The 19 reference contexts in paper A. Khramiankou S., S. Yarmolik N., M. Svinarski V., А. Храменков С., С. Ярмолик Н., М. Свинарский В. (2016) “СИНТЕЗ УСТРОЙСТВА РАДИОЛОКАЦИОННОГО РАСПОЗНАВАНИЯ ОБЪЕКТОВ С ВОЗМОЖНОСТЬЮ ОСТАНОВКИ ПОСЛЕДОВАТЕЛЬНОЙ ПРОЦЕДУРЫ // SYNTHESIS OF A RADAR RECOGNITION DEVICE WITH POSSIBILITY TO STOP THE SEQUENTIAL PROCEDURE” / spz:neicon:vestift:y:2016:i:2:p:120-126

  1. Start
    2270
    Prefix
    the prior in-, minimum average risk, sequential specifi cation of the prior in-minimum average risk, sequential specifi cation of the prior in-, sequential specifi cation of the prior in-sequential specification of the prior information. Введение и постановка задачи. Задача радиолокационного распознавания заключается в установлении факта принадлежности наблюдаемого объекта к определенному классу
    Exact
    [1–3]
    Suffix
    . Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей [1, 3, 4].
    (check this in PDF content)

  2. Start
    2474
    Prefix
    Задача радиолокационного распознавания заключается в установлении факта принадлежности наблюдаемого объекта к определенному классу [1–3]. Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей
    Exact
    [1, 3, 4]
    Suffix
    . Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами [1–6]. Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно [1–3].
    (check this in PDF content)

  3. Start
    2600
    Prefix
    Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей [1, 3, 4]. Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами
    Exact
    [1–6]
    Suffix
    . Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно [1–3]. На практике наибольшее распространение получил алгоритм максимального правдоподобия [1].
    (check this in PDF content)

  4. Start
    2738
    Prefix
    Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами [1–6]. Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно
    Exact
    [1–3]
    Suffix
    . На практике наибольшее распространение получил алгоритм максимального правдоподобия [1]. Решающее правило устройства распознавания M классов объектов предполагает формирование M отношений правдоподобия Λ()lAξ , 1,lM=, и сравнение их между собой: если ()()klAAΛ≥Λξξ , 1,lM=, l ≠ k, то принимается решение в пользу k-го класса, где 0 () () () k k pA A pA Λ= ξ ξ ξ 0 () () () l l pA A pA 
    (check this in PDF content)

  5. Start
    2830
    Prefix
    Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно [1–3]. На практике наибольшее распространение получил алгоритм максимального правдоподобия
    Exact
    [1]
    Suffix
    . Решающее правило устройства распознавания M классов объектов предполагает формирование M отношений правдоподобия Λ()lAξ , 1,lM=, и сравнение их между собой: если ()()klAAΛ≥Λξξ , 1,lM=, l ≠ k, то принимается решение в пользу k-го класса, где 0 () () () k k pA A pA Λ= ξ ξ ξ 0 () () () l l pA A pA  Λ=   ξ ξ ξ – отношение правдоподобия, сформированное при условии наблюден
    (check this in PDF content)

  6. Start
    3669
    Prefix
    (функция правдоподобия) дискретных отсчетов аддитивной смеси сигнала и фона при условии наблюдения объекта k (l)-го класса; 0()pAξ – многомерная плотность вероятности дискретных отсчетов радиолокационного фона. © Храменков А. С., Ярмолик С. Н., Свинарский М. В., 2016 Следует отметить, что, несмотря на значительные успехи и достижения в теоретической и экспериментальной областях
    Exact
    [1–5]
    Suffix
    , на пути практической реализации разработанных методов и способов распознавания в современных и перспективных радиолокаторах встречаются значительные трудности. Основной причиной этого является сравнительно низкая достоверность решений, принимаемых при наличии интенсивного и сложного радиолокационного фона особенно в условиях ограниченного времени наблюдения объектов.
    (check this in PDF content)

