu thø j lµ ( + 1) ®­îc hîp thøc cho môc tiªu t khi gi¸ trÞ kho¶ng c¸ch bÐ h¬n<br /> tham sè ng­ìng g. Vïng ®­îc ®Þnh nghÜa b»ng ph­¬ng tr×nh (8) ®­îc gäi lµ vïng hîp lÖ<br /> hay lµ cöa sãng, nã lµ mét elipsoid tËp trung x¸c suÊt. C¸c ®iÓm dÊu n»m trong cöa sãng<br /> ®­îc xem lµ hîp lÖ, c¸c ®iÓm dÊu n»m ngoµi bÞ lo¹i bá. NÕu ®iÓm dÊu thø j t­¬ng øng lµ<br /> cña môc tiªu thø t th× ( + 1) cã mét ph©n bè g víi M bËc tù do, M lµ bËc cña x(k).<br /> Tham sè ng­ìng g ®­îc lÊy tõ b¶ng ph©n bè g - b×nh ph­¬ng tõ trung b×nh träng sè cña<br /> l­îng ®æi míi ph­¬ng tr×nh (8) ®Þnh nghÜa vïng hîp lÖ. §¹i l­îng = g ®­îc coi nh­ ®é<br /> lÖch chuÈn cña cöa sãng. Ng­ìng th­êng ®­îc chän tiªn nghiÖm vµ gi÷ b»ng h»ng sè cho<br /> mäi øng dông.<br /> 2.1. ThuËt to¸n LK§D theo x¸c suÊt PDA<br /> Theo [3], LK§D theo x¸c suÊt PDA lµ mét thuËt to¸n Bayess cËn tèi ­u, trong ®ã, gi¶<br /> thiÕt r»ng chØ cã môc tiªu cÇn quan t©m quü ®¹o cña nã ®· ®­îc khëi t¹o. PDA tËp trung<br /> vµo mét vµi gi¶ thiÕt quan träng nhÊt b»ng viÖc h×nh thµnh mét cöa sãng hîp lÖ cã t©m n»m<br /> ë vÞ trÝ dù ®o¸n ̂ cña môc tiªu t¹i mçi thêi ®iÓm lÊy tin. Mét trong nh÷ng ®iÓm dÊu hîp<br /> lÖ cã thÓ b¾t nguån tõ môc tiªu trong khi nh÷ng ®iÓm dÊu cßn l¹i ®­îc gi¶ thiÕt tõ nhiÔu vµ<br /> ®­îc m« h×nh hãa nh­ nh÷ng biÕn ngÉu nhiªn ph©n bè ®éc lËp ®ång nhÊt.<br /> TËp ®iÓm dÊu ®o hîp lÖ ®­îc ®Þnh nghÜa t¹i ph­¬ng tr×nh (8), ®iÒu nµy dÉn ®Õn tËp tÝch<br /> lòy c¸c ®iÓm dÊu ®o cho môc tiªu t tÝnh ®Õn thêi ®iÓm k lµ:<br /> ( ) ≡ { ( )} í = 1, … (9)<br /> <br /> <br /> <br /> <br /> T¹p chÝ Nghiªn cøu KH&CN qu©n sù, Sè 31, 06 - 2014. 31<br /> Ra ®a<br /> <br /> X¸c suÊt ®­îc ®­a ra b»ng c¸ch lËp ra gi¶ thiÕt c¬ b¶n cña PDAF nh­ sau:<br /> { ( )| ( − 1)} 1 = [ ( ); ( | − 1), ( | − 1)] (10)<br /> kú väng cã ®iÒu kiÖn cña tr¹ng th¸i môc tiªu j t¹i thêi ®iÓm k cã thÓ tÝnh nh­ sau:<br /> <br /> ( | )= ( ) ( | ) (11)<br /> <br /> §ã lµ ­íc l­îng PDA tæng qu¸t b»ng tæng tÊt c¶ c¸c ­íc l­îng cã träng sè cña c¸c gi¶<br /> thuyÕt kh¸c nhau. NÕu x¸c suÊt cña viÖc ph¸t hiÖn ®óng lµ D(k) th× x¸c suÊt LK§D ®­îc<br /> tÝnh nh­ sau :<br /> ( )<br /> ( )= (12)<br /> ∑ ( )<br /> <br /> ë ®©y, ( ) lµ hµm hîp lý cho mçi tÝn hiÖu ®iÓm dÊu:<br /> × [(1 − ( ) ( )] ế =0<br /> ⎧<br /> ⎪ 1 1<br /> ( )= − ( ) ( ), ế ≠ 0 à[Ω( )] = 1 (13)<br /> ⎨(2 ) | ( ))| 2<br /> ⎪<br /> ⎩ 0 á ườ ℎợ ℎá<br /> <br /> trong ®ã, l lµ hµm mËt ®é nhiÔu, D(k) lµ x¸c suÊt ph¸t hiÖn ®óng vµ lµ mét hµm cña th«ng<br /> sè m¸y thu trong khi G(k) lµ x¸c suÊt ®iÓm dÊu r¬i vµo vïng cöa sãng.