Ứng dụng mạng Nơron nhân tạo trong xử lý cấp 2 tin tức ra đa

BỘ GIÁO DỤC VÀ ĐÀO TẠO
BỘ QUỐC PHÒNG
VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ
----------------------

PHẠM NGỌC HUY

ỨNG DỤNG
MẠNG NƠRON NHÂN TẠO TRONG
XỬ LÝ CẤP 2 TIN TỨC RA ĐA
Chuyên ngành: Kỹ thuật ra đa - dẫn đƣờng
Mã số:
62 52 02 04

TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT

Hà Nội – 2016


CÔNG TRÌNH ĐƢỢC HOÀN THÀNH
TẠI VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ

Ngƣời hƣớng dẫn khoa học:
1. PGS-TS Nguyễn Thu Phong
2. TS Nguyễn Phùng Bảo
Phản biện 1: PGS.TSKH Đào chí Thành
Viện Cơ học/Viện HLKH và CN Việt Nam
Phản biện 2: PGS. TS Lê Anh Dũng
Viện tích hợp hệ thống/Học viện KTQS

Phản biện 3: PGS.TS Trƣơng Vũ Bằng Giang

Đại học công nghệ/ĐHQG Hà Nội

Luận án đƣợc bảo vệ tại Hội đồng chấm luận án cấp Viện họp tại
Viện khoa học và công nghệ quân sự vào hồi ...... giờ ..... ngày ....
tháng ..... năm .........

Có thể tìm hiểu luận án tại:
- Thƣ viện Viện khoa học và công nghệ quân sự
- Thƣ viện Quốc gia Việt Nam.


1
MỞ ĐẦU
Ngày nay, trong môi trƣờng tác chiến hiện đại, các đài ra đa
(hoặc là hệ thống ra đa) cần phải đáp ứng những yêu cầu rất cao của
nhiệm vụ chiến đấu, đặc biệt là những yêu cầu liên quan đến đảm
bảo chất lƣợng và độ tin cậy thông tin đầu ra khi có tác động của
nhiều yếu tố. Qua việc nghiên cứu, phân tích xu hƣớng phát triển về
các phƣơng tiện tấn công đƣờng không của các nƣớc thuộc khối
NATO trong thời gian gần đây cho thấy một đặc điểm nổi bật là:
Ứng dụng các kỹ thuật và công nghệ hiện đại trên các phƣơng tiện
bay (Máy bay, tên lửa hành trình, UAV...) ít bộc lộ các dấu hiệu ra
đa (Stealth), vận tốc lớn, cơ động liên tục và bay thành nhiều tốp có
nhiều loại máy bay tham gia (Tiêm kích, ném bom, gây nhiễu…) khi
tham gia tấn công mục tiêu. Thực tế này đã gây ra khó khăn rất lớn
cho việc phát hiện, nhận dạng và bám sát mục tiêu của các hệ thống
ra đa cảnh giới, phòng không quốc gia.
Cho đến nay, xử lý cấp 2 vẫn luôn là bài toán mang tính thời
sự và ngày càng đƣợc hoàn thiện. Các thuật toán truyền thống bám
sát quỹ đạo mục tiêu đƣợc tổng hợp với một số giả thiết ban đầu,

trong đó cơ bản nhất là coi mục tiêu chuyển động thẳng đều và đủ
cách xa nhau, nghĩa là các xung sóng cửa liên kết và bám sát của các
mục tiêu khác nhau không bị cắt nhau. Nếu điều kiện này đƣợc thỏa
mãn, thuật toán sẽ đảm bảo độ chính xác và xác suất bám sát mục
tiêu gần với tối ƣu. Trong thực tế là khi mục tiêu bay theo nhóm, liên
tục cơ động các giả thiết nói trên không còn đúng nữa. Lúc đó, hiệu
quả các thuật toán trên bị giảm rất nhiều, đặc biệt phức tạp khi bám
sát các nhóm mục tiêu. Khi khoảng cách giữa các mục tiêu trong
nhóm bằng kích thƣớc các xung sóng cửa, các xung cửa sóng quỹ
đạo của các mục tiêu khác nhau nhiều lần giao cắt nhau, trong nhiều
trƣờng hợp sẽ dẫn đến nhận dạng sai điểm dấu, do đó tăng số điểm
dấu và giảm độ trung thực của thông tin. Trong trƣờng hợp khi các
mục tiêu cơ động, các chỉ tiêu này càng xấu hơn nữa. Các thuật toán


