Nhận dạng vật thể 3 chiều sử dụng biến đổi wavelets và mạng nơron (3 d object recognition using wavelets and neural networks)

Hệ thống sẽ bao gồm một radar Radio Detection And Ranging phát sóng vô tuyến; sóng này đập vào các vật thể và radar sẽ thu lại dữ liệu tán xạ ngược từ các vật thể này; dữ liệu tán xạ ngư

PHÒNG QUẢN LÝ KHOA HỌC - SAU ĐẠI HỌC

(3-D OBJECT RECOGNITION USING WAVELETS AND NEURAL NETWORKS)

GIÁO VIÊN HƯỚNG DẪN : TS LÊ TIẾN THƯỜNG

HỌC VIÊN THỰC HIỆN : TRẦN THỊ THẢO TRÚC

THÁNG 6-2002

LỜI CẢM ƠN

Em xin chân thành cảm ơn Thầy LÊ TIẾN THƯỜNG đã tận tâm giảng dạy, nhiệt tình hướng dẫn chỉ bảo em về kiến thức và tài liệu để em hoàn thành luận án tốt nghiệp này Xin chân thành cảm

ơn tập thể Thầy Cô trường Đại học Bách khoa Thành phố Hồ Chí Minh đã giúp em thu lượm một lượng kiến thức khoa học trong suốt quá trình học tập tại trường để có cơ sở vững chắc thực hiện đề tài nghiên cứu này Cũng xin chân thành cảm ơn bạn

bè, cơ quan, gia đình đã luôn sẵn lòng giúp đỡ, động viên tôi trong suốt quá trình học tập và thực hiện luận án này

Học viên thực hiện: TRẦN THỊ THẢO TRÚC

GIỚI THIỆU

Nhận dạng vật thể là một lĩnh vực quan trọng và nhiều ứng dụng trong cuộc sống

Có rất nhiều phương pháp nhận dạng vật thể khác nhau Mỗi phương pháp dựa trên một số đặc điểm nào đó mà có thể rút ra được từ vật thể Nói chung một hệ thống nhận dạng vật thể bao gồm một số khối chức năng sau Thứ nhất gồm một khối thu nhận các dữ liệu thô từ vật thể Khối thứ hai sẽ phân tích dữ liệu thô này

để rút ra các yếu tố nào đó về vật thể Và khối cuối cùng sẽ so sánh các yếu tố thu được từ vật thể với các yếu tố của các vật thể được lưu trữ sẵn trong thư viện để xác định vật thể cần nhận dạng Kết quả là ta thu được một vật thể nào đó có sẵn trong thư viện hay là một vật thể mới chưa có trong thư viện

Đề tài này giới thiệu một phương pháp nhận dạng vật thể 3 chiều dựa vào trên các tâm tán xạ của vật thể sử dụng các kỹ thuật biến đổi Wavelets và mạng nơron Hệ thống sẽ bao gồm một radar (Radio Detection And Ranging) phát sóng vô tuyến; sóng này đập vào các vật thể và radar sẽ thu lại dữ liệu tán xạ ngược từ các vật thể này; dữ liệu tán xạ ngược sẽ được phân tích trên cơ sở Lý thuyết nhiễu xạ hình học (GTD: Geometrical Theory of Diffraction) và sử dụng biến đổi Wavelets để tìm ra các tâm tán xạ của vật thể; các dữ liệu về tâm tán xạ này sẽ được đưa vào mạng nơron đã được huấn luyện trước để xác định vật thể cần nhận dạng Mạng nơ ron được huấn luyện dựa trên một tập mẫu các vật thể đã được lưu trữ sẵn Nếu dữ liệu đầu ra mạng nơron phù hợp với một vật thể nào đó trong thư viện thì đó chính là vật thể cần nhận dạng, nếu đầu ra không phù hợp thì hệ thống sẽ xem đó là một vật thể mới chưa có trong thư viện

Radar là thiết bị dùng sóng vô tuyến để phát hiện, đo lường vị trí và đặc tính của vật thể Sóng điện từ phát ra từ hệ thống anten đến vật thể và phản xạ lại tuân thủ theo cơ chế tán xạ (scattering mechanism)[1] Có nhiều loại radar, tuỳ theo mục đích mà ta sử dụng loại radar thích hợp Các radar truyền thống chỉ phát hiện sự có mặt và cự ly của mục tiêu Các radar có độ phân giải cao hiện nay có thể thu được nhiều yếu tố hơn từ dữ liệu tán xạ ngược về từ mục tiêu Trong đề tài này hệ thống radar được sử dụng là hệ thống radar tần số bước Radar này có tín hiệu truyền đi

là chuỗi liên tiếp các đoạn sóng Trong khoảng thời gian T, tần số sóng phát đi thay đổi một bước δf và lặp lại n bước liên tiếp trong khoảng thời gian nT Hệ thống sẽ thu được một tập các dữ liệu phản hồi về biên độ và pha liên quan đến các xung phát đi Tại tần số đủ cao, một mục tiêu xấp xỉ như là một tập hợp các điểm trên mục tiêu, gọi là các tâm tán xạ không phân tán [2] Đáp ứng của đối tượng có thể được coi là tổng các đáp ứng riêng lẻ của từng tâm tán xạ Như vậy vấn đề còn lại là phải ghi nhận được các đáp ứng riêng lẻ của các tâm tán xạ này Theo kỹ thuật này, cần thu thập nhiều hình chiếu xuống của cự ly đối với các đặc

điểm cần lấy ra Hình chiếu của cự ly được xác định thông qua phép biến đổi dữ liệu phản xạ về trong miền tần số sang miền cự ly bởi một phép biến đổi ngược hay một kiểu hiệu chỉnh nào đó Nó thể hiện sự góp phần của các tâm điểm tán xạ vào đối tượng khảo sát dọc theo khoảng cách bán kính và cung cấp thông tin về độ dài, vị trí và số tâm riêng lẻ Thông tin chủ yếu về đối tượng khảo sát có thể đánh giá từ vị trí cực đại của các đáp ứng trên hình chiếu cự ly Một số đặc điểm quan trọng có được từ các thông tin này có thể được dùng làm véc tơ đặc tính cho quá trình ghi nhận tự động các mục tiêu

Như vậy, cần có một phương pháp hữu hiệu để giải quyết vấn đề biến đổi ngược

để tìm các điểm tán xạ Hai mô hình thông thường dùng để tìm tính chất các điểm tán xạ rời rạc được gọi là mô hình tán xạ thông số và phi thông số [2] Mô hình tán

xạ phi thông số thông thường sử dụng biến đổi ngược Fourier rời rạc (Inverse Discrete Fourier Transform – IDFT) của dữ liệu phản xạ về trong miền tần số Các tâm tán xạ nhận được từ một thuật toán tìm đỉnh trong IDFT dựa vào hình chiếu xuống của cự ly có được từ một đáp ứng xung của đối tượng Tuy nhiên phép biến đổi này có nhiều nhược điểm như tạo ra những đỉnh không mong muốn của đáp ứng trong trường hợp tỉ số tín hiệu trên nhiễu (SNR) thấp

Một công cụ có thể khắc phục nhược điểm trên là sử dụng biến đổi Wavelets Phép biến đổi Wavelets liên tục (Continuous Wavelets Transform – CWT) là một công cụ hiệu quả trong việc phân tích dạng không liên tục bên trong của tín hiệu

Do đó trong trường hợp các dữ liệu nhận về từ các tâm tán xạ độc lập trên đối tượng khảo sát thì đây là một công cụ thích hợp để tính toán các điểm tán xạ này