<br /> 2.2. ThuËt to¸n LK§D theo x¸c suÊt ®ång thêi JPDA<br /> §iÓm h¹n chÕ cña thuËt to¸n PDA lµ chØ cã thÓ ¸p dông cho mét môc tiªu t¹i mçi thêithê<br /> ®iÓm. H¹n chÕ nµy cã thÓ kh¾c phôc b»ng c¸ch sö dông thuËt to¸n JPDA trong ®ã xem xÐt<br /> nhiÒu môc tiªu mét c¸ch ®ång thêi. Dùa trªn ma trËn hîp lÖ, c¸c gi¶ thuyÕt liªn kÕt d÷ liÖu<br /> (c¸c sù kiÖn kh¶ thi) ®­îc t¹o ra h­íng ®Õn c¸c rµng buéc liªn kÕt JPDA nh­:<br /> nh­<br /> 1. Mçi ®iÓm dÊu ®o chØ cã thÓ cã mét nguån gèc (tõ môc tiªu hoÆc tõ nhiÔu)<br /> 2. Kh«ng thÓ cã h¬n mét ®iÓm dÊu cã nguån gèc tõ mét môc tiªu<br /> 3. TÊt c¶ c¸c ®iÓm dÊu ph¶i ®­îc g¸n<br /> Mçi sù kiÖn kh¶ thi ®¹i diÖn b»ng mét ma trËn gi¶ thuyÕt Ω cã kÝch th­íc gièng nh­<br /> cña ma trËn hîp lÖ . C¸c phÇn tö cña Ω ®­îc ®Þnh nghÜa nh­ sau:<br /> 1 ế Ω =1 àđ ể ấ đượ ả ℎế ừ ℎễ<br /> Ω = 1 ế Ω =1 àđ ể ấ đượ ả ℎế ừ ụ ê (14)<br /> 0 á ườ ℎợ ℎá<br /> <br /> T­¬ng tù víi c¸c rµng buéc trªn, trong Ω cã Ýt nhÊt mét phÇn tö b»ng 1 trong mçi cét<br /> ngo¹i trõ = 0 vµ cã chÝnh x¸c mét phÇn tö b»ng 1 trong mçi hµng.<br /> Theoo [3], dùa trªn mçi ma trËn gi¶ thuyÕt ®­îc lËp, x¸c suÊt cã ®iÒu kiÖn cña sù kiÖn<br /> kh¶ thi ®­îc tÝnh to¸n theo c«ng thøc:<br /> 1<br /> Ω| = ( ) ( . ) ( ) (15)<br /> :<br /> <br /> <br /> ë ®©y, lµ tËp cña tÊt c¶ c¸c ®iÓm dÊu tÝnh ®Õn thêi ®iÓm hiÖn thêi k , c lµ h»ng sè, lµ sè<br /> l­îng ®iÓm dÊu ®­îc ph¸t hiÖn trong c¸c sù kiÖn kh¶ thi vµ Ω = 1 biÓu thÞ r»ng ®iÓm dÊu<br /> j ®­îc liªn kÕt víi môc tiªu t . Hµm hîp lý chung ( ) t­¬ng øng víi gi¶ thuyÕt liªn kÕt<br /> chung tÊt c¶ c¸c ®iÓm dÊu tíi c¶ ®éi h×nh môc tiªu lµ :<br /> <br /> <br /> 32 P.N.Huy, B.Q.Thắng<br /> ắng, “Ứng dụng mạng nơron Hopfield … quỹ đạo mục<br /> ục tiêu<br /> ti ra đa.”<br /> Nghiªn cøu khoa häc c«ng nghÖ<br /> <br /> × [(1 − ( ) ( )] , ế =0<br /> ⎧<br /> ⎪ 1 1<br /> ( )= − ( ) ( ) ế ≠ 0 à[Ω( )] = 1 (16)<br /> ⎨ (2 ) | ( )| 2<br /> ⎪<br /> ⎩ 0 á ườ ℎợ ℎá<br /> <br /> ë ®©y, l ®­îc ®Þnh nghÜa lµ mËt ®é nhiÔu, ( ) lµ x¸c suÊt ph¸t hiÖn ®óng. X¸c suÊt hËu<br /> nghiÖm liªn kÕt chung cho tÊt c¶ c¸c gi¶ thuyÕt ®­îc tÝnh to¸n nh­ sau:<br /> ( )= (Ω| )Ω (17)<br /> <br /> <br /> <br /> ( )= 1− ( ) (18)<br /> <br /> <br /> X¸c suÊt liªn kÕt JPDA sö dông ®Ó cËp nhËt ph­¬ng tr×nh tr¹ng th¸i sö dông l­îng ®æi<br /> míi ®­îc tæng hîp nh­ ë PDA.