2
đang đƣợc áp dụng với các tham số điều chỉnh bất kỳ đều không thể
bám sát liên tục các nhóm mục tiêu [7], [49]. Vì vậy, bên cạnh những
điểm mạnh thì hạn chế lớn nhất của việc sử dụng các công cụ truyền
thống trong xử lý cấp 2 là chúng đòi hỏi rất tƣờng minh về mô hình
toán học trong khi đó, tính đa dạng của tình huống trên không khó có
thể biểu diễn một cách rõ ràng. Vì vậy, cùng với bài toán truyền
thống là làm chính xác các tham số quỹ đạo trong quá trình bám sát
thì việc nhận diện và lựa chọn điểm dấu trong số các điểm dấu thu
nhận đƣợc để làm mới tham số quỹ đạo, nối dài quỹ đạo trong khi
bám sát là nhiệm vụ không kém phần quan trọng. Đó chính là việc
liên kết điểm dấu (LKĐD).
Qua việc phân tích tình hình thực tế ở trên đã đặt ra yêu cầu
phải nghiên cứu áp dụng một phƣơng pháp xử lý LKĐD khác với
phƣơng pháp truyền thống để đáp ứng những yêu cầu ngày càng cao

trong tác chiến của kỹ thuật ra đa. Do vậy, mục tiêu của luận án
“Ứng dụng mạng nơron nhân tạo trong xử lý cấp 2 tin tức ra đa”
đƣợc cụ thể hóa là: Áp dụng lý thuyết về lọc bám đa mục tiêu trong
điều kiện có nhiễu và mạng nơron nhân tạo, xây dựng mô phỏng
bằng phần mềm Matlab 01 bộ lọc bám quỹ đạo sử dụng mạng
nơron Hopfield để LKĐD và đánh giá chất lượng hoạt động của bộ
lọc bám đó.
Trong luận án sẽ tập trung giải quyết những nội dung chính
nhƣ sau:
 Nghiên cứu lý thuyết chung về quá trình xử lý cấp 2 tin tức
ra đa và vấn đề liên kết điểm dấu (LKĐD) theo xác suất,
tập trung nghiên cứu vào hai thuật toán quan trọng là thuật
toán PDA và JPDA áp dụng với mô hình hệ thống ra đa
liên kết thị tần.
 Ứng dụng công cụ mạng nơron nhân tạo, tập trung vào một
loại mạng đặc thù phục vụ bài toán tối ƣu các điều kiện
ràng buộc là mạng Hopfield để tìm kiếm công cụ giải bài


3
toán LKĐD.
Thực hiện mô hình hóa các kết quả nghiên cứu lý thuyết
đối với hai nội dung trên với việc mô phỏng một bộ lọc
bám có sử dụng việc LKĐD bằng mạng nơron Hopfield,
xây dựng thuật toán tạo bộ dữ liệu (điểm dấu) đầu vào
cùng với các tiêu chí đánh giá nhƣ: số lƣợng quỹ đạo bám
trên tổng số quỹ đạo thực ở các tình huống khác nhau, thời
gian xử lý, độ chính xác ƣớc lƣợng tham số quỹ đạo và
chất lƣợng bám sát ….
Kết quả cần đạt được của luận án là: : Xây dựng đƣợc bộ

