ЭФФЕКТИВНОСТЬ КОМПЛЕКСИРОВАНИЯ НАБЛЮДЕНИЙ В

МОДЕЛИ И МЕТОДЫ ИННОВАЦИОННОЙ ЭКОНОМИКИ
ИнВестРегион № 4/ 2014
27
УДК 621.391.2
ЭФФЕКТИВНОСТЬ КОМПЛЕКСИРОВАНИЯ НАБЛЮДЕНИЙ
В РАЗЛИЧНЫХ СРЕДАХ
В.И. Лютин
Старший научный сотрудник Научно-исследовательского испытательного центра радиоэлектронной
борьбы и оценки эффективности снижения заметности Военного учебно-научного центра ВВС
«Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина» (г. Воронеж),
кандидат технических наук, доцент, [email protected]
М.А. Мендельсон
Ведущий научный сотрудник Санкт-Петербургского государственного университета
телекоммуникаций им. проф. М.А. Бонч-Бруевича, кандидат технических наук, доцент,
[email protected].
Е.Н. Десятирикова
Профессор кафедры автоматизации технологических процессов и производств Воронежского
государственного архитектурно-строительного университета, доктор экономических наук,
[email protected]
В работе предложена технология комплексирования наблюдений в различных
средах при обнаружении объектов при заданной вероятности ошибки первого рода
и проведена оценка эффективности комплексирования методом имитационного моделирования. Установлено, что увеличение сред наблюдения приводит к повышению качества обнаружения даже при низком качестве наблюдения во всех средах, причём
достижение требуемого качества обнаружения при наблюдении только в одной среде
требует больших усилий, чем при наблюдении в нескольких средах, что выступает проявлением синергетического эффекта.
Ключевые слова: теория различения гипотез, отношение правдоподобия, достаточная статистика, имитационное моделирование, комплексированное изображение.
О
дним из перспективных направлений совершенствования автоматических систем
обнаружения, повышения их помехоустойчивости является использование информации о пространственно-энергетических характеристиках
объектов и фонов, получаемой в различных
участках спектра собственного и отражённого
электромагнитного излучения – ультрафиолетовом, видимом, инфракрасном и др. При этом
изображение просматриваемой области пространства не интерпретируется как обычный
зрительный образ, воспринимаемый человеком,
а является многомерным (трёх- и более) образом, пригодным для машинного восприятия. Известны исследования повышения качества измерений за счет комплексирования разнородных
измерителей [1]. Строгая постановка и решение
задачи синтеза оптимальных (в смысле статистических критериев качества) алгоритмов обна-
ружения объектов по результатам комплексных
наблюдений в известной литературе отсутствует,
не рассмотрены особенности оценки эффективности таких алгоритмов.
Цель работы – оценка эффективности обнаружения объектов по результатам синтеза и анализа статистически оптимального алгоритма
при комплексировании результатов наблюдения
объекта несколькими датчиками формирования
изображений в различных средах.
Статистически оптимальный алгоритм поиска,
обнаружения и распознавания объектов строится на основе различения статистических гипотез.
H k , k  0, K
Число гипотез определяется
исходя
из числа типовых объектов n0, числа изображений каждого из объектов с различных дальностей
и при различных ракурсах наблюдения np, а также числа зон поиска объектов на изображении
просматриваемой поверхности nu:
K nо n р  nи .
28
 ИнВестРегион № 4/ 2014
Yk  ymi , i  1, Lkm, m  1, M ,
МОДЕЛИ И МЕТОДЫ ИННОВАЦИОННОЙ ЭКОНОМИКИ
K nо n р  nи .
K nо n р  nи .


дения есть результат преобразования приня
 1, Lизлучений
,
Результат наблюдения собственных Yи отрасигнал, который
k  ymi , i тых
km , m  1, Mв электрический
жённых излучений представляется вектором
в цифровых системах преобразуется в число.

Каждый компонент вектора наблюдения, соотY  y1, y2 , y3 ,..., y Lm ,
ветствующий одному элементу комплексированY  y1, y2 , y3 ,..., y Lm ,
где Lm – число элементов
разрешения видимой ного изображения,
 представляется в виде сумпроекции объекта в m-й среде наблюдения.
мы среднего значения
и двух
Yk  yсигнала
 1, M ,
mi , i  1, L
km , m случайных
Для тепловизионного изображения это – ре- компонентов, один из которых обусловлен отклозультат измерения кажущихся контрастных нением от средней величины наблюдаемого сигтемператур, определяемых элементами про- нала, а другой – собственными шумами приёмнистранственного строба сканирующего приёмни- ков излучений