<br /> <br /> 3. øng dông m¹ng n¬ron hopfield<br /> Trong liªn kÕt ®iÓm dÊu<br /> Tõ c¸c tr×nh bµy ë trªn vÒ LK§D, ta thÊy r»ng c¬ së cña viÖc liªn kÕt lµ sö dông x¸c<br /> suÊt liªn kÕt cña cña ®iÓm dÊu víi môc tiªu ®Ó quyÕt ®Þnh sù kiÖn ®iÓm dÊu thu nhËn ®­îc<br /> cã ph¶i thuéc quü ®¹o cña môc tiªu ®ang b¸m s¸t hay kh«ng. C¸c x¸c suÊt liªn kÕt nµy<br /> ®­îc x¸c ®Þnh theo c¸c c«ng thøc (12) vµ (17) víi ®Çu vµo lµ c¸c hµm hîp lý ®­îc x¸c ®Þnh<br /> theo c¸c c«ng thøc (13) vµ (16). Víi sè l­îng môc tiªu t¨ng lªn th× dung l­îng tÝnh to¸n<br /> c¸c x¸c suÊt nµy sÏ phải t¨ng theo hµm lũy thừa [3]. V× vËy, ®Ó ®¶m b¶o b¸m s¸t quü ®¹o<br /> c¸c môc tiªu trong vïng quan s¸t trong t×nh huèng nhiÔu phøc t¹p trong thêi gian thùc, cÇn<br /> ph¶i cã mét c«ng cô tÝnh to¸n x¸c suÊt liªn kÕt theo ph­¬ng ph¸p míi. C«ng cô m¹ng<br /> n¬ron nh©n t¹o Hopfield lµ mét sù lùa chän thÝch hîp.<br /> ý t­ëng sö dông m¹ng n¬ron nh©n t¹o trong liªn kÕt ®iÓm dÊu ra®a b¾t nguån tõ bµi<br /> to¸n kinh ®iÓn ng­êi b¸n hµng rong - TSP (Traveling salesman Problem). Néi dung bµi<br /> to¸n lµ: Mét ng­êi b¸n hµng rong ph¶i ®i ®Õn tÊt c¶ n thµnh phè vµ trë l¹i ®óng n¬i xuÊt<br /> ph¸t, kho¶ng c¸ch gi÷a c¸c thµnh phè lµ biÕt tr­íc, mçi thµnh phè chØ ®­îc ®Õn tèi ®a mét<br /> lÇn. H·y s¾p xÕp lé tr×nh cho ng­êi ®ã sao cho tæng qu·ng ®­êng ®i lµ ng¾n nhÊt.<br /> Theo [3], m¹ng Hopfield sÏ ®¹t tíi tr¹ng th¸i c©n b»ng khi hµm n¨ng l­îng cña nã ®¹t<br /> tíi gi¸ trÞ cùc tiÓu. V× vËy, tõ bµi to¸n cho tr­íc, ta x©y dùng mét hµm môc tiªu F nµo ®ã<br /> (®· ®­îc xö lý c¸c rµng buéc) vµ buéc F = E (E lµ hµm n¨ng l­îng), sau ®ã t×m ra mèi liªn<br /> hÖ gi÷a c¸c biÕn cña chóng. §©y lµ lý do mµ m¹ng Hopfield rÊt phï hîp víi c¸c bµi to¸n<br /> tèi ­u tæ hîp nh­: bµi to¸n ng­êi b¸n hµng, t×m ®­êng ®i tèi ­u cho tuyÕn ®­êng xe bus<br /> i<br /> tr­êng häc, bµi to¸n ng­êi ®­a th­,... ë ®©y, viÖc x¸c ®Þnh x¸c suÊt LK§D  x ( k ) tõ c¸c<br /> hµm hîp lý còng gÇn gièng vµ t­¬ng tù nh­ gi¶i bµi to¸n ng­êi b¸n hµng rong.