lọc bám quỹ đạo ứng dụng công cụ mạng nơron nhân tạo Hopfield
trong LKĐD mục tiêu cùng với bộ chƣơng trình tính toán mô phỏng
đánh giá kết quả hoạt động xử lý cấp 2 thông tin ra đa đi kèm với bộ
tham số đầu vào phục vụ quá trình mô phỏng.
Tính mới, ý nghĩa khoa học và thực tiễn của đề tài đƣợc thể
hiện ở các kết quả nghiên cứu:
1. Việc nghiên cứu sử dụng mạng Hopfield sử dụng để
LKĐD là một hƣớng nghiên cứu mới so với các công cụ truyền
thống đã đƣợc các nhà khoa học trên thế giới thực hiện. Các kết quả
tính toán, mô phỏng trong luận án đã cho thấy trong điều kiện với
một số lƣợng mục tiêu nhất định, mục tiêu cơ động, quĩ đạo mục tiêu
giao cắt nhau, có nhiễu tác động…, nó đã khắc phục đƣợc những
khuyết điểm của các thuật toán truyền thống đang đƣợc áp dụng
trong xử lý cấp 2 tin tức ra đa.
2. Việc áp dụng thuật toán LKĐD theo xác suất trên cơ sở
ứng dụng mạng nơron nhân tạo (ANN) nằm trong bài toán lọc, bám
quỹ đạo đa mục tiêu trong điều kiện có nhiễu tác động theo hƣớng
Bayes cận tối ƣu là cách tiếp cận mới, đang đƣợc tiếp tục nghiên cứu
hoàn thiện để giải quyết nhiệm vụ trong thực tế. Trong điều kiện nhất
định, nó đã dung hòa ở đƣợc mâu thuẫn giữa khối lƣợng tính toán và
số lƣợng quỹ đạo bám sát.



4
3. Việc ứng dụng các phần mềm tin học hiện đại để tính
toán, mô phỏng hoạt động và đánh giá kết quả sau xử lý trong môi
trƣờng ảo là hƣớng tiên tiến đang đƣợc áp dụng rộng rãi trong nghiên
cứu khoa học.
Lý thuyết áp dụng và công cụ lập trình đƣợc áp dụng trong

quá trình thực hiện đề tài nghiên cứu bao gồm:
1. Lý thuyết vô tuyến điện thống kê.
2. Lý thuyết xác suất thống kê.
3. Lý thuyết lọc Kalman
4. Mạng nơron và các biến thể
5. Kỹ thuật lập trình trên ngôn ngữ Visual C++, MATLAB...
Luận án đƣợc trình bày và kết cấu thành 3 chƣơng nhƣ sau:
MỞ ĐẦU
Chƣơng 1: Tổng quan về quá trình xử lý cấp 2 tin tức ra đa
Chƣơng 2: Mạng Nơron nhân tạo và ứng dụng mạng Hopfield
trong xử lý cấp 2 tin tức ra đa
Chƣơng 3: Mô phỏng, tính toán kết quả trên phần mềmMATLAB
KẾT LUẬN
CHƢƠNG 1
TỔNG QUAN VỀ QUÁ TRÌNH XỬ LÝ CẤP 2 TIN TỨC RA ĐA

1.1. Mô hình hệ thống ra đa:
Hiện nay, việc xử lý cấp 2 tin tức ra đa trong Quân chủng
Phòng không - Không quân đƣợc thực hiện hoặc tại đài ra đa hoặc tại
sở chỉ huy của trạm ra đa. Theo [17], hệ thống ra đa liên kết thị tần
(LKTT) là mô hình hệ thống đƣợc đánh giá cao về cấu trúc, độ tin
cậy, khả thi đối với cả các hệ thống hiện đại.
1.2. Bài toán phát hiện và bám quỹ đạo mục tiêu:
Theo[13],[15],[16],[47], bài toán phát hiện và bám quỹ đạo
mục tiêu đƣợc chia làm 2 quá trình : phát hiện quỹ đạo và bám sát
quỹ đạo. Trên Hình 1.3 có biểu diễn lôgíc thuật toán “ phát hiện quỹ
đạo 3-3”.