Quá trình nhận dạng sẽ so sánh các yếu tố thu được của vật thể với các vật thể có trong thư viện để xác định chính xác vật thể Các yếu tố được so sánh ở đây chính

là các tâm tán xạ thu được từ quá trình trước Và công cụ được sử dụng là mạng nơron Mạng nơron là một công cụ mạnh mẽ hiện nay để giải quyết vấn đề các hàm phi tuyến Trong đề tài này chúng ta sẽ sử dụng mạng nơron để nhận dạng vật thể từ những tâm tán xạ thu được Mạng nơron sẽ được huấn luyện trước với mẫu luyện là các tâm tán xạ của các vật thể trong thư viện vật thể được tạo trước Đầu

ra sẽ là những giá trị đặc thù để quyết định là vật thể nào Trong quá trình mô phỏng, mạng nơron nhận đầu vào là các tâm tán xạ thu được và đầu ra sẽ được xem xét để xác định cụ thể vật thể nếu nó nằm trong thư viện hay kết luận là một vật thể mới nếu nó chưa có trong thư viện

Và cuối cùng sẽ là một chương trình mô phỏng hoạt động của hệ thống nhận dạng vật thể 3-D được viết trên ngôn ngữ Matlab, version 6.0 của hãng MathWorks Phần dữ liệu tán xạ ngược từ vật thể sẽ được giả lập theo Lý thuyết nhiễu xạ hình học do khó khăn về thiết bị radar

TRƯỜNG ĐẠI HỌC BÁCH KHOA THÀNH PHỐ HỒ CHÍ MINH

PHÒNG QUẢN LÝ KHOA HỌC - SAU ĐẠI HỌC

TÓM TẮT LUẬN ÁN TỐT NGHIỆP CAO HỌC

ĐỀ TÀI

NHẬN DẠNG VẬT THỂ 3 CHIỀU

SỬ DỤNG BIẾN ĐỔI WAVELETS VÀ MẠNG NƠRON

(3-D OBJECT RECOGNITION USING WAVELETS AND NEURAL NETWORKS)

GIÁO VIÊN HƯỚNG DẪN : TS LÊ TIẾN THƯỜNG HỌC VIÊN THỰC HIỆN : TRẦN THỊ THẢO TRÚC

THÁNG 6-2002

1 GIỚI THIỆU

Đề tài này giới thiệu một phương pháp nhận dạng vật thể 3 chiều dựa vào trên các tâm tán xạ của vật thể sử dụng các kỹ thuật biến đổi Wavelets và mạng nơron Hệ thống sẽ bao gồm một radar (Radio Detection And Ranging) phát sóng vô tuyến; sóng này đập vào các vật thể và radar sẽ thu lại dữ liệu tán xạ ngược từ các vật thể này; dữ liệu tán xạ ngược sẽ được phân tích trên cơ sở Lý thuyết nhiễu xạ hình học (GTD: Geometrical Theory of Diffraction) và sử dụng biến đổi Wavelets để tìm ra các tâm tán xạ của vật thể; các dữ liệu về tâm tán xạ này sẽ được đưa vào mạng nơron đã được huấn luyện trước để xác định vật thể cần nhận dạng Mạng nơ ron được huấn luyện dựa trên một tập mẫu các vật thể đã được lưu trữ sẵn Nếu dữ liệu đầu ra mạng nơron phù hợp với một vật thể nào đó trong thư viện thì đó chính là vật thể cần nhận dạng, nếu đầu ra không phù hợp thì hệ thống sẽ xem đó là một vật thể mới chưa có trong thư viện

Trong đề tài này hệ thống radar được sử dụng là hệ thống radar tần số bước Radar này có tín hiệu truyền đi là chuỗi liên tiếp các đoạn sóng Trong khoảng thời gian

T, tần số sóng phát đi thay đổi một bước δf và lặp lại n bước liên tiếp trong khoảng thời gian nT Hệ thống sẽ thu được một tập các dữ liệu phản hồi về biên độ

và pha liên quan đến các xung phát đi Tại tần số đủ cao, một mục tiêu xấp xỉ như

là một tập hợp các điểm trên mục tiêu, gọi là các tâm tán xạ không phân tán [2] Đáp ứng của đối tượng có thể được coi là tổng các đáp ứng riêng lẻ của từng tâm tán xạ Như vậy vấn đề còn lại là phải ghi nhận được các đáp ứng riêng lẻ của các tâm tán xạ này Theo kỹ thuật này, cần thu thập nhiều hình chiếu xuống của cự ly đối với các đặc điểm cần lấy ra Hình chiếu của cự ly được xác định thông qua phép biến đổi dữ liệu phản xạ về trong miền tần số sang miền cự ly bởi một phép biến đổi ngược hay một kiểu hiệu chỉnh nào đó Nó thể hiện sự góp phần của các tâm điểm tán xạ vào đối tượng khảo sát dọc theo khoảng cách bán kính và cung cấp thông tin về độ dài, vị trí và số tâm riêng lẻ Thông tin chủ yếu về đối tượng khảo sát có thể đánh giá từ vị trí cực đại của các đáp ứng trên hình chiếu cự ly Một số đặc điểm quan trọng có được từ các thông tin này có thể được dùng làm véc tơ đặc tính cho quá trình ghi nhận tự động các mục tiêu

Như vậy, cần có một phương pháp hữu hiệu để giải quyết vấn đề biến đổi ngược

để tìm các điểm tán xạ Phép biến đổi Wavelets liên tục (Continuous Wavelets Transform – CWT) là một công cụ hiệu quả trong việc phân tích dạng không liên tục bên trong của tín hiệu Do đó trong trường hợp các dữ liệu nhận về từ các tâm tán xạ độc lập trên đối tượng khảo sát thì đây là một công cụ thích hợp để tính toán các điểm tán xạ này

Quá trình nhận dạng sẽ so sánh các yếu tố thu được của vật thể với các vật thể có trong thư viện để xác định chính xác vật thể Các yếu tố được so sánh ở đây chính

là các tâm tán xạ thu được từ quá trình trước Mạng nơron là một công cụ mạnh

mẽ hiện nay để giải quyết vấn đề các hàm phi tuyến Trong đề tài này chúng ta sẽ

sử dụng mạng nơron để nhận dạng vật thể từ những tâm tán xạ thu được Mạng nơron sẽ được huấn luyện trước với mẫu luyện là các tâm tán xạ của các vật thể

trong thư viện vật thể được tạo trước Đầu ra sẽ là những giá trị đặc thù để quyết định là vật thể nào Trong quá trình mô phỏng, mạng nơron nhận đầu vào là các tâm tán xạ thu được và đầu ra sẽ được xem xét để xác định cụ thể vật thể nếu nó nằm trong thư viện hay kết luận là một vật thể mới nếu nó chưa có trong thư viện

Sơ đồ khối của quá trình nhận dạng được trình bày như hình 1

HỆ THỐNG RADAR

KHỐI TÁCH TÂM TÁN XẠ

KHỐI NHẬN DẠNG

Dữ liệu RADAR giả lập này được đưa vào khối tách tâm tán xạ Khối này sử dụng

lý thuyết nhiễu xạ hình học và công cụ biến đổi Wavelets để phân tích tín hiệu RADAR và xác định các tâm tán xạ thu được Tâm tán xạ sẽ được xác định nhờ các cực đại địa phương trong biến đổi Wavelets

