Приёмник электронной поддержки работает в потоке импульсов, где за секунду приходят сотни тысяч и миллионы импульсов от десятков и сотен источников, и задача распознавания сводится к тому, чтобы из этого потока собрать импульсы по источникам и определить тип каждого. Адаптивность здесь не украшение, а условие работы, плотность обстановки меняется на порядки, и фиксированные пороги проваливаются в плотной обстановке и теряют чувствительность в пустой. В статье разобрано, как измеряются импульсные описания, как поток делится на источники и как работает распознавание типов.
Импульсные описания и их измерение
Каждый импульс в широкополосном приёмнике описывается набором измеренных параметров, который принято называть импульсным описанием. В него входят время прихода с разрешением около 50 наносекунд, длительность импульса от десятков наносекунд до сотен микросекунд, амплитуда с динамическим диапазоном 60-70 дБ, направление прихода с точностью 1-3 градуса и несущая частота с точностью около 1 МГц. Измерение направления ведётся амплитудным или фазовым методом по паре каналов, и точность определяется отношением сигнала к шуму в момент измерения. Амплитуда измеряется логарифмическим детектором, и её точность уступает точности частоты, поскольку зависит от полосы и формы импульса. Совокупность описаний образует поток, который обрабатывается в реальном времени, и скорость потока определяет требования к тракту, миллион импульсов в секунду означает обработку одного описания за микросекунду. Практическая тонкость измерений в том, что их точность падает при наложении импульсов, и в плотной обстановке наложения становятся правилом, с чем работает адаптивная часть тракта. Согласование описаний между каналами заслуживает отдельного взгляда. Время прихода измеряется в общем масштабе приёмника, и его точность определяет работу всех последующих этапов, гистограммы разностей чувствительны к разбросу времени, и разброс измерения размывает пики гистограммы. Практическое требование, разрешение времени на порядок ниже минимального периода повторения в обстановке, и для периодов в десятки микросекунд разрешение в сотни наносекунд достаточно. Частота и длительность измеряются в том же описании, и их согласованность между импульсами источника работает на деинтерлевирование, где разброс параметров между импульсами одного источника меньше, чем между источниками.
Деинтерлевирование потока импульсов в плотной обстановке
Первый этап обработки делит поток на группы по источникам, и этот этап называют деинтерлевированием. Простейшая сортировка по направлению прихода и частоте делит поток на ячейки, и в разреженной обстановке она решает задачу почти полностью. В плотной обстановке в одну ячейку попадают несколько источников, и работа продолжается по временным признакам, где разности времён прихода между импульсами выявляют структуру повторения каждого источника. Практический алгоритм работает на гистограммах разностей времён, где последовательные и накопленные разности показывают периоды повторения, и пики гистограммы становятся кандидатами в периоды. Сложность сортировки растёт логарифмически с числом импульсов, и миллион импульсов в секунду требует обработки, которая укладывается в реальное время на современных процессорах. Числовой пример показывает масштаб, для источника с периодами повторения 100, 125, 90 и 110 микросекунд гистограмма разностей показывает пики на этих значениях и на их суммах, и четыре позиции стаггера восстанавливаются из десяти-двадцати импульсов. Деинтерлевирование в плотной обстановке остаётся самой ресурсной частью тракта, и его качество определяет работу всего распознавания. Наложения импульсов заслуживают отдельного взгляда. Два импульса в одном окне измерения дают искажённые описания обоих, и практический тракт помечает такие измерения, исключая их из гипотез. Доля наложений растёт с плотностью пропорционально её квадрату, и при плотности в миллион импульсов в секунду в полосе приёмника наложения затрагивают заметную долю импульсов. Обработка наложенных описаний как отдельного класса работает на деинтерлевирование, где совместные измерения используются в гипотезах обоих источников, и качество атрибуции растёт при их учёте. Практические реализации работают с помеченными измерениями, и их доля в потоке контролируется адаптацией.
Шаблоны повторения и их распознавание
После разделения потока каждый источник описывается структурой его повторения, и типовые шаблоны узнаваемы по форме. Стабильный период с малым разбросом говорит о фиксированной структуре, набор из нескольких чередующихся позиций о стаггере, случайный разброс вокруг среднего о джиттере, переключение между наборами позиций о переключаемой структуре. Распознавание шаблона идёт статистическими методами, где критерий согласия проверяет гипотезу о структуре по серии импульсов, и количество импульсов, нужное для уверенного распознавания, определяется глубиной модуляции. Для стаггера из четырёх позиций достаточно 15-25 импульсов, для глубокого джиттера с разбросом в десятки процентов требуется в разы больше, и эта зависимость работает на время распознавания. Числовой пример показывает масштаб, джиттер с разбросом 5 процентов от периода 100 микросекунд даёт разброс плюс-минус 5 микросекунд, и разрешение времени прихода 50 наносекунд составляет сотую долю разброса, что достаточно для уверенного распознавания. Дополнительная тонкость, шаблоны разных источников пересекаются, и в плотной обстановке атрибуция импульсов между пересекающимися гипотезами работает по вероятностям, где каждая гипотеза накапливает подтверждения и теряет их при противоречиях. Практические структуры повторения сложнее типовых, и их распознавание заслуживает отдельного взгляда. Смешанные структуры объединяют стаггер с джиттером, и их распознавание требует больших серий импульсов, практический порог для смешанных структур измеряется 30-50 импульсами. Скользящие структуры с периодом, меняющимся от импульса к импульсу по закону, распознаются по автокорреляции серии, и её пик показывает фактический период. Псевдослучайные структуры без устойчивого периода распознаются по спектру разностей, где равномерный спектр говорит об отсутствии структуры, и такие источники помечаются как нерегулярные. Каждая структура требует своего объёма наблюдения, и время распознавания сложных структур измеряется секундами и десятками секунд.