5

S

S3

1

S2
Phát hiện quỹ đạo

Bám sát quỹ đạo

Hình 1.3: Thuật toán phát hiện quỹ đạo “3-3”
Bám quỹ đạo đƣợc hiểu là quá trình “tiếp tục hóa” quỹ đạo
và ƣớc lƣợng tham số với độ chính xác cao hơn (chính xác hóa tham
số). Quá trình bám quỹ đạo trong xử lý cấp 2 sẽ bao gồm các bƣớc:
1. Lọc điểm dấu theo tiêu chuẩn để nối dài quỹ đạo (ghép điểm
dấu với quỹ đạo đã phát hiện).
2. Ước lượng tham số quỹ đạo (với các giả thiết ban đầu về quy
luật chuyển động của mục tiêu, sai số đo tọa độ và xây dựng
hàm mô tả quá trình đo).
3. Tính toán giá trị ngoại suy tọa độ ở nhịp lấy tin tiếp theo.
4. Loại bỏ quỹ đạo:
Các thuật toán đƣợc áp dụng trong các quá trình nói trên bao
gồm:
 Thuật toán định cửa sóng đối
 Thuật toán chọn lọc điểm dấu trong cửa sóng
 Thuật toán ƣớc lƣợng tham số quỹ đạo
 Thuật toán ngoại suy tham số quỹ đạo
 Thuật toán LKĐD

 Thuật toán lọc Kalman
1.3. Bài toán lọc Kalman: (Trong luận án đã trình bày)
1.4. Bài toán LKĐD:


6
Theo [21]…[24], [28] khái niệm “Liên kết điểm dấu” trong
xử lý thứ cấp tin tức ra đa đƣợc theo nghĩa rộng bao gồm: Sắp xếp
dãy dữ liệu đầu vào và thiết lập mối quan hệ tƣơng quan giữa chúng
với các quỹ đạo đang đƣợc bám.
Trong kỹ thuật ra đa, ngƣời ta đã áp dụng một số cách tiếp cận
giải quyết bài toán LKĐD xuất phát từ bản chất vật lý của quá trình.
Cách tiếp cận thứ nhất, không Bayes (non - Bayesian approach) dựa
trên việc sử dụng hàm hợp lý. Tại chu kỳ nhịp lấy tin xác định, điểm
dấu đƣợc chọn trong số điểm dấu thu đƣợc để nối dài đối với quỹ
đạo đang xét phải có hệ số hợp lý lớn nhất.
Cách tiếp cận thứ hai là cách tiếp cận Bayes tối ƣu. Theo đó,
tại từng chu kỳ nhịp lấy tin, tiến hành tính toán xác suất hậu nghiệm
các phƣơng án (có thể) xây dựng quỹ đạo bay theo dữ liệu của tất cả
các chu kỳ nhịp lấy tin trƣớc đó. Quỹ đạo đƣợc chọn sẽ là quỹ đạo có
xác suất hậu nghiệm lớn nhất. Suy rộng ra, chúng ta sẽ không quan
tâm đến xuất xứ (nguồn gốc) xuất hiện điểm dấu. Nghĩa là không
giới hạn số lƣợng điểm dấu chỉ có trong sóng cửa. Dễ dàng nhận thấy
rằng, số các phƣơng án quỹ đạo sẽ vô cùng lớn [27].
Để giảm nhẹ công việc tính toán, các thuật toán liên kết dữ
liệu theo xác đƣợc xây dựng trên cách tiếp cận Bayes cận tối ƣu.
Khác biệt của Bayes cận tối ƣu và tối ƣu là ở chỗ: Trong Bayes cận
tối ƣu, chỉ tiến hành phân tích, xem xét các dữ liệu thu đƣợc ở chu kỳ
nhịp hiện tại. Việc ƣớc lƣợng trạng thái tại chu kỳ nhịp trƣớc đó
đƣợc thực hiện bằng lọc Kalman. Việc LKĐD theo xác suất ở đây

