Исследование эффективности последовательного алгоритма классификации гидрометеорологических образований по поляриметрическим характеристикам

( 1 Vote ) 
Категория: ИКТМ 2015 Просмотров: 562
УДК621.396.6
ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ПОСЛЕДОВАТЕЛЬНОГО
АЛГОРИТМА КЛАССИФИКАЦИИ ГИДРОМЕТЕОРОЛОГИЧЕСКИХ
ОБРАЗОВАНИЙ ПО ПОЛЯРИМЕТРИЧЕСКИМ ХАРАКТЕРИСТИКАМ
О.В. Мигас*, студент гр.560М
Национальный аэрокосмический университет им. Н.Е. Жуковского «ХАИ»


Неблагоприятные погодные условия значительно повышают веро-ятность возникновения авиационного происшествия, поэтому для обес-печения безопасности полетов необходимо оперативное обнаружение и распознавание классов метеообразований. Решение этой задачи является одним из существенных функциональных требований, предъявляемых к современным бортовым метеонавигационным комплексам. Повысить оперативность и достоверность принятия решения о классе метеообразования можно за счёт применения эффективных алгоритмов классификации; при этом качество работы алгоритма во многом определяется количеством измеряемой полезной информации об объекте наблюдения и способом использования этой информации в решающих правилах.

Оптимальная распознающая система должна характеризоваться минимальным суммарным количеством наблюдений (определяемым объемом обучающих и контрольной выборок и размерностью признакового пространства), необходимым для обеспечения требуемого уровня достоверности распознавания при заданном наименьшем возможном расстоянии между классами; если время на принятие решения жестко ограничено, то повышение размерности информативного признакового пространства может оказаться единственным средством повышения достоверности до заданного уровня.
В докладе рассмотрен алгоритм классификации четырёх классов метеообразований (дождь, ливень, гроза и град) по двум наиболее ин-формативным относительным поляриметрическим характеристикам – дифференциальной отражаемости и линейному деполяризационному отношению при горизонтальном зондировании ; в ходе проце-дуры реализуется стратегия с накоплением информации и отбрасыванием классов. Отнесение контрольных выборок к k-му классу (или исключение k-го класса из дальнейшего рассмотрения) производится путем сравнения количества информации в пользу k-го класса с минимально достаточным количеством информации для меры Кульбака. Представлены результаты оценки достоверности работы данного алгоритма, а также результаты исследования влияния на статистические вероятности ошибок распознавания ряда аппаратурных погрешностей при изменении поляриметрических характеристик – неравенство коэффициентов усиления в каналах H и V, неортогональность поляризационного базиса, наличие паразитной кросс-поляризации.

*Научный руководитель – к.т.н., доцент каф. 502 И.К. Васильева.