Khối nhận dạng vật thể sử dụng kỹ thuật mạng nơron (Neural Network) và một vài thủ thuật định ngưỡng Các tâm tán xạ của vật thể được xác định từ khối tách tâm tán xạ sẽ được đưa vào khối nhận dạng vật thể như những đầu vào của mạng Nơron Mạng nơron được huấn luyện để học các mẫu của các vật thể trong thư viện trước Trong quá trình mô phỏng, mạng nơron sẽ cho ra đầu ra tương ứng với đầu vào Từ những thông số đầu ra này vật thể sẽ được xác định Nếu thông số đầu

ra này gần bằng hay trùng lấp thông số của một vật thể trong thư viện thì công việc nhận dạng hoàn tất Nếu không thì hệ thống sẽ xác định đây là một vật thể mới, chưa có trong thư viện

Chương trình được viết trên ngôn ngữ Matlab, version 6.0 của hãng MathWorks Chương trình có sử dụng một số Toolbox do Tiến sĩ Lê Tiến Thường viết

2 MÔ PHỎNG DỮ LIỆU TÁN XẠ NGƯỢC TỪ

n

n

n

z y x z

y

x

''')cos(

)sin(

)sin(

)cos(

)sin(

0)

cos(

)sin(

)sin(

)sin(

)cos(

)cos(

)cos(

θϕ

θϕ

θ

ϕϕ

θϕ

θϕ

n

n

n

z y x z

y

x

)cos(

0)

sin(

)sin(

)sin(

)cos(

)sin(

)cos(

)cos(

)sin(

)sin(

)cos(

)cos(

'

'

'

θθ

ϕθϕ

ϕθ

ϕθ

ϕϕ

quan đến các xung phát đi Sau đó ta sẽ thực hiện biến đổi Wavelets sang tầm cự

ly để rút ra những điểm tán xạ

Mô hình lý thuyết nhiễu xạ hình học GTD rất thích hợp cho những áp dụng về dữ liệu những điểm tán xạ ngược có băng thông lớn Nó tính toán những đáp ứng tần

số của các tâm tán xạ theo cách tiếp cận mô hình GTD Đó là một hàm mũ với các

số mũ rời rạc γ Thông số này phụ thuộc vào tần số và đặc trưng hình học của vật nthể Thông số γ lấy các giá trị {0; +1/2;+1+3/2; etc} Giá trị n γ của góc là –1; ncủa đường cong là ½; của điểm, cạnh thẳng là 0; etc

Theo lý thuyết nhiễu xạ hình học GTD, khi bước sóng của kích thích tới tương đối nhỏ so với kích thước của mục tiêu, trường tán xạ ngược xem như phân bố rải rác

từ các tâm tán xạ rời rạc Sau khi chuẩn hóa cường độ điện trường tại điểm phân cực đã cho ta có dữ liệu tán xạ ngược tương ứng với hệ số sóng k cho bởi:

k j r

n

N n

r z k j r

n

n n

n n

e k

jk A

e k

jk A k

E

1

2 1

2

)

(

ζ γ

γ

r )

(3)

Ở đây Er(k)

là vector cột m x 1 của độ đo điểm tán xạ tương ứng với cặp cực phát:

thu An là đại lượng vô hướng phản ánh độ lớn tâm tán xạ thứ n của vật thể;

- zˆ là vector đơn vị theo hướng z;

- rr n Là vị trí tâm tán xạ thứ n so với pha bằng 0 (tâm pha) của vật thể;

Cho những tâm tán xạ của một vật thể được phân bố theo mặt phẳng 3 chiều với

hệ tọa độ là (Oxyz), tâm phase là gốc tọa độ Gọi SCn là tâm tán xạ thứ n Tọa độ của SCn trong hệ trục (Oxyz) là (xn,yn,zn) Gọi Ot là đường thẳng từ Radar đến vật thể được xác định bởi 2 góc:

- ϕ là góc phương vị (azimuth)

- θ là góc ngẩng (elevation)

Sử dụng phương trình chuyển hệ trục toạ độ, ta biến đổi hệ thống trục tọa độ

(Oxyz) thành (Ox’y’z’), với góc phương vị ϕ và góc ngẩng θ được xác định như

trên Hình chiếu của tâm tán xạ SCn trên trục Ot là ςn Ta có, các tọa độ của SCn

trong hệ trục mới (x’n,y’n,z’n), được tính theo công thức:

)cos(

)sin(

)sin(

)cos(

)cos(

,

'

ϕθ

ϕϕ

θ

ζ

n n

n n

t O n

z y

x

x

Ot SC SC proj

++

n e k

jk A k

E

1

2 )

, ,

k j r

n e k

jk A k

E

1

)) cos(

) sin(

) sin(

) cos(

) cos(

( 2 )

, ,

=

+ +

k j r

n e k

jk A k

E

1

)) cos(

) sin(

) sin(

) cos(

) cos(

( 2 1

k j r

n e k

jk A k

E

1

)) cos(

) sin(

) sin(

) cos(

) cos(

( 2 2

k j r

n e k

jk A k

E

1

)) cos(

) sin(

) sin(

) cos(

) cos(

( 2 3

Hình 4 Sơ đồ giải thuật chương trình tạo dữ liệu tán xạ ngược

Nhập thông số của RADAR

frmradardata;

Start

Nhập thông số của vật thể frmobjectdata;

Tính dữ liệu tán xạ ngược y0, y1, y2

Thêm thành phần nhiễu

End

3 PHÂN TÍCH TÁN XẠ 3-D DÙNG BIẾN ĐỔI WAVELETS LIÊN TỤC

Biến đổI wavelets tín hiệu E trong miền k sang miền tỉ lệ - cự ly (range-scale domain), ta có:

∫

∞

∞

− Φ

= a E k ak e dk b

a

2 ) , (

ak k

k e A e

a

dk e ak e

k k e A

a a

CWT

n n

n n n

n n n n n

jk N

j n j

k j N

n

k j

r

j n

) 2 ( 1

2 / 1

) 2 2 / (

) ( 2

) ( 2

) , (

ζ ζ γ

γ φ γ

π

ζ ζ

γ π γ γ φ

= Φ

A a dk ak e

e A

a a

0 )

(

1 )

( 2

) ,

a

ε

là hàm tỉ lệ với hàm wavelets mẹ với hệ số tỉ lệ a

ĐốI với trường hợp hàm wavelets Morlet, phương trình (12) được viết như sau:

) / ( ) / (

2 1

1),

a a

Phương trình (13) có cực đại địa phương tại ε1=0 và ζ =ζ0 Vị trí tâm tán xạ trong tầm cự ly đa phân giải độc lập với hệ số tỉ lệ a Tương tự, CWT của mặt phẳng ở hai bên cánh (γn =1) và ở góc (γn =−1) cũng cho kết quả là vị trí tâm tán

xạ trong tầm cự ly đa phân giải độc lập với hệ số tỉ lệ a

Hình chiếu tương ứng với các góc tới 1, 2, 3 trên trục Ot của tâm tán xạ thứ n là

=

++

=

++

=

)sin(

cos)sin(

)sin(

)cos(

)cos(

)sin(

cos)sin(

)sin(

)cos(

)cos(

)sin(

cos)sin(

)sin(

)cos(

)cos(

3 3

3 3

3 3

2 2

2 2

2 2

1 1

1 1

1 1

θθ

ϕϕ

θζ

θθ

ϕϕ

θζ

θθ

ϕϕ

θζ

n n

n n

n n

n n

n n

n n

z y

x

z y

x

z y

x

(14)

Giải hệ phương trình trên ta tìm được tọa độ của tâm tán xạ thứ n SCn Bằng cách tương tự ta sẽ tìm được tọa độ tương ứng của n tâm tán xạ SCi (i = 1, n) Từ đó,

có thể khôi phục lại các điểm tán xạ của vật thể 3-D

Lưu đồ giải thuật quá trình xác định tâm tán xạ dựa trên dữ liệu tán xạ ngược được cho trên hình 5