ка теплового излучения относительно средней
Yk  ymi , iymi1, 
Lkm
, m 1,mi
M 
, Smki  mi   mi : H k , k  0, K , i  1, Lkm, m
Smki
температуры, наблюдаемой в периферийных
элементах изображения; для радиометрического
ymi  Smki   mi   Smki  mi   mi : H k , k  0, K , i  1, Lkm, m  1, M ,
изображения – результат
измерения кажущейся
температуры поверхности, охватываемой рас- где Smki – среднее значение i-го компонента m-й
крывом антенны радиометрического измерителя среды при условии справедливости гипотезы
миллиметрового диапазона длин волн; в случае Hk, обусловленное средним значением приниизображения в видимом диапазоне длин волн маемого излучения в i-м элементе разрешения
 Smki   mi   Smki среднеквадратическое
mi   mi : H k , k  0, K ,отi  1, Lkm, m  1, M
– результат измерения коэффициентов отраже- ymiизображения; –
ния просматриваемой поверхности; для радио- клонение i-го компонента m-й среды при условии
локационного изображения с синтезированием справедливости гипотезы Hk, обусловленное отапертуры или лазерно-локационного изображе- клонением от средней величины принимаемого
ния – энергетическое изображение, представ- излучения в i-м элементе разрешения изображеymi  Sкоэффициентов
mi   mi : H kсреднеквадратическое
, k  0, K , i  1, Lkm, m  1отклонение
,M ,
mki   mi   Smki ния; –
ляющее собой распределение
отражения излучения на плоскости, и дальноме- i-го компонента, обусловленное собственными
трическое изображение, представляющее собой шумами излучения в i-м элементе разрешения
распределение высот просматриваемой поверх- изображения, не зависящее от гипотезы H k; ности или образ её рельефа.
ζmi, ηmi – независимые нормальные случайные чиПри совместном наблюдении объекта несколь- сла с нулевыми средними, единичными дисперкими датчиками изображений результат наблю- сиями и функцией корреляции вида:
1, пр
дения представляется трёхмерным массивом   
  li   mj , m, l  1, M , i, j  1, Lki, j ,  li  
li
mj
чисел при двухканальной системе наблюдения,
0, пр
1, при l  i,
четырёхмерным – при трёхканальной и так да1
,
,
при
l

i
   mj   li   mj , m, l  1, M , i, j  1, Lki, j ,  li  
 li  
–
 li Изображение,
  mj   li   mjсоздаваемое
, m, l  1, M , несколькими
i, j  1, Lki,lij , –
лее.
символ
Кронекера. 0, при l  i
0, при l  i
датчиками излучений, представим набором мно1, при
 li H
lmjсоответствует
,  li   mj , mотсутствию
, l  1, M , i, интересуj  1, Lki, j ,  li  
гокомпонентных векторов наблюдения с раз- Гипотеза
i
1, при
0
–
мерностью
, m, l  1, M , числом
i, j  1,элементов
Lki, j ,  li ющих
0, пр

li   mj   liL  , mj
определяемой
объектов в наблюдаемом
изображении.
km
0, при l  i
изображения, занимаемых проекцией объекта
В соответствии с теорией различения статипри каждой k-й гипотезе в каждой из M сред на- стических гипотез решение об обнаружении
блюдения.
объекта принимается, если отношение правдоПоиск и обнаружение объекта осуществляется подобия превысит установленный порог
 1
сканированием просматриваемой поверхности
  |1H k 
w y m1 , y m 2 ,..., y mLkm , m  1, M
пространственным стробом, в котором форми

hk k 

w
y
,
y
,...,
y
,
m
1
,
M
|
H

  1 m1w my2 , y mLkm
k
руется многомерное векторное наблюдение
m1 m 2 ,..., y mLkm , m  1, M | H

hk0 k 11, K ,
с числом отсчётов,
канаw y , y m 2 ,..., y mLkm , m  1, M | H 0 
w y m1 ,определяемым
y m 2 ,..., y mLkmчислом
, m  1, M
|H
  k1  h m1 k 
| H k   0

1w
, Ky,m1, ym2 ,..., y mLkm , m  1, M
лов наблюдения
и числом отсчётов в пространk