tƣơng đối đơn giản, dễ thực hiện.
Để đánh giá chất lƣợng quá trình lọc bám quỹ đạo, thƣờng
ngƣời ta hay sử dụng các chỉ tiêu nhƣ: tỉ số các quỹ đạo đƣợc bám
trên tổng số các quỹ đạo nằm trong vùng phát hiện của hệ thống; độ
chính xác các tham số ƣớc lƣợng của quỹ đạo; số lƣợng trung bình
các quỹ đạo giả (lầm, v.v.)...
Nội dung nghiên cứu về bài toán LKĐD chủ yếu nằm trong


7
các mục 1.4.1 và 1.4.2 của Luận án.
1.4.1. LKĐD theo cách tiếp cận không Bayes, thuật toán “lân cận
gần nhất”
Mô tả trong các trang 19…21 của Luận án.
1.4.2 LKĐD theo cách tiếp cận Bayes cận tối ƣu, thuật toán PDA
và JPDA
Trong mục này bao gồm các nội dung:
1.4.2.1 Hợp thức điểm dấu đo
Trong điều kiện có nhiễu, để giảm sự phức tạp tính toán của
phƣơng trình cập nhật thì rất cần thiết phải hạn chế số lƣợng các
điểm dấu trong quá trình quan sát (hay đo đạc). Trong [20], BarShalom đã đề xuất thủ tục hợp thức cho một điểm dấu từ một mục
tiêu để liên kết với một quỹ đạo đã có đó là hình thành một cửa sóng
đa kích thƣớc để loại ra một số điểm dấu thu nhận đƣợc.
1.4.2.2 Thuật toán LKĐD theo xác suất của mục tiêu đơn (PDA)
Áp dụng công thức :
𝛽𝑗𝑡 (𝑘) =

𝑞𝑗𝑡 (𝑘)
𝑚𝑘 𝑡
𝑞 (𝑘)

𝑗 =0 𝑗

(1.43)

để tính xác xuất liên kết của điểm dấu j với mục tiêu t với 𝑞𝑗𝑡 (𝑘) là
hàm hợp lý cho mỗi tín hiệu điểm dấu và đƣợc tính theo công thức
(1.44) trong luận án bản đầy đủ.
1.4.2.3 Thuật toán LKĐD theo xác suất đồng thời (JPDA)
1
𝑃 Ψ|𝑍 = 𝜆𝑚
𝑐

𝑇

𝑝𝑗𝑡 (𝑘)

𝑘 −𝑇

(1.46)

𝑡=1

với 𝑝𝑗𝑡 (𝑘) là hàm hợp lý cho mỗi tín hiệu điểm dấu và đƣợc tính theo
công thức (1.47).
Kết luận Chƣơng 1
Từ những vấn đề nghiên cứu đã trình bày trong Chƣơng 1, ta rút
ra các kết luận sau đây:
- Mô hình HTRĐ liên kết thị tần đƣợc xây dựng từ các đài ra đa độc

8
lập có ý nghĩa kỹ thuật và thực tiễn rất lớn đối với điều kiện tác chiến
hiện đại.
- Việc sắp xếp dữ liệu điểm dấu, xác định chúng bằng các thuật toán
và tiêu chuẩn xem chúng thuộc quỹ đạo mục tiêu nào là nội dung cơ
bản của LKĐD.
- Lọc Kalman mà cơ sở toán học chính của nó là lý thuyết ƣớc lƣợng
thống kê là công cụ quan trọng trong giải bài toán xử lý cấp 2.
- Từ các nghiên cứu nói trên ta thấy ràng, LKĐD và lọc Kalman là
hai nội dung không thể tách rời trong xử lý cấp 2 tin tức ra đa .
Từ những kết luận nêu trên, có thể giới hạn nội dung nghiên
cứu "Ứng dụng công cụ mạng nơron nhân tạo trong xử lý cấp 2 tin
tức ra đa" là: Tập trung vào thực hiện nhiệm vụ LKĐD - khâu quan
trọng góp phần quyết định chất lƣợng các quá trình tiếp sau của lọc,
bám quỹ đạo.
CHƢƠNG 2
MẠNG NƠRON NHÂN TẠO VÀ ỨNG DỤNG MẠNG HOPFIELD
TRONGXỬ LÝ CẤP 2 TIN TỨC RA ĐA