Hình 5 Sơ đồ giải thuật chương trình xác định tâm tán xạ

Nhập dữ liệu tán xạ ngược y0, y1, y2

0 và quanh 0.9 sẽ được xem là 1 Mạng phải được khởi tạo và huấn luyện trước khi sử dụng Mẫu huấn luyện là dữ liệu của 4 vật thể trong thư viện Mạng có thể được huấn luyện thành công ngay lần đầu huấn luyện Cũng có thể mạng không

học được ngay, khi đó đơn giản là ta khởi tạo lại mạng và huấn luyên lại Mạng huấn luyện thành công khi đạt sai số so với các mẫu luyện là 10-6

Sơ đồ giải thuật nhận dạng vật thể dùng mạng nơron được cho trên hình 6

SĐ

Hình 6 Sơ đồ giải thuật chương trình nhận dạng vật thể

Xác định vật thể theo thứ tự nr

End

abs(diff1(t)) < 0.35hay (nr > 4)

Làm tròn a về 0 hoặc 1 và tính

nr = a(1)*4+a(2)*2+a(3)+1;

Xác định là vật thể mới

Dữ liệu tâm tán xạ sẽ được đưa vào đầu vào mạng nơron để mạng tính đầu ra Nếu đầu ra mạng nơron có giá trị trong khoảng 0,15 đến 0,85 hay thứ tự của đầu ra khi làm tròn không có trong thư viện thì xem như đây là một vật thể mới Nếu các đầu

ra hợp lệ (không thuộc các điều kiện trên) thì chương trình sẽ tìm trong thư viện vật thể để xác định vật thể tương ứng dữ liệu nhận được

5 CHƯƠNG TRÌNH

• Tóm tắt các đặc tính của chương trình

- Chương trình bao gồm 24 files được viết trên ngôn ngữ Matlab, version 6.0 của hãng MathWorks Chương trình thi hành được trên các hệ điều hành và máy tính PC chạy được Matlab 6.0

- Cửa sổ đầu tiên là giới thiệu về chương trình bao gồm: tên đề tài, giáo viên hướng dẫn, học viên thực hiện, thời gian hoàn tất, …

- Tiếp theo là cửa sổ chính của chương trình, từ đây cho phép thực hiện mọi chức năng của chương trình

- Nút nhấn “Object Parameter” cho phép nhập các thông số của vật thể cần nhận dạng Các số liệu này dùng để tạo ra dữ liệu tán xạ ngược Ta có thể nhập các dữ liệu mới từ bàn phím hay chọn các dữ liệu có sẵn trong thư viện vật thể Hiện tại chương trình chỉ cho phép nhập số liệu các vật thể có

5 tâm tán xạ

- Nút nhấn “Radar Parameter” cho phép nhập các thông số của Radar và môi trường như: góc ngẩng, góc phương vị, hệ số SNR, …

- Nút nhấn “Network Init” khởi tạo mạng nơ ron

- Nút nhấn “Network Train” huấn luyện mạng với dữ liệu mẫu trong thư viện

- Nút nhấn “Object Recognize” thực hiện quá trình nhận dạng đối với dữ liệu tán xạ ngược tạo ra sau khi nhấn “Object Parameter”

- Nút nhấn “Multi-Object Recognize” thực hiện nhiều lần quá trình nhận dạng với các dữ liệu khác nhau

- Nút nhấn “Quit” thoát khỏi chương trình

- Các dữ liệu chi tiết trong quá trình nhận dạng được biểu diễn trong cửa sổ Command Window”

Sau đây là một số hình ảnh của chương trình

Cửa sổ thao tác chính của chương trình

Cửa sổ nhập thông số của RADAR như: góc ngẩng, góc phương vị, tần số, …

Cửa sổ nhập thông số của vật thể cần nhận dạng

Các dữ liệu được tính toán

Các tâm tán xạ được xác định và sai số

Cửa sổ thông báo việc huấn luyện mạng nơron

Sau đây là kết quả mô phỏng của chương trình Phần kết quả này thu được khi chạy chương trình trên máy tính PC Pentium 3 tốc độ 800MHz

• Kết quả thực hiện chương trình với mức nhiễu SNR = 20dB

• Kết quả thực hiện chương trình với mức nhiễu SNR = 15dB

Thời gian nhận dạng trung bình: 0.2632 giây

• Kết quả thực hiện chương trình với mức nhiễu SNR = 10dB

Thời gian nhận dạng trung bình: 0.265825 giây

• Kết quả thực hiện chương trình với mức nhiễu SNR = 8dB

• Kết quả thực hiện chương trình với mức nhiễu SNR = 6dB

Thời gian nhận dạng trung bình: 0.265025 giây

• Kết quả thực hiện chương trình với mức nhiễu SNR = 4dB

- Các tâm tán xạ nhận được có sai số nhỏ so với nguyên mẫu

- Mạng Nơron tính toán và nhận dạng được chính xác vật thể

- Chương trình đơn giản và thi hành tương đối nhanh, giao diện thuận tiện cho người sử dụng

- Thời gian nhận dạng trung bình khoảng 0.265 giây (tùy thuộc máy tính)

- Xác suất nhận dạng đúng phụ thuộc vào hệ số nhiễu và vào vật thể cần nhận dạng Nhiễu càng cao (SNR càng nhỏ), xác suất nhận dạng đúng càng nhỏ Vật thể với các tâm tán xạ có hình chiếu lên trục đường thẳng từ radar

đến vật thể càng gần nhau, xác suất nhận dạng đúng càng nhỏ Vật thể càng lớn hay càng gần radar, biên độ tín hiệu càng lớn, xác suất nhận dạng đúng càng cao

- Với hệ số nhiễu SNR từ 10 dB trở lên, hệ thống nhận dạng đúng gần như

100 %

- Tuy nhiên do thời gian có hạn chương trình vẫn còn những hạn chế và khuyết điểm cần khắc phục

6 HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI

Chương trình hiện tại chỉ nhận dạng vật thể có số tâm tán xạ cố định là 5 và thư viện vật thể còn nghèo nàn chỉ có 4 vật thể Hướng phát triển của đề tài sẽ tập trung vào 2 hạn chế này để chương trình hoạt động linh động và phong phú hơn

Việc xác định số tâm tán xạ thu được dựa vào số điểm cực trị của chuyển đổi Wavelets là hoàn toàn có thể thực hiện được Hiển nhiên chương trình sẽ có nhiều mạng nơron tương ứng số số lượng tâm tán xạ do số đầu vào thay đổi Rõ rang chương trình sẽ giới hạn số tâm tán xạ trong một khoảng nào đó để không vượt quá tài nguyên của máy tính Sau khi xác định số tâm tán xạ sẽ đưa vào mạng nơron tương ứng để nhận dạng Việc mở rộng số đầu ra để tăng số vật thể nhận dạng được là đơn giản không có khó khăn gì

Việc mở rộng thư viện vật thể là vấn đề thời gian Vấn đề khó khăn là việc tạo ra thư viện các vật thể thực tế để chương trình thiết thực hơn Khó khăn nằm ở việc thiếu những thiết bị kỹ thuật Tuy nhiên nếu được sự giúp đỡ của các cá nhân tổ chức có khả năng thì hoàn toàn có thể khắc phục được

Tất nhiên còn nhiều điều chờ đề tài ở phía trước mà tác giả còn chưa biết được Sự hợp tác của nhiều người sẽ làm đề tài được phát triển nhanh chóng và hoàn thiện hơn