<br /> C¸c ®iÒu kiÖn rµng buéc ®èi víi vÊn ®Ò LK§D(Data Association Problem - DAP) sÏ<br /> ®­îc h×nh thµnh tõ nh÷ng c¸ch ®Æt vÊn ®Ò sau:<br /> n<br /> i<br /> - Tæng träng sè tõng cét ph¶i tháa m·n biÓu thøc <br /> x 0<br /> x (k )  1<br /> <br /> - Kh«ng thÓ thu ®­îc hai ®iÓm dÊu ®ång thêi tõ mét môc tiªu vµ còng kh«ng thÓ cã mét<br /> ®iÓm dÊu cña ®ång thêi hai môc tiªu. Hµm n¨ng l­îng LK§D cã d¹ng lµ:<br /> <br /> <br /> <br /> <br /> T¹p chÝ Nghiªn cøu KH&CN qu©n sù, Sè 31, 06 - 2014. 33<br /> Ra ®a<br /> <br /> M1 M M<br /> EDAP   Vx ,iVx , j  2 Vx ,iVy ,i  3  (Vx ,i  1)2<br /> 2 x i j i 2 i x y x 2 i x<br /> M4 M<br />   (Vx ,i   xi ) 2  5  (Vx ,i   l j )2<br /> 2 x i 2 x i j i lx<br /> (19)<br /> <br /> trong ®ã,  xi lµ hµm chuÈn hãa cña tØ sè hîp lý pxi (k ) cã d¹ng:<br /> <br /> pxi (k )<br />  xi  n (20)<br /> i<br />  p (k )<br /> l 0<br /> l<br /> <br /> <br /> <br /> Tõ ®ã, viÖc x©y dùng m¹ng chÝnh lµ triÓn khai ®Çy ®ñ c¸c ®iÒu kiÖn rµng buéc ®èi víi<br /> hµm n¨ng l­îng. Theo [3], sau khi biÕn ®æi vµ rót gän, hµm n¨ng l­îng träng sè cã thÓ viÕt<br /> l¹i d­íi d¹ng:<br /> ∗<br /> 1<br /> =− ,, , × , × , − , × , (21)<br /> 2<br /> <br /> C¸c träng sè tiÕp hîp Tx ,i , y , j hoµn toµn kh«ng phô thuéc vµo hµm hîp lý chuÈn hãa vµ<br /> ®­îc x¸c ®Þnh gi¸ trÞ nh­ sau:<br /> <br /> { [ ]} ế ,<br /> ế ,<br /> ,, , = ( ) ế ,<br /> (22)<br /> ế ,<br /> C¸c hÖ sè M1...M5 cã thÓ ®­îc ®iÒu chØnh ®Ó kiÓm so¸t viÖc nhÊn m¹nh vµo c¸c ®Æc<br /> i<br /> tÝnh vµ rµng buéc kh¸c nhau. M4 cã gi¸ trÞ lín sÏ lµm cho Vx,i gÇn ®Õn  x ®iÒu nµy t­¬ng<br /> ®­¬ng víi x¸c xuÊt liªn kÕt PDA th«ng th­êng. NÕu M1,M2,M3 lín th× ph­¬ng ph¸p liªn kÕt<br /> ®iÓm dÊu sÏ trë thµnh NNPDA (Nearest-Neighbor PDA). Mét tæ hîp c©n b»ng cho c¶ 5 sè<br /> h¹ng trªn sÏ dÉn ®Õn mét kÕt qu¶ ®Çy ®ñ nhÊt cho tÊt c¶ c¸c ®Æc tÝnh cña thuËt to¸n JPDA.<br /> <br /> <br /> 4. m« pháng vµ kiÓm nghiÖm<br /> 4.1. §Æt ®Çu bµi<br /> Nh­ trªn ®· ®Æt vÊn ®Ò, cã thÓ ph¸t biÓu ®Çu bµi tÝnh to¸n kiÓm nghiÖm kÕt qu¶ nghiªn<br /> cøu lý thuyÕt nh­ sau: øng dông c«ng cô m¹ng Hopfield tÝnh to¸n x¸c suÊt LK§D dïng<br /> trong läc, b¸m quü ®¹o trong xö lý cÊp 2 tin tøc ra®a víi sè l­îng quü ®¹o Imax ®­îc xö lý.<br /> TiÕn hµnh ®¸nh gi¸ chóng theo c¸c tiªu chÝ lùa chän.<br /> 4.2. C¸c d÷ liÖu ®Çu vµo<br /> Víi ®Çu bµi nh­ trªn, d÷ liÖu ®Çu vµo sÏ bao gåm:<br /> - Sè l­îng quü ®¹o cã thÓ thùc hiÖn kh«ng v­ît qu¸ Imax.<br /> - Sè c¸c chu kú nhÞp lÊy tin lµ kmax .