2.1. Tổng quát về mạng nơron nhân tạo:
2.1.1 Các khái niệm cơ bản về mạng nơron sinh học:
Trên Hình 2.1 có mô tả cấu trúc và quan hệ trong nơron sinh
học. Mạng nơron nhân tạo (Artificial Neuron Network-ANN) đƣợc
xây dựng theo nguyên lý tổ chức và hoạt động tƣơng tự não ngƣời và
đƣợc ứng dụng trong nhiều lĩnh vực khoa học khác nhau.
Dạng tổng quát của nơron nhân tạo đƣợc vẽ trên Hình 2.2.
Truyền phát
action Truyền thu
dendrite
đốt

nhân

Khớp thần kinh
synaps

Hình 2.1: Các quan hệ trong nơron sinh học
Vào
x1

Khí p thÇn kinh
(synaps)

w1

x2

Nhân
no ron

Ra

w2
x3

. . .
xn

S

w3

S

wn

TruyÒn ph¸ t
(action)

n

x
i 1

i

wi

Y=f(s)


9

Hình 2.2: Mô hình tổng quát nơron nhân tạo
2.2.Phân loại mạng nơron:
2.2.1. Mạng nơron truyền thẳng:
2.2.1.1 Mạng nơron nhân tạo một lớp:
2.2.1.2 Mạng nơron nhân tạo nhiều lớp:
2.2.1.3 Mạng nơron nhân tạo lan truyền ngược:
2.2.2. Mạng nơron phản hồi:
2.2.2.1 Mạng Hopfield:
wj1

x1

wnj
w1n

yj
....

....

xn

w1j

....

....

xj

y1

yn

Hình 2.8: Mô hình mạng nơron Hopfield
Xét mạng một lớp có mạch phản hồi gồm n đầu vào và m
nơron (Hình2.8). Trong mỗi nơron thứ j đều có các tín hiệu lấy từ
bên ngoài vào xj . Đáng chú ý là các tín hiệu đầu ra của nơron thứ j là
yj đƣợc đƣa ngƣợc trở lại đầu vào của các nơron khác bởi trọng số

wij, với i = 1,2,...,n và i ≠ 𝑗 (nghĩa là tín hiệu ra của mỗi nơron thứ i
không đƣa ngƣợc trở lại đầu vào của chính nó wii=0). Trọng số của
mạng có tính chất đối xứng: wij=wji. Tập các giá trị đầu ra yi của tất
cả các nơron ở bƣớc thứ N nào đó sẽ tạo thành véctơ trạng thái Y N
của mạng. Mạng nhƣ vậy gọi là mạng Hopfield.
Hàm năng lượng mạng Hopfield, Định lý Lyapunov:
Cụ thể xem tài liệu [9] và luận án bản đầy đủ.