TÓM TẮT

Đã từ lâu, người ta đã quan tâm đến việc nhận dạng vật thể tự động trên cơ sở mô hình Có thể mô tả như sau: một tập các vật thể mẫu cho trước và dữ liệu cảm biến thu được có thể thuộc về một trong những vật thể này Mục tiêu là phải xác định được tính đồng nhất và/hay kiểu của vật thể trong một quang cảnh nào đó Việc thực hiện quy trình nhận dạng tùy thuộc vào các tính chất của cả dữ liệu nhận được về quang cảnh (ví dụ mức độ sai số do đo lường, các đặc trưng không xác thực hay nhầm lẫn…) lẫn của các vật thể mẫu (ví dụ, tính tương tự của các hình của mô hình…) Việc mô hình hóa có hệ thống tất cả các tính chất này theo một hướng tiếp cận đơn giản là một cách thức dùng để tiên đoán cách thực hiện việc nhận dạng

Luận án này sẽ thể hiện một phương pháp nhận dạng vật thể 3-D sử dụng phép biến đổi Wavelets và mạng neuron trên cơ sở lý thuyết nhiễu xạ hình học (Geometrical Theory of Diffraction – GTD) Các vị trí hình học của các tâm tán

xạ được sử dụng để thể hiện các hình mô hình ba chiều của vật thể ba chiều cần nhận dạng dưới một điều kiện xem xét cho trước (góc phương vị, góc nghiêng, độ lõm của mặt phẳng…) và tập tâm tán xạ của vật thể ba chiều có thể được xác định bằng cách sử dụng tín hiệu radar và các phép biến đổi Wavelets Sau khi có được

dữ liệu của vật thể cần nhận dạng này, sử dụng mạng neuron để nhận dạng vật thể Trước đó, mạng neuron đã được huấn luyện với một số vật thể mẫu Dữ liệu vật thể cần nhận dạng sẽ được đưa vào ngõ vào của mạng neuron để xác định vật thể này là một trong những vật thể mẫu Như vậy là đã nhận dạng được vật thể Nếu vật thể này không thuộc về một trong những vật thể mẫu thì mạng neuron sẽ được huấn luyện lại để nhận dạng được thêm vật thể mới này Do đó dần dần dữ liệu các vật thể mẫu ngày càng được tăng thêm Như vậy đã xây dựng được một phương pháp nhận dạng vật thể tự động

Phương pháp này sẽ được sử dụng khi xây dựng chương trình nhận dạng vật thể viết trên ngôn ngữ Matlab Do không có tín hiệu radar thực, nên để có được tín hiệu radar luận án này sẽ sử dụng chương trình mô phỏng tín hiệu radar dựa trên

cơ sở mô hình GTD

Model-based automatic target recognition (ATR) has been received a considerable attention since long time ago It can be defined as follows: A given set of sample targets and sensory data possibly belonging to one of these targets, the objective is

to determine identity and/or pose of the scene target, if it exits, by comparing features extracted from the scene data with those of the sample targets The performance of the recognition process depends on proterties of both the scene data (e.g the extent of measurement error, missing and spurious features,…) and the sample targets (e.g similarity of model views,…) Systematic modeling of all these properties in a single approach has been a challenge for predicting the recognition performance

In this thesis, we present a method for 3-D target recognition using Wavelets Transform and Neural Network based on Geometrical Theory of Diffration (GTD) The geometric locations of the scattering centers are used to represent the 3-D model views of a 3-D target under a given viewing condition (azimuth, depression and squint angles…) and the set of scattering centers of 3-D target can

be determined by using radar signal and wavelet transforms After having target data, we use neural network to recognize target Before, neural network have been trained with some sample targets Then, target data will be entered into Input of Neural Network to determine that this target belongs to one of sample targets So target will have been recognized If this target doesn’t belong to one of sample targets, neural network will be trained again to recognize this new target So, step

by step, sample data of neural network will be increased Thus, we have the method of model-based automatic target recognition

This method will be used as constructing a program of 3-D target recognition using Matlab language Because there is no real radar signal, radar signals will be made by GTD-based radar signal simulating program

3.2 Phân tích Fourier thời gian ngắn 3-2

5.3 Phân tích tán xạ 3-D dùng biến đổi Wavelets liên tục 5-9

CHƯƠNG 1 RADAR

1.1 SƠ LƯỢC VỀ RADAR

RADAR là từ viết tắt của Radio Detection And Ranging, thiết bị dùng sóng vô tuyến để phát hiện sự tồn tại của các vật thể (mục tiêu) và vị trí của nó Đây là các loại RADAR có độ phân giải thấp Ngày nay với các RADAR hiện đại chúng ta còn có thể nhận dạng mục tiêu, phân loại, tạo ảnh của vật thể, vẽ bản đồ mặt đất từ

vệ tinh, các loại RADAR này cần có độ phân giải cao

RADAR làm việc theo nguyên lý như sau: một máy phát sẽ phát đi sóng vô tuyến, sóng tới này gặp vật thể và phản xạ trên vật thể và một phần sóng quay trở lại và được một máy thu thu lấy, rồi được khuếch đại sau đó xử lý để sắp xếp chọn lọc

1.1.1 Tìm hiểu một RADAR đơn giản

Tần số sóng mang là tần số Radio (RF) chính của RADAR, nó đuợc thiết lập bởi

bộ tổng hợp tần số tạo dao động Tín hiệu tạo ra từ bộ tổng hợp tần số sẽ được chọn dạng sóng thích hợp rồi đi vào bộ khuếch đại máy phát rồi đưa vào antenna phát qua một bộ công tắc thu phát (duplexer) (công tắc này nối antenna với máy thu và phát để cùng chia sẻ antenna) Khi xung truyền đi, thì đồng hồ RADAR bắt đầu đếm thời gian, xung vô tuyến được truyền đi với vận tốc ánh sáng đuợc tán xạ

từ mục tiêu và quay trở lại RADAR

Ở phần thu RADAR, tín hiệu thu được khuyếch đại, kết hợp với bộ tổng hợp tần

số, khuyếch đại IF và bộ tổng hợp tần số sẽ cho ở ngõ ra một tín hiệu và tín hiệu này được tách lọc để xử lý và sau cùng được hiển thị

Chúng ta có khoảng cách từ RADAR đến mục tiêu:

Duplexer Khuếch

đại công suất

Tạo dạng sóng

LNA

Khuếch đại công suất

đại IF và lọc

Sóng vô tuyến là một bộ phận trong thang phổ sóng điện từ vì vậy nó có thể được

mô tả theo thuyết sóng hay thuyết lượng tử Quan hệ giữa tần số, bước sóng và

Trong RADAR tần số thấp nhất được sử dụng là f = 1Mhz Tần số thấp nhất có thể

truyền đi được xa, tuy nhiên phát sinh các vấn đề sau:

- Ở tần số thấp thì kích thước antenna phải lớn, điều này dẫn đến không thực

tế khi thực hiện các antenna có độ lợi cao

- Ở tần số thấp vì tầng điện ly là một vật tán xạ mạnh, và điều này sẽ tạo ra

các tiếng dội không mong muốn, dễ gây nhầm lẫn với các mục tiêu di động

Antenna có hướng tính cao có thể tránh được điều này nhưng vì lý do kể

trên, đó không phải là một giải pháp thực tế

- Bước sóng dài nghĩa là chỉ một thay đổi nhỏ trong tần số sẽ xảy ra khi tín

hiệu tán xạ từ vật thể di động (hiệu ứng dịch tần Doppler) mất nhiều thời

gian để phân giải, điều này sẽ dẫn đến RADAR có bước sóng dài trở nên vô

hiệu trong việc phát hiện các mục tiêu di động

- Ở tần số thấp có nhiều vấn đề như khó xin phép phát sóng, khó tìm kênh

truyền, mức nhiễu nền thường cao và chỉ sẵn có cho các RADAR băng

thông hẹp, điều này sẽ dẫn đến giới hạn độ phân giải của hệ thống

Dù vậy cũng có các RADAR hoạt động ở tần số thấp, đặc biệt là bang HF (từ

3Mhz đến 30Mhz) nó phù hợp cho các phát hiện những mục tiêu cự ly xa-ngang

(long range Over-the-horizon)