0


hk k  1
 |1H
y mL
, Mk | H
 1, ,mM
w ywm1y, каждого
ym
, mkm
m
m 2y,...,
1 ,2y,...,
w0 y  , y ,..., y w y m, 1m, ym12,,...,
ственном стробе
из каналов.
Векторное
mL
y|mL
m k 1, M
| H0 
M
H
,
0
,
K
km
m
1
m
2
mL
k
km
  есть комплексированное изображеhk k y1, K , , m km
ym
1, M | H k , k  0, K
наблюдение
0 mLkm
1, ym2,...,
w y m1 , y m 2 ,..., y mLkm , m  1, M | H w
 0
0
ние, дающее сведения о наблюдаемом объекте
wв целом.
ym1, ym2 ,..., ymLkm , m  1, M | H k , k  0, K 0 где w ym1, ym2 ,..., ymL , m  1, M | H k , k  0, K
km
– это добываемая всеми доступw ymИзображение
1, ym2 ,..., ymLkm , m  1, M | H k , k  0, K
ными наблюдателю способами совокупность све- – условные плотности совместного распределедений об окружающих предметах и явлениях.
ния вероятностей компонентов вектора наблюФормально вектор наблюдения при k-й гипоте- дения; hk – порог сравнения отношения правзе записывается в виде
доподобия, определяемый в случае критерия

Неймана-Пирсона через вероятность ложных
Yk  ymi , i  1, Lkm, m  1, M ,
тревог F [2].
где y mi – i -й компонент вектора наблюдения
Решение γ=1 принимается, если обнаружен
в m-й среде. Каждый компонент вектора наблю- объект, соответствующий гипотезе Hk. Распозна  H k : k H
 arg
max  .
k : k  argk max  k .
k :  k  hkk :   h
k  k .
  H k : k  argk max









 









 
  

















  
  
 







M Lkm m 12i 1
2
2
mki qmkimi  2 ln hk    ln  ikim  qmki mki ,
m 1 i 1


M Lkm
qМОДЕЛИ
ИнВестРегион № 4/ 2014
ЭКОНОМИКИ
2
  2 
mki   И МЕТОДЫ
30
 2 ln hk ИННОВАЦИОННОЙ
2

  ln  mki  qmki ,

mi
mi
2


 mki

ki 
q
 M Lkm m 12i 1

 qmki , с нуле- пазоне. Моделирование проводилось при задан2 ln hk   случайная
 2  mki
 mi  нормальная
где –
 ln  mkiвеличина
2
 mki
m 1 i 1 дисперсией;

вым средним
и единичной
ной вероятности ложной тревоги, равной 0,01,

и числе испытаний для каждой точки, равном
2
2
2

  mi
S  S m0i 
2
200000.
 mki
 Smki
qmki  mki
2
2
2
2
2
2Sm
Как видно из графиков на рис. 1, при δu2=1,
2






0
i
mi
mi
 Smki   mi
S mki  S m0Smki

2
i
2
 mki 
qmki 
δ p =1, q u ≥1 и q p ≥4 вероятность обнаружения
2
2
2
2
 Smki
  mi
параметры
обнаружения, представляющие
со- практически равна единице и для снижения её
Sm0i   mi
бой обобщённые отношение сигнал / п омеха до величины 0,1 необходимо обеспечить снии отношение дисперсий сигналов для i-го компо- жение величин qu и qp до значений 0,12 и 0,0,
нента векторного наблюдения в m-м канале.
или 0,08 и 1,0, или 0,04 и 2,0 соответственно.
В случае критерия Неймана-Пирсона величина Если qp >2,0, то снижение вероятности обнаруln hk определяется по результатам моделирова- жения до величины 0,1 невозможно. Отметим,
ния по гипотезе H0.
что при δ2≠1 условия обнаружения улучшаются.
Результаты расчётов эффективности синтезиВ предположении равенства дисперсий нарованного алгоритма, проведенные для случая блюдений по обеим гипотезам (что приводит
обнаружения неопределённо ориентированно- к гауссовскому распределению достаточной стаго объекта по комплексированному изображе- тистики и даёт аналитическое решение задачи)
нию, сформированному по сигналам матрично- проведено сравнение качества обнаружения
го приёмника теплового излучения, с числом объекта системами обнаружения с комбиниэлементов Lk=25, и радиометрического обнару- рованием решений двух датчиков по правилам
жителя объекта как точечной цели приведены два из двух (схема И) и один из двух (схема ИЛИ)
на рис. 1. В качестве варьируемых параметров и комплексированной системой двух датчиков.
использовались обобщённые отношения сиг- Соответствующие характеристики обнаружения
нал / помеха qu и дисперсия δu2 в одном элементе приведены на рис. 2. При параметрах обнаружеразрешения в тепловизионном диапазоне длин ния в каждом из двух каналов, равных q1=q2=2,
волн, сигнал / помеха qp и фиксированное отно- вероятности обнаружения равны 0,57, 0,48,
шение дисперсий δp2=1 в радиометрическом диа- 0,68 для трёх сравниваемых систем. Причём