Адаптация к плотности обстановки
Адаптивная часть тракта работает на изменчивость обстановки. Плотность потока меняется от единиц импульсов в секунду в спокойной местности до миллионов в плотной, и фиксированные пороги обнаружения работают только в узком диапазоне. Адаптивные пороги настраиваются по текущей плотности, и в плотной обстановке порог растёт, чтобы тракт не захлебнулся в гипотезах, в пустой падает, чтобы не терять слабые источники. Практическая реализация работает на скользящей оценке плотности по окну в секунды, и пороги пересчитываются непрерывно. Второй уровень адаптации, распределение вычислительных ресурсов, приоритетные источники обрабатываются с большей глубиной, и порядок приоритетов меняется с обстановкой. Третий уровень, обновление библиотеки, новые типы сигналов, не совпадающие с библиотекой, накапливаются как кандидаты, и библиотека пополняется по мере наблюдения. Практическая тонкость адаптации в том, что слишком агрессивное повышение порога в плотной обстановке теряет источники, и рабочий компромисс лежит в пределах, где тракт сохраняет работу без потери заметной доли источников. Скорость реакции адаптации измеряется секундами, и медленная реакция работает на устойчивость, а не на скорость. Практическая настройка адаптации заслуживает отдельного взгляда. Порог обнаружения настраивается по плотности с гистерезисом, чтобы избежать колебаний между режимами при граничной плотности, и величина гистерезиса выбирается в десятки процентов от порога. Приоритеты источников настраиваются по типу и активности, активные источники с высокой частотой повторения получают меньшую глубину обработки, редкие большую, и суммарная нагрузка тракта выравнивается. Проверка настройки идёт на записях обстановки разной плотности, и устойчивая работа тракта от разреженной до плотной обстановки считается критерием настройки.
Классификаторы и их обучение
Итоговая классификация источника работает на его полном описании, где совокупность параметров сравнивается с библиотекой типов. Классическое сравнение работает по шаблонам, где каждая запись библиотеки содержит структуру повторения, диапазоны частот и длительностей, и расстояние между наблюдаемым описанием и записью даёт меру сходства. Современные классификаторы работают на нейросетевых структурах, где вектор импульсных описаний подаётся на вход обученной сети, и выход даёт вероятности типов. Обучение ведётся на измеренных описаниях, и качество классификатора определяется качеством и объёмом обучающей выборки, практические системы достигают точности 95-99 процентов на чистых описаниях, и точность падает при наложениях и неполных данных. Уверенность классификации работает в тракте явно, источники с низкой уверенностью накапливают дополнительные импульсы, и решение откладывается до уверенности. Практическая тонкость, новые типы, не представленные в обучении, сеть относит к ближайшим, и отдельный контур обнаружения новых типов работает на расстоянии до ближайших записей, где большая дистанция помечает источник как неизвестный. Практическая работа с библиотекой заслуживает отдельного взгляда. Записи библиотеки накапливают вариативность типов, и каждая запись хранит диапазоны параметров, а не точечные значения, поскольку фактические параметры источников плавают с режимом работы. Обновление библиотеки работает с подтверждением, новый тип вносится после подтверждения на серии наблюдений, и ошибка в библиотеке работает на все последующие классификации. Версионирование библиотеки позволяет откатывать обновления, и практика эксплуатации подтверждает, что дисциплина библиотеки ценится не меньше, чем алгоритмы классификации. Скорость классификации на одном описании измеряется микросекундами на современных процессорах, и она укладывается в реальное время потока.
Расчёт скорости обработки и требований
Требования к тракту считаются от плотности потока. Миллион импульсов в секунду при обработке на импульс за микросекунду означает, что тракт должен работать с производительностью, недостижимой для одного ядра, и практические реализации распределяют обработку по многим ядрам и аппаратным блокам. Распределение работает так, сортировка по направлению и частоте сокращает поток в каждой ячейке в десятки раз, и тяжёлая часть деинтерлевирования работает уже на разделённых потоках, где на ячейку приходится десятки тысяч импульсов в секунду. Память тракта растёт с числом активных гипотез, каждая гипотеза хранит серию описаний, и для сотен активных источников память измеряется единицами гигабайт. Задержка распознавания складывается из времени накопления импульсов и времени обработки, и для стаггера из четырёх позиций при 20 импульсах в секунду распознавание занимает секунду, для источников с высокой частотой повторения доли секунды. Практические требования к тракту формулируются от худшей обстановки, и запас по производительности закладывается в разы, поскольку плотность обстановки меняется непредсказуемо. Каждый уровень тракта проверяется на пропускную способность, и узкое место определяет общий предел системы.
Порядок работы тракта распознавания
Полный цикл работы тракта укладывается в шесть шагов:
- измерение импульсного описания каждого импульса с точностью времени и частоты;
- первичная сортировка потока по направлению прихода и несущей частоте;
- деинтерлевирование в ячейках по гистограммам разностей времён;
- распознавание шаблона повторения статистическими методами;
- классификация источника по библиотеке с оценкой уверенности;
- обновление библиотеки и адаптация порогов по текущей обстановке.
Такой порядок превращает поток импульсов в картину обстановки, и качество каждого этапа работает на итог. Практика эксплуатации подтверждает масштаб задачи, тракты, построенные по описанному циклу, распознают источники в плотной обстановке с точностью, недостижимой для фиксированных порогов, и адаптация здесь работает на устойчивость системы в изменчивой обстановке. Распознавание типов сигналов остаётся той частью приёмника электронной поддержки, где алгоритмы и ресурсы определяют результат, и каждая доля точности измерений и глубины деинтерлевирования конвертируется в достоверность итоговой картины.