  7. Start
    4445
    Prefix
    Кроме того, в настоящее время отсутствует оптимальная процедура выбора наиболее информативных признаков классификации, что заставляет разработчиков переходить к квазиоптимальным алгоритмам, используя различные комбинации отличительных признаков. Важным вопросом при решении задачи классификации объектов является также преодоление априорной неопределенности о параметрах обрабатываемых сигналов
    Exact
    [6]
    Suffix
    . Для повышения достоверности принимаемых решений при классификации определенный интерес представляет увеличение времени наблюдения радиолокационного объекта [1]. Однако непосредственное увеличение времени контакта с целью не всегда возможно.
    (check this in PDF content)

  8. Start
    4606
    Prefix
    Важным вопросом при решении задачи классификации объектов является также преодоление априорной неопределенности о параметрах обрабатываемых сигналов [6]. Для повышения достоверности принимаемых решений при классификации определенный интерес представляет увеличение времени наблюдения радиолокационного объекта
    Exact
    [1]
    Suffix
    . Однако непосредственное увеличение времени контакта с целью не всегда возможно. Вместе с этим в ряде практически важных случаев радиолокатор имеет возможность последовательного многократного обращения к цели [7].
    (check this in PDF content)

  9. Start
    4831
    Prefix
    Однако непосредственное увеличение времени контакта с целью не всегда возможно. Вместе с этим в ряде практически важных случаев радиолокатор имеет возможность последовательного многократного обращения к цели
    Exact
    [7]
    Suffix
    . Использование последовательных процедур при решении задач распознавания объектов позволяет осуществлять адаптацию решающего правила к условиям наблюдения [6] и открывает возможности изменения границ признакового пространства путем исключения из рассмотрения наименее вероятных классов [8].
    (check this in PDF content)

  10. Start
    4991
    Prefix
    Вместе с этим в ряде практически важных случаев радиолокатор имеет возможность последовательного многократного обращения к цели [7]. Использование последовательных процедур при решении задач распознавания объектов позволяет осуществлять адаптацию решающего правила к условиям наблюдения
    Exact
    [6]
    Suffix
    и открывает возможности изменения границ признакового пространства путем исключения из рассмотрения наименее вероятных классов [8]. В связи с тем, что существует определенная связь между количеством извлекаемой информации о наблюдаемом объекте и длительностью интервала наблюдения в последовательных процедурах, неизбежно возникает задача оптимизации длительности процедуры обработки [6].
    (check this in PDF content)

  11. Start
    5123
    Prefix
    Использование последовательных процедур при решении задач распознавания объектов позволяет осуществлять адаптацию решающего правила к условиям наблюдения [6] и открывает возможности изменения границ признакового пространства путем исключения из рассмотрения наименее вероятных классов
    Exact
    [8]
    Suffix
    . В связи с тем, что существует определенная связь между количеством извлекаемой информации о наблюдаемом объекте и длительностью интервала наблюдения в последовательных процедурах, неизбежно возникает задача оптимизации длительности процедуры обработки [6].
    (check this in PDF content)

  12. Start
    5381
    Prefix
    В связи с тем, что существует определенная связь между количеством извлекаемой информации о наблюдаемом объекте и длительностью интервала наблюдения в последовательных процедурах, неизбежно возникает задача оптимизации длительности процедуры обработки
    Exact
    [6]
    Suffix
    . При этом важно обеспечить рациональное соотношение между требуемым качеством распознавания и продолжительностью процедуры принятия решения. Следует отметить, что в технической литературе детально рассматривают последовательные правила применительно к двум гипотезам [6, 8].
    (check this in PDF content)

  13. Start
    5651
    Prefix
    При этом важно обеспечить рациональное соотношение между требуемым качеством распознавания и продолжительностью процедуры принятия решения. Следует отметить, что в технической литературе детально рассматривают последовательные правила применительно к двум гипотезам
    Exact
    [6, 8]
    Suffix
    . Последовательные методы решения многоальтернативных задач часто рассматриваются в обобщенном виде [6], а приведенные результаты носят эмпирический характер [8]. Определенный интерес представляет задача синтеза байесовского многошагового алгоритма последовательной классификации радиолокационных объектов, обеспечивающего минимизацию риска принимаемых решений о классе объекта и о продолжении даль
    (check this in PDF content)