Các hệ thống RADAR thường sử dụng tần số ở tần số cao; ở đây hầu hết các vấn

đề liên quan và phức tạp cần phải khắc phục, đó là sự hấp thu của bầu khí quyển

và giới hạn về mặt kỹ thuật Các RADAR làm việc ở tần số rất cao như các hệ

thống Laser, còn được gọi là Lidar (light detection and ranging) nó có thể đo

khoảng cách một cách chính xác, thường được dùng để nghiên cứu bầu khí quyển

và trong quốc phòng

1.2 ĐỘ LỢI ANTENNA

Antenna là một thiết bị bức xạ và thu năng lượng sóng điện từ, nó có 3 chức năng

chính:

• Tạo chùm tia công suất theo một hướng định trước để tăng độ nhạy cho

RADAR theo một hướng đã định

• Lái chùm tia để một khu vực nào đó có thể được bao phủ sóng

• Cho phép đo đạc thông tin về góc để có thể xác định hướng của mục tiêu

Ta có hai loại Antenna đó là antenna vô hướng và antenna có hướng

Antenna vô hướng có bức xạ công suất một cách đồng nhất trong một góc khối 4π

[steradian]

Antenna có hướng tập trung công suất theo một hướng nhất định vì vậy nó phụ

thuộc vào hệ số hướng tính D(θφ) và độ lợi G(θφ) D(θφ) mô tả kiểu bức xạ,

G(θφ) cho ta biết sự tổn hao (nhiệt hay công suất bức xạ vào các búp phụ sidelobe)

(xem [1])

φθ

πφ

θ

ΔΔ

=

4),

(

Δθ là độ rộng chùm tia theo hướng góc phương vị

Δφ là độ rộng chùm tia theo hướng góc ngẩng

Nếu tính theo góc khối từ biểu thức (1.3) ta có

Ω

= πφ

(

Với Ω là góc khối của chùm tia

Độ lợi cực đại của antenna cũng được tính theo kích thước của nó:

2 4

Với A là diện tích thực của antenna

ε à hệ số hiệu suất của antenna; đối với antenna đĩa Parabol ε có giá trị từ

0.4 đến 0.9

Biểu thức (1.5) được suy ra khi ta xem mặt bức xạ là hình chữ nhật có A = d1d2

] [

;

1 2

rad d

d

λφ

λ

1.3 PHƯƠNG TRÌNH RADAR

Khả năng phát hiện sự có mặt của mục tiêu của RADAR được mô tả trong phương

trình RADAR Giả định ban đầu chúng ta có một máy phát có công suất P1[W]

Nếu công suất này được bức xạ đẳng hướng bởi antenna, thì mật độ công suất ở

R

G P

π

Khi mục tiêu nhận được một phần công suất tới này và bức xạ trở lại Chúng ta

gọi số đo của phần công suất mà mục tiêu nhận và phản xạ lại cho RADAR là mặt

cắt ngang RADAR viết tắt là RCS (RADAR Cross-Section) và được ký hiệu là σ

Vậy công suất bức xạ phản hồi từ mục tiêu là

2

.4

R

G P

R

G P

σ

Công suất phản hồi về được antenna thu lấy, nó được xác định bởi diện tích hiệu

dụng Aevậy cho nên công suất trung bình nhận được là

2

2).4(

R

A G P

2

.)4(

R

L G

G P

λσ

Vậy tỉ số S/N (SNR: Signal-to-Noise Ratio) theo định nghĩa ta có

N R

L G

G P N

P

)4(

4 3

2

π

λσ

=

Với N là công suất nhiễu trung bình Tỉ số SNR cho ta biết công suất nhận được

lớn hơn hoặc nhỏ hơn công suất nhiễu trung bình bao nhiêu lần Từ biểu thức

(1.13) dùng để tính công suất một cách tổng quát Khi cần tính một thông số nào

đó, thí dụ chúng ta cần tìm khoảng cách từ RADAR đến mục tiêu; từ biểu thức

SNR N

L G

G P

π

λσ

1.4 ĐỘ CHÍNH XÁC VÀ ĐỘ PHÂN GIẢI

Trong thực tế, chúng ta mong muốn làm thế nào để đo khoảng cách R từ RADAR

đến mục tiêu một cách nhanh chóng và chính xác

Độ chính xác khoảng cách chỉ ra sự ảnh hưởng của sai số trong pháp đo khoảng

cách tuyệt đối của vật thể Còn độ phân giải khoảng cách cho chúng ta biết hai

mục tiêu phải cách xa nhau như thế nào để RADAR nhận biết chính xác đó là hai

mục tiêu chứ không phải là một mục tiêu

Độ phân giải khoảng cách của một hệ thống RADAR được xác định như sau Nếu

thời gian trễ giữa các tiếng dội từ hai vật thể lớn hơn chu kỳ xung T thì hai tiếng

dội được coi là riêng biệt Nếu thời gian trễ giữa các tiếng dội từ hai vật thể nhỏ

hơn chu kỳ xung T thì các tiếng dội sẽ lẫn vào nhau

Độ phân giải khoảng cách được tính bằng biểu thức dưới đây:

Hình 1.2 Xác định độ phân giải khoảng cách của RADAR

(a) Dễ dàng thấy 2 mục tiêu vì thời gian trễ giữa 2 tín hiệu phản hồi lớn hơn độ rộng xung T

(b) Khó xác định khi chúng bị chồng lên nhau (c) Khi tín hiệu phản hồi có thời gian trễ đúng bằng độ rộng xung T

Hình 1.3 Độ chính xác khoảng cách RADAR phụ thuộc vào băng thông

Thông thường các hệ thống thu RADAR lấy mẫu ngõ ra máy thu mỗi T giây và

mỗi mẫu biểu thị một khoảng cách ΔR được gọi là cửa cự ly (range gate hay range

bin)

Độ chính xác của việc đo khoảng cách phụ thuộc vào độ sắc cạnh của dạng xung

và vì thế cần có một hệ số tới hạn (crucial) xác định độ chính xác khoảng cách là

băng thông bị chiếm bởi RADAR

Trong thực tế, dạng xung và băng thông có mối quan hệ trong các RADAR xung

đơn giản Các xung ngắn chiếm nhiều băng thông của phổ vô tuyến hơn các xung

dài

Tổng quát, bất kỳ sự đo đạc nào được thực hiện với độ phân giải cơ bản M sẽ có

sai số hiệu dụng (RMS error) δM là:

SNR

M M

.2

=

Với bước hoảng cách ΔR, thì sai số khoảng cách là:

SNR B

C R

.22

=

1.5 THỜI GIAN TÍCH HỢP VÀ HIỆU ỨNG

DOPPLER

Độ dài của thời gian cần thiết để thực hiện một quan sát với một hệ thống RADAR

được gọi là thời gian tích hợp (integration time), bởi vì tất cả data trên mục tiêu