<br /> - Trong tõng chu kú nhÞp lÊy tin k vµ øng víi mçi quü ®¹o, tån t¹i kh«ng qu¸ mét<br /> ®iÓm dÊu ch©n thùc vµ kh«ng qu¸ sè ®iÓm dÊu gi¶ ®­a vµo ban ®Çu.<br /> 4.3. C¸c kÕt qu¶ ®Çu ra cÇn cã<br /> C¸c quü ®¹o ®­îc läc, b¸m hiÓn thÞ trong hÖ täa ®é §Ò-c¸c.<br /> <br /> <br /> <br /> 34 P.N.Huy, B.Q.Thắng, “Ứng dụng mạng nơron Hopfield … quỹ đạo mục tiêu ra đa.”<br /> Nghiªn cøu khoa häc c«ng nghÖ<br /> <br /> 4.4 ThuËt to¸n tæng qu¸t<br /> Nh­ ®· chØ ra trªn H×nh 1, l­u ®å thuËt to¸n tæng qu¸t sÏ bao gåm c¸c thuËt to¸n sau:<br /> - ThuËt to¸n t¹o vµ xuÊt d÷ liÖu m« pháng ®Çu vµo .<br /> - ThuËt to¸n m¹ng Hopfield tÝnh x¸c suÊt liªn kÕt ®iÓm dÊu.<br /> - ThuËt to¸n läc Kalman dïng ®Ó läc, b¸m quü ®¹o, ­íc l­îng c¸c tham sè quü ®¹o.<br /> <br /> <br /> <br /> <br /> k : 1<br /> <br /> <br /> <br /> <br /> k  k max<br /> <br /> <br /> <br /> <br /> k : k  1<br /> <br /> <br /> <br /> H×nh 1. L­u ®å thuËt to¸n tæng qu¸t .<br /> KÕt qu¶ m« pháng nh­ h×nh 2.<br /> <br /> <br /> <br /> <br /> a. B¸m s¸t 3 môc tiªu b. B¸m s¸t 5 môc tiªu c. B¸m s¸t 20 môc tiªu<br /> <br /> H×nh 2. KÕt qu¶ m« pháng quü ®¹o.<br /> NhËn xÐt: Víi m«i tr­êng m« pháng ë møc trung b×nh (M¸y tÝnh Destop cores I5,<br /> 3GHz, RAM 4GB, HDD 400GB, H§H Windows 7 Ultimate), phÇn mÒm m« pháng sö<br /> dông MATLAB R10a, tõ kÕt qu¶ nhËn ®­îc(h×nh 2 vµ 3) ta cã nh÷ng nhËn xÐt, ®¸nh gi¸<br /> nh­ sau:<br /> - Sè l­îng c¸c quü ®¹o ®­îc b¸m s¸t ®Çy ®ñ theo ®Çu bµi ®Æt ra(3,5 vµ 20 quü ®¹o).<br /> - Khi môc tiªu c¬ ®éng (tèc ®é vµ h­íng bay môc tiªu thay ®æi), bé läc b¸m n¬ron vÉn<br /> ®¶m b¶o b¸m s¸t, kh«ng cã hiÖn t­îng mÊt b¸m.<br /> - C¸c gi¸ trÞ sai sè b¸m s¸t, ­íc l­îng tèc ®é cña c¸c bé läc b¸m cã c¸c ®iÓm dÊu ®Çu<br /> vµo ®­îc g¸n víi quü ®¹o môc tiªu b»ng ph­¬ng ph¸p m¹ng n¬ron ®Òu tháa m·n c¸c ®iÒu<br /> kiÖn ban ®Çu (Tèc ®é trung b×nh cña môc tiªu lµ 400m/s).<br /> - Khi sè l­îng môc tiªu t¨ng lªn chÊt l­îng, b¸m s¸t còng thay ®æi t­¬ng øng theo<br /> h­íng gi¶m dÇn biÓu hiÖn ë sù nhÊp nh«, gÊp khóc cña ®­êng quü ®¹o. Khi t¨ng ®Õn 20<br /> môc tiªu míi xuÊt hiÖn sù mÊt b¸m s¸t. Víi cÊu h×nh phÇn cøng ë trªn, kÕt qu¶ nµy lµ chÊp<br /> nhËn ®­îc.<br /> <br /> <br /> <br /> <br /> T¹p chÝ Nghiªn cøu KH&CN qu©n sù, Sè 31, 06 - 2014. 35<br /> Ra ®a<br /> <br /> <br /> <br /> <br /> a. Sai sè b¸m s¸t b. ¦íc l­îng tèc ®é môc tiªu<br /> H×nh 3. Sai sè b¸m s¸t vµ ­íc l­îng tèc ®é.