  14. Start
    5758
    Prefix
    Следует отметить, что в технической литературе детально рассматривают последовательные правила применительно к двум гипотезам [6, 8]. Последовательные методы решения многоальтернативных задач часто рассматриваются в обобщенном виде
    Exact
    [6]
    Suffix
    , а приведенные результаты носят эмпирический характер [8]. Определенный интерес представляет задача синтеза байесовского многошагового алгоритма последовательной классификации радиолокационных объектов, обеспечивающего минимизацию риска принимаемых решений о классе объекта и о продолжении дальнейшего наблюдения.
    (check this in PDF content)

  15. Start
    5816
    Prefix
    Следует отметить, что в технической литературе детально рассматривают последовательные правила применительно к двум гипотезам [6, 8]. Последовательные методы решения многоальтернативных задач часто рассматриваются в обобщенном виде [6], а приведенные результаты носят эмпирический характер
    Exact
    [8]
    Suffix
    . Определенный интерес представляет задача синтеза байесовского многошагового алгоритма последовательной классификации радиолокационных объектов, обеспечивающего минимизацию риска принимаемых решений о классе объекта и о продолжении дальнейшего наблюдения.
    (check this in PDF content)

  16. Start
    6928
    Prefix
    байесовского последовательного критерия распознавания будет правило, обеспечивающее минимизацию среднего значения потерь (риска), связанных с последовательной процедурой, при принятии решения о классе наблюдаемого объекта или о продолжении наблюдения. При этом процесс минимизации значения среднего риска последовательной процедуры сводится к минимизации среднего риска на каждом шаге наблюдений
    Exact
    [6]
    Suffix
    . Средний риск принятия решения на n-м шаге наблюдения можно представить в виде суммы среднего риска за принятые решения в пользу определенного класса и среднего риска за решение о продолжении наблюдения: 1,1 111 () ( ) ()( ) MMM nn nn i kin k in i M in M i kii RPACPAA PAC PA A∗∗++ = == =+∑∑∑, (1) где )(inAP – априорная вероятность наличия объекта i-го класса на n-м шаге; nkiC –
    (check this in PDF content)

  17. Start
    13817
    Prefix
    При этом длительность процедуры определяется имеющимися условиями наблюдения объектов. Реализация байесовского алгоритма, минимизирующего средний риск принимаемых решений, предполагает использование полного комплекта априорных данных
    Exact
    [2]
    Suffix
    . Полученное байесовское решающее правило (8) в процессе формирования решающей статистики на каждом шаге классификации предполагает использование следующих величин: априорные вероятности появления объектов различных классов ()(lnAP,Ml,1=); цены за принятые решения на каждом этапе процедуры распознавания (nklC, nlMС1+, Mlk,1,=).
    (check this in PDF content)

  18. Start
    14542
    Prefix
    Рекомендации по нахождению априорных вероятностей появления объектов различных классов. Исходя из максимальной априорной неопределенности, на первом шаге процедуры априорные вероятности появления распознаваемых объектов принято считать одинаковыми PAMln1)(1==, Ml,1=
    Exact
    [1–3]
    Suffix
    . При учете взаимосвязи последовательно наблюдаемых процессов и возможности последовательного уточнения информации в качестве априорных вероятностей для последующих шагов целесообразно использовать апостериорные вероятности предыдущего шага классификации.
    (check this in PDF content)

  19. Start
    16838
    Prefix
    Исходя из этого, цены за ошибочные решения целесообразно выбирать больше стоимостей продолжения наблюдения, а последние больше цен за правильные решения 1,nn nkl M l llСС С+>>, Mlk,1,=, lk≠
    Exact
    [6]
    Suffix
    . Следует отметить, что определенным выбором на каждом шаге соотношения между ценами за ошибочные решения и за продолжение наблюдения можно добиться усечения последовательной процедуры классификации.
    (check this in PDF content)