được tích hợp hay cộng vào cho đến khi phép đo đủ chính xác

Có hai phương pháp để đo tốc độ một vật thể bằng RADAR Phương pháp đơn

giản nhất là ước lượng sự thay đổi vị trí theo thời gian Phương pháp chính xác

hơn là lợi dụng hiệu ứng doppler Hiệu ứng này làm thay đổi tần số tín hiệu radio

do sự chuyển động của mục tiêu Nếu mục tiêu đứng yên, mỗi tín hiệu radio được

phát đi từ RADAR sẽ trở lại cùng pha Nếu mục tiêu đang tiến về phía RADAR,

tín hiệu radio phải chuyển động một khoảng cách ngắn hơn và pha của tiếng dội sẽ

thay đổi liên tục theo thời gian Gọi Vr là thành phần xuyên tâm của vận tốc mục

tiêu về phía RADAR, độ dịch tần số doppler tương ứng là (xem [1]):

λr

d

V

Thực ra (1.20) chỉ là gần đúng, tuy nhiên thực tế có thể chấp nhận đuợc vì Vr <<c

Thời gian tích hợp t cần để phân giải hai tần số doppler được tách biệt bởi Δf được

f d

.2

V r

.22

λ

1.6 CÁC KỸ THUẬT RADAR PHÂN GIẢI CAO

RADAR hiện đại đã tiến xa hơn ‘radio detection and ranging’ để hợp nhất sự

phân loại mục tiêu và các giải thuật nhận dạng Các phương pháp này đòi hỏi sự cải thiện về độ phân giải để xác nhận các đặc điểm phân biệt trên các mục tiêu Chúng ta đã thấy rằng độ phân giải phụ thuộc như thế nào vào các thông số của hệ thống nhưng chúng ta chưa kể ra sự đóng góp mà có thể thực hiện bằng cách phát triển phần cứng, xử lý tín hiệu và phần mềm xử lý data

Có nhiều phương pháp để tăng độ phân giải của các hệ thống RADAR Thường thì các kỹ thuật này được phát triển trong các lĩnh vực nghiên cứu khác và phù hợp cho sự sử dụng với RADAR Một vài trong các điều đạt được đây liên quan tới sự thay đổi phần cứng hay chiến lược thu thập data và được đề cập đến dưới đây

1.6.1 Các hệ thống RADAR băng rộng (wideband RADAR

range applications)

1.6.2 Sự thám sát đa tần số (Multifrequency illumination)

Ngoài việc có một kênh RADAR đơn có băng thông rộng, có thể chọn nhiều kênh băng thông hẹp hơn và tương quan các output để tìm vài tính chất không gian của mục tiêu Chủ đề này đã được khảo sát rộng rãi bởi Gjessing (xem “Target Adaptive Matched Illumination RADAR” – IEE Electromagnetic Waves series 22, Peter Peregrinus, Hitchin, Herts, 1986) và có thể rất có năng lực khi một thông tin

ưu tiên về hình dạng mục tiêu là đã sẵn có, mặc dù nó hơi nhạy đối với góc tới

1.6.3 Các kỹ thuật đa cực tính hóa (Multipolaritization

techniques)

Một điều đã nhận được ra là nhiều thông tin trên nhiều loại mục tiêu có thể được cải thiện nếu các kỹ thuật đa cực tính hóa được sử dụng Đó là bởi vì đặc điểm đa

cực tính của mục tiêu về nguyên lý có năm bậc tự do (ba biên độ và hai pha tương đối) Sự đánh giá các đặc tính cực hóa của các mục tiêu là một lĩnh vực tích cực của sự nghiên cứu, và các RADAR sử dụng các đặc điểm cực hóa này là kém phát triển

1.6.4 Các hệ thống phân cực cầu (quadpolarized)

Sự sử dụng nhiều tần số và các thông tin cực hóa là một đặc tính của thế hệ mới

nhất của các RADAR nhạy điều khiển không lưu từ xa (airborne remote sending

RADAR) Những hệ thống quadpolarized này có khả năng nhận ra các cơ chế tán

xạ khác nhau đóng góp vào phần tán xạ ngược lại Điều này có thể được sử dụng trong nhận dạng và phân loại mục tiêu Một số trong các tiến bộ nổi bật nhất trong việc tìm hiểu các tính chất tán xạ của các mục tiêu mở rộng và trong sự ứng dụng

của RADAR góc mở tổng hợp SAR (Synthetic Aperture RADAR) là gần như xuất

phát từ sự tiến bộ này

1.6.5 Sự giao thoa (Interferomettry)

Một tiến bộ nữa trong việc sử dụng SAR là trong một mode giao thoa Trong mode này, sự lệch pha giữa các ảnh SAR thu thập từ các quỹ đạo nằm gần nhau trong không gian có thể được sử dụng để xây dựng một bản đồ địa hình của vùng được tạo ảnh

Dưới đây ta sẽ mô tả một vài trong số phần mềm và các kỹ thuật toán học mà có thể được sử dụng để làm tăng độ phân giải RADAR

1.6.6 RADAR góc mở tổng hợp ngược ISAR (Inverse Synthetic

Aperture RADAR)

IASR được sử dụng để tăng độ phân giải góc theo cách giống như SAR (SAR và

ISAR xin tham khảo thêm trong “Understanding RADAR Systems” giới thiệu

trong phần tài liệu tham khảo) nhưng với sự khác biệt là RADAR vẫn giữ tính ổn định và thuận lợi được nhận từ sự di động mục tiêu

1.6.7 Sự phân tích phổ doppler được cải thiện

Có nhiều bộ ước lượng phổ hiện đại như phương pháp Maximum Likelihood, phương pháp Entropy cực đại, phương pháp vector đặc tính cực tiểu, Các phương pháp này có thể được sử dụng để cải thiện độ phân giải doppler và nhận diện các mục tiêu bằng cách tìm các đặc điểm như sự quay cánh turbine, hay bước bánh răng, sự lăn và sự đi chệch hướng của một máy bay hay tàu thuyền Các bộ

ước lượng phổ được cải thiện cũng được áp dụng cho các mảng pha (phade array)

để cải thiện thông tin góc

1.6.8 Phân tích sự biến thiên mặt cắt RADAR (RADAR

Cross-Section Fluctuation Analysis)

Khi một mục tiêu bao gồm một số hữu hạn các điểm tán xạ đơn lẽ mà mô tả đặc tính cho nó, mục tiêu này có thể được nhận diện bằng các phân tích thống kê hay phân tích phổ của sự biến thiên biên độ RCS

1.6.9 Siêu phân giải (super-resolution)

Ngay cả khi hình dạng của một mục tiêu nhỏ hơn độ phân giải khoảng cách, vài thông tin có thể được phục hồi từ tiếng dội (echo) bằng cách thực hiện một quá

trình phân ly (deconvolution) được gọi là siêu phân giải, sao cho hàm trải điểm

(point spread function) hay đáp ứng xung của hệ thống là đã đuợc biết Ít nhất

băng thông RADAR được tăng một cách nhân tạo bằng cách giới hạn khả năng chọn lựa có thể của hình dạng mục tiêu

1.6.10 Tomography

Cấu trúc của một mục tiêu cho trước sắp xếp thành một hình dạng đặc biệt trong

sơ đồ không rõ ràng (ambiguity diagram) hay là sự kết hợp của cấu trúc mục tiêu

với dạng xung trong khoảng cách và doppler Các tốc độ chirp khác nhau tương ứng với các góc khác nhau trên mặt phẳng không rõ ràng và vì vậy có thể được sử dụng để lấy thông tin về hình dạng mục tiêu, giống như cách tạo ảnh tomographic trong y tế