<br /> 5. kÕt luËn<br /> Ph­¬ng ph¸p läc b¸m dïng m¹ng n¬ron ®Ó liªn kÕt ®iÓm dÊu ®· hoµn toµn tháa m·n<br /> c¸c tiªu chÝ cña mét bé b¸m s¸t quü ®¹o môc tiªu ra ®a. C¸c chØ tiªu tham sè cña nã ®Òu<br /> b»ng vµ tèt h¬n c¸c bé läc b¸m dïng LK§D theo x¸c suÊt sö dông ph­¬ng ph¸p tÝnh PDA,<br /> JPDA theo c¸ch gi¶i tÝch. C¸c kÕt qu¶ tÝnh to¸n m« pháng ë trªn ®· chøng minh tÝnh ®óng<br /> ®¾n cña kÕt luËn nµy.<br /> Tµi liÖu tham kh¶o<br /> [1]. Bar-Shalom, ”Radar Tracking and Data Association,” Orlando Acad. Press, Inc. 1998.<br /> [2]. Blackman,“Multiple-Target tracking with radar application,”MA, Artech House. 2005<br /> [3]. Thomas K. Rob, “A Comparison of Conventional And Neural Network Data<br /> Association Techniques For Multi-target tracking,” Electrical And Computer<br /> Engineering Royal Military College of Canada . Kingston, Ontario-Nov, 1999.<br /> [4]. D.Sengupta and R.T. Iltis, “Neural Solution to the Multi-target Data Association<br /> Problem,” IEEE Transaction On Aerospace & Electro. Sys., AES- (1989), pp.96-108.<br /> [5]. Фарина Ф , Cтудер Ф., “Цифровая Обработка РЛИ. Сопровождение Целей,”<br /> Изд. Радио и Связъю , 1993. c. 88-98, 160-167.<br /> abstract<br /> The hopfield network application for solution to data<br /> associate problem in radar target trajectory tracking<br /> The paper presents studied results by the Hopfield Neural network application<br /> to compute associate probabilities between the target’s plot and trajectory in<br /> Probabilistic Data Association Algorithms (PDAA), and Joint Probabilistic Data<br /> Association (JPDA), which are used in the target,s trajectory tracking filter for the<br /> automatic radar informations secondary processing system of the modern radars.<br /> Their advantages are carried out by simulative results.<br /> Keywords: PDA, JPDA, PDAF, JPDAF, Kalman Filter, EKF, Likelihood ratio, Traveling Problem.<br /> <br /> NhËn ngµy 24 th¸ng 10 n¨m 2014<br /> Hoµn thiÖn ngµy 10 th¸ng 05 n¨m 2014<br /> ChÊp nhËn ®¨ng ngµy 25 th¸ng 05 n¨m 2014<br /> <br /> <br /> <br /> <br /> §Þa chØ: * ViÖn KTQS Phßng kh«ng - Kh«ng qu©n<br /> ** Häc viÖn KTQS<br /> <br /> <br /> <br /> 36 P.N.Huy, B.Q.Thắng, “Ứng dụng mạng nơron Hopfield … quỹ đạo mục tiêu ra đa.”<br />
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD


intNumView=19

 

Đồng bộ tài khoản
2=>2