10
2.2.2.2 Một số ứng dụng của mạng Hopfield:
1. Ứng dụng trong phân lớp và nhận dạng
2. Ứng dụng mạng Hopfield trong bài toán tối ƣu hóa:
Nội dung bài toán nhƣ sau: Giả thiết rằng có n thành phố và đã
biết khoảng cách giữa các thành phố đó. Nhiệm vụ của người bán
hàng là phải thực hiện đi đến tất cả các thành phố đó với quãng
đường ngắn nhất mà không phải lặp lại một thành phố quá một lần.
Để giải quyết bài toán đã nêu, cách đặt vấn đề đơn giản nhất
là liệt kê tất cả các đƣờng đi khả thi để tính toán tổng khoảng cách
cho mỗi đƣờng đi và chọn đƣờng đi với quãng đƣờng ngắn nhất. Tuy
nhiên nếu là n thành phố thì số đƣờng đi khả thi sẽ là n!/2n. Do vậy,
dù là đơn giản, nhƣng cách đặt vấn đề nhƣ trên sẽ là không khả thi.
Yêu cầu của bàn toán chỉ là xác định con đƣờng ngắn nhất nối một
tập hữu hạn nào đó các thành phố với điều kiện mỗi thành phố chỉ
đƣợc tính một lần.
Đầu những năm 80 của thế kỷ trƣớc, ngay sau khi xây dựng
xong mô hình mạng nơron mang tên mình, Hopfield đã cùng đồng
nghiệp Tank [38] đã xây dựng cách tiếp cận giải bài toán TSP. Theo
đó, để biểu diễn các hành trình có thể, hai nhà bác học đã đề xuất xây
dụng một dạng ma trận đặc biệt, mà trong đó, các thành phố đƣợc thể

hiện theo hàng. Còn cột sẽ phản ánh trình tự các thành phố trên
đƣờng đi. Và ở tại vị trí nào đó của ma trận sẽ nhận giá trị là 1, nếu
nhƣ thứ tự thành phố (ở cột tƣơng ứng) nằm trên đƣờng đi (ở hàng
tƣơng ứng). Xét tổng quát, nếu giả thiết có n thành phố, thì sẽ có
(n!/2n) phƣơng án đi. Và cần phải tìm trong số đó phƣơng án có
quãng đƣờng ngắn nhất. Việc sử dụng hàm năng lƣợng và các điều
kiện cực tiểu của nó đã cho phép giải bài toán trên một cách nhanh
chóng.
Sau khi tối thiểu hóa hàm năng lƣợng với các điều kiện ràng


11
buộc (xem tại trang 58 của Luận án bản đầy đủ), với số lƣợng các
thành phố lần lƣợt là: 5,10,15,20,25 thì kết quả nhận đƣợc cùng với
số lần lặp và thời gian hội tụ của mạng theo Bảng 2.1.
Bảng 2.1: Kết quả nhận đƣợc tƣơng ứng với số lƣợng các thành phố
Số thành phố

Số lần lặp

Thời gian(s)

Kết quả

5

152

0.4652

Tốt

10

581

1.8075

Tốt

15

1021

3.2873

Tốt

20

2433

7.6458

Tốt

25

5292

16.2264

Chấp nhận
đƣợc

2.3. Ứng dụng mạng Hopfield để giải bài toán LKĐD trong xử lý
cấp 2 thông tin ra đa:
2.3.1 Sự liên quan giữa hai bài toán TSP và LKĐD ra đa:
Vấn đề tìm kiếm xác suất 𝛽𝑥𝑖 (𝑘) từ tỷ số hợp lý 𝜌𝑥𝑖 (k) có các
đặc tính giống nhƣ ở bài toán TSP. Nếu các điện áp đầu ra của mạng
nơron đƣợc coi là các xác suất liên kết thì các cột có thể biểu diễn
các quỹ đạo của mục tiêu trong khi các hàng có thể biểu diễn các
điểm dấu. Khi đó mạng đƣợc thiết kế với đầu vào là các hàm hợp lý
chuẩn hóa, đầu ra là các giá trị xác suất liên kết giữa quỹ đạo và các
điểm dấu.
Bằng việc xem xét các đặc tính của JPDA, ta thấy rằng bài
toán TSP và JPDA có những điểm tƣơng đồng nhƣ sau:
- Về bản chất đều là bài toán tối ƣu với các điều kiện ràng
buộc ban đầu. Trong bài toán TSP phải lựa chọn cách đi để quãng
đƣờng đi là ngắn nhất (lựa chọn thứ tự các thành phố để đi) trong khi
bài toán JPDA chọn mục điểm dấu phù hợp nhất để gán với quỹ đạo.
- Khi ứng dụng mạng nơron Hopfield vào giải hai bài toán,
lôgic xây dựng ma trận cũng giống nhau:


12
+ Ở TSP, các cột là thứ tự đến các thành phố, các hàng là
đại diện cho các thành phố trong hành trình.
+ ở JPDA, các cột là các quỹ đạo đã khởi tạo của các mục
tiêu, các hàng là các điểm dấu đo.