Đa số trong các kỹ thuật này cho kết quả tốt trong các mô phỏng máy tính, nhưng thực tế ảnh hưởng của nhiễu và sai pha do sự di chuyển không phân giải được dẫn đến làm giảm hiệu quả Cách khắc phục điều này thường là kết hợp nhiều kỹ thuật

kể trên

1.7 CÁC LOẠI RADAR

1.7.1 RADAR QUAN SÁT

RADAR VÀ SỰ QUAN SÁT

Các RADAR quan sát hiện đại nhất là có tính đa chức năng, tức có khả năng thực

hiện các hoạt động khác nhau cùng một lúc Các RADAR có thể phát hiện và bám

theo một mục tiêu cho đến khi chúng vượt ra khỏi tầm kiểm soát của RADAR Ví

dụ như RADAR điều khiển sự cất và hạ cánh các máy bay hay các RADAR điều

khiển các vũ khí tầm ngắn bám theo mục tiêu

KHẢO SÁT ĐỘ RỘNG CHÙM TIA ANTENNA

Một chọn lựa chung về tần số cho các RADAR quan sát tầm xa là băng L

(~1.3Ghz) vì tránh được các rắc rối như thời tiết xấu gây ảnh hưởng ở các tần số

cao hơn Khi khảo sát thiết kế một antenna cho RADAR có hai vấn đề:

* Có nhiều lý do chính đáng để chọn các chùm tia hẹp

- Vị trí góc của mục tiêu có thể được đo với độ chính xác cao

- Giảm được số tiếng dội không mong muốn gây xáo trộn hình ảnh RADAR

- Giảm nhiễu nội tại

- Tăng hệ số độ lợi thu, phát của antenna sẽ dẫn đến cải thiện được SNR làm

cho mục tiêu dễ bị phát hiện hơn

* Các điều bất lợi

Nếu một vùng trời cho trước cần quan sát, các chùm tia hẹp hơn có nghĩa là có

nhiều vị trí chùm tia hơn Nếu chúng ta khảo sát toàn bộ bầu trời, điều đó có nghĩa

là ứng với một góc khối 2π steradian, với độ rộng chùm tia là Ω = Δθ.Δφ, số vị trí

chùm tia cần là

Nhưng theo biểu thức (1.4), ta có thể viết:

Mỗi vị trí chùm tia phải được khảo sát tối thiểu 10s vì data ở tốc độ này đuợc đòi

hỏi để bám theo quỹ đạo của mục tiêu một cách chính xác (một quá trình được gọi

là tracking được thực hiện bởi phần mềm xử lý dữ liệu)

TẦN SỐ LẶP LẠI XUNG - VẬN TỐC VÀ KHOẢNG CÁCH RÕ

RÀNG

Tốc độ truyền xung của hệ thống RADAR càng lớn thì công suất bức xạ càng lớn

Giới hạn về tốc độ truyền xung cực đại xảy ra khi các xung được truyền nhanh quá

đến nỗi một xung được truyền đi trước khi xung trước đó đã hoàn thành một vòng

đi đến mục tiêu và quay về RADAR Trong tình trạng này nguồn gốc các xung

truyền đi là không rõ ràng đối với xung tiếng dội và khoảng cách mục tiêu trở nên

không rõ ràng

Tốc độ mà ở đó các xung được truyền đi gọi là tần số lặp lại xung, viết tắt là PRF

PRF cực đại có thể sử dụng cho một hệ thống RADAR với khoảng cách rõ ràng

Rmax là:

Có nhiều cách để tăng PRF mà không cần giảm khoảng cách rõ ràng Một phương

pháp là ‘sơn màu’ hay ‘gắn nhãn’ mỗi xung theo một cách nào đó mà chúng ta có

thể phân biệt với các xung lân cận Các phương pháp gắn nhãn xung bao gồm

truyền chúng với tần số, pha, cực tính, hay hình dạng xung khác nhau Tuy nhiên

các phương pháp này gặp khó khăn khi mặt cắt RADAR (RADAR cross-section =

RCS) của mục tiêu biến thiên từ xung này đến xung khác Một phương pháp khác

là sử dụng một loạt xung với PRF khác nhau Một cách độc lập, mỗi loạt này có

thể không rõ ràng với một khoảng cách riêng nhưng khi được sử dụng kết hợp với

những loạt xung khác sự không rõ ràng có thể được loại trừ

Có thể tránh sự không rõ ràng doppler với RADAR có PRF cao Trong trường hợp

này, hệ thống thường đuợc gọi là RADAR xung doppler Nói chung hệ thống

doppler xung có PRF cao, chịu được sự không rõ ràng khoảng cách và các khoảng

cách mù (blind range) mà ở đó sự truyền của các xung khác không cho phép máy

thu Thường ta không thể tìm đuợc một giá trị PRF mà tránh được sự không rõ

ràng vừa về khoảng cách vừa về doppler Với các hệ thống doppler xung, độ phân

giải đối với vấn đề không rõ ràng cũng sử dụng đa PRF để các khoảng cách mù

xảy ra ở các nơi khác nhau

ĐỘ DÀI XUNG VÀ SỰ LẤY MẪU

Độ dài xung được chọn tùy thuộc vào tốc độ lấy mẫu ngõ ra máy thu và tốc độ của

các computer Độ dài xung 3 us là tiêu biểu cho các RADAR quan sát hàng không

tầm xa và từ (1.16) độ dài này cho độ phân giải khoảng cách danh định là khoảng

450m Thực tế còn tệ hơn do hình dạng xung và các tổn hao hệ thống Con số cuối

cùng là gần bằng 750m

Ngõ ra máy thu RADAR cần đuợc lấy mẫu mỗi 3 μs Bởi vì xung tiếng dội tối

thiểu phải có cùng độ dài như xung được truyền đi, tốc độ lấy mẫu này đãm bảo

rằng không bị bỏ sót thông tin Nếu việc lấy mẫu được thực hiện < 3 μs, thông tin

có thể bị mất và một mục tiêu nhỏ có thể thoát khỏi sự phát hiện của RADAR khi

rơi vào giữa hai mẫu

MẶT CẮT RADAR (RADAR CROSS-SECTION=RCS)

RCS của một vật thể phụ thuộc một phần vào bước sóng RADAR sử dụng và với

các hình thể đơn giản, ta có thể có các nguyên tắc sau:

Với các mục tiêu có kích thước >> bước sóng RADAR sử dụng, RCS gần như

cùng kích thuớc với diện tích thật của mục tiêu Đây được gọi là vùng quang học

vì RCS đạt tới giá trị quang học

Với các mục tiêu có kích thước tương đương bước sóng RADAR sử dụng, RCS

thay đổi một cách mạnh mẽ theo các thay đổi về bước sóng, nó có thể lớn hơn hay

nhỏ hơn giá trị quang học Đây được gọi là vùng cộng hưởng hay vùng Mie

Với các mục tiêu có kích thước << bước sóng RADAR sử dụng, RCS ~ λ-4 Đây

được gọi là vùng Rayleigh

Mặc dù khái niệm RCS có hàm ý bao gồm tính ngẫu nhiên mà mục tiêu có diện

tích tán xạ A, với độ lợi antenna G theo hướng RADAR thì

Thay

G = 4π A/λ 2

trong trường hợp RADAR băng L, RCS của một máy bay sẽ nằm trong vùng

quang học vì bước sóng 23 cm là nhỏ hơn nhiều so với kích thước mục tiêu

CLUTTER VÀ NHIỄU

CLUTTER

Clutter là một từ được dùng để mô tả tất cả các tiếng dội không mong muốn mà

làm xáo trộn hình ảnh RADAR Clutter gần như là luôn luôn có mặt và thường trải