а) qр=0
б) qр=1
P
P
qи=4
2
1
0
qи=4
2
1
0
 и2
в) qр=2
 и2
г) qр=4
P
P
qи=4
2
1
0
qи=4
2
1
0
 и2
Рис. 1. Характеристики обнаружения
 и2
ИнВестРегион № 4/ 2014
МОДЕЛИ И МЕТОДЫ ИННОВАЦИОННОЙ ЭКОНОМИКИ
а)
31
P
q2=3
2,5
2
1,5
1
0,5
0
q1=q2
q1
б)
P
q2=3
2,5
2
1,5
1
0,5
0
q1=q2
q1
в)
P
q2=3
2,5
2
1,5
1
0,5
0
q1=q2
q1
Рис. 2. Вероятность обнаружения при трёх способах объединения:
а) два из двух (И); б) один из двух (ИЛИ); в) комплексирование
для любой пары сочетаний значений параметров
обнаружения вероятность обнаружения выше
у системы с комплексированием изображений.
Таким образом, на основе синтеза оптимального алгоритма обнаружения и распознавания
объектов установлен принцип построения систем обнаружения объектов по комплексированным изображениям, заключающийся в суммировании достаточных статистик, формируемых
как весовые суммы компонентов векторного наблюдения объекта и их квадратов в различных
диапазонах длин волн излучений, и в сравнении
весовой суммы с порогом. При этом весовые коэффициенты и порог определяются параметрами эталонных изображений.
Анализ эффективности алгоритма показал,
что комплексирование результатов наблюдения
излучений различных диапазонов длин волн может заметно повышать достоверность обнаружения объектов по сравнению с комбинированием решений, принимаемых по наблюдениям
в каждом из диапазонов длин волн. Установлено,
что увеличение сред наблюдения приводит к повышению качества обнаружения даже при низком качестве наблюдения во всех средах, причём
достижение требуемого качества обнаружения
при наблюдении только в одной среде требует
больших усилий, чем совместные усилия при наблюдении в нескольких средах, что является проявлением синергетического эффекта.
32
МОДЕЛИ И МЕТОДЫ ИННОВАЦИОННОЙ ЭКОНОМИКИ
ИнВестРегион № 4/ 2014
ЛИТЕРАТУРА
1. Ярлыков, М.С. Статистическая теория радионавигации [Текст] / М.С. Ярлыков. – М. : Сов.радио,
1986. – 368 с.
2. Ван Трис, Г. Теория обнаружения, оценок и модуляции [Текст] / Г. Ван Трис. – М.: Сов. радио,
1972. – Т. 1. – 744 с.
3. Лютин, В.И. Технология комплексирования временных рядов в различных средах наблюдения
[Текст] / В.И. Лютин, Е.Н. Десятирикова // Инновационный Вестник Регион. – 2014. – № 2 (36).
– С.16-25.
EFFECTIVENESS OF OBSERVATION COMPLEXATION
IN DIFFERENT MEDIA
V.I. Ljutin, M.A. Mendelson, E.N. Desyatirikova
The paper presents the technology of integration of observations in different
environments the detection of objects with a given probability of error of the first kind,
and assess the efficiency of integration of simulation method. It has been established that
increasing the number of observation environment leads to improved detection of even
low quality surveillance in all environments, with the achievement of the required quality
of detection when observed only in one environment requires more effort than the joint
efforts of the observation in multiple environments, and what is a synergistic effect.
Key words: Theory of discrimination between hypotheses, likelihood ratio, sufficient
statistic, imitation modeling, complexed image.
УДК 338.2
УПРАВЛЕНЧЕСКАЯ КОМПЕТЕНЦИЯ ЭКОНОМИЧЕСКОГО
МЫШЛЕНИЯ МЕНЕДЖЕРА: СОДЕРЖАНИЕ,
ОСОБЕННОСТИ ФУНКЦИОНИРОВАНИЯ
Л.А. Богунов
Доцент Северо-Казахстанского государственного университета им. М. Козыбаева,
кандидат психологических наук, [email protected]
Статья посвящена разрешению проблемы повышения управленческой эффективности менеджеров и оптимизации управленческих решений. Предлагается решение вопроса через формирование управленческой компетенции экономического мышления
управленческих кадров. Осуществлен анализ понятия управления с точки зрения компетентностного потенциала его смыслового содержания. Определены функции исследуемого феномена.
Ключевые слова: менеджер, управление, компетенция, экономическое мышление,
функция управленческого экономического мышления.
Введение
В понимании сущности деятельности менеджеров, а также категорий «менеджмент»
и «управление» нет полной согласованности и завершенности. Различия обусловлены особенностями интерпретации данной проблемы самими
исследователями, также разнится понимание
с точки зрения государств, сфер деятельности
и подходов к деятельности менеджера на конкретном предприятии.
А между тем спрос на эффективных управленцев и высокоразвитые управленческие компетенции в настоящей социально-экономической
и политической ситуации будет только увеличиваться, как будут расти и запросы на понимание