- Các điều kiện ràng buộc cho từng bài toán cùng tƣơng tự:
Điều kiện ràng buộc theo hàng ma trận:
+ Với TSP: Không thể cùng một lúc đến hai thành phố.
+ Với JPDA: Không thể ứng với một quỹ đạo mà lại có hai
điểm dấu.
Điều kiện ràng buộc theo cột ma trận:
+ Với TSP: Với mỗi thành phố chỉ đƣợc đến đúng một lần.
+ Với JPDA: Không thể với một điểm dấu mà lại có nguồn
gốc từ hai mục tiêu.
Điều kiện xét tất cả các sự kiện: tất cả các thành phố đều
đƣợc xem xét (TSP) tƣơng ứng là tất cả các điểm dấu đều đƣợc xét
(JPDA). Vì vậy, về nguyên tắc việc xây dựng hàm năng lƣợng E cho
hai bài toán cũng tƣơng ứng nhƣ nhau (ngoại trừ một số hạng trong
hàm năng lƣợng của JPDA có thêm một ràng buộc qui định tổng các
xác suất liên kết của một quỹ đạo bằng 1 thỏa mãn phƣơng trình
(1.36), trong hàm năng lƣợng ETSP không có ràng buộc này).
Tóm lại, vì có nhiều điểm tƣơng đồng giữa hai bài toán nên
phƣơng pháp giải cũng không có nhiều sự khác nhau. Trong mục
trƣớc đã xem xét cách giải bài toán TSP sau đây sẽ áp dụng vào giải
bài toán JPDA.
2.3.2 Quá trình áp dụng mạng Hopfield giải bài toán LKDĐ ra
đa trong xử lý cấp 2 :
Ở đây, việc xác định xác suất LKĐD 𝛽𝑥𝑖 (𝑘) từ các hàm hợp
lý cũng gần giống và tƣơng tự nhƣ giải bài toán TSP. Nếu quy ƣớc
mức đầu ra của nơron trong mạng là xác suất LKĐD, thì có thể xây
dựng mô hình mạng với chỉ số hàng là các điểm dấu đo đƣợc và chỉ
số cột là các mục tiêu, đầu vào mạng là các hàm hợp lý và đầu ra là


13

các xác suất liên kết.
Hàm năng lƣợng LKĐD có dạng phƣơng trình (2.15) Trong
𝑖
đó 𝜌𝑥 (k) là hàm chuẩn hóa của tỉ số hợp lý 𝑝𝑥𝑖 (k)
.
Sau khi biến đổi, sử dụng hàm tiếp hợp T, hàm năng lƣợng có dạng:
1
∗
𝐸𝐷𝐴𝑃
=−
𝑇𝑥 ,𝑖,𝑦 ,𝑗 × 𝑉𝑥 ,𝑦 × 𝑉𝑦,𝑗
2
𝑥 𝑦
𝑖
𝑗
(2.24)
−
𝑉𝑥 ,𝑦 × 𝐼𝑥 ,𝑖
𝑥

𝑖

Xác suất hậu nghiệm tìm đƣợc sau khi tối thiểu hóa hàm
năng lƣợng với bốn điều kiện ràng buộc (không thể thu đƣợc hai
điểm dấu đồng thời từ một mục tiêu và cũng không thể có một điểm
dấu đồng thời là của hai mục tiêu, với mỗi kết quả đo chỉ có duy nhất
một điểm dấu chân thực...). Các bƣớc còn lại tƣơng tự nhƣ cách giải
bài toán TSP.
Kết luận Chƣơng 2
Việc giải bài toán LKĐD ra đa sử dụng công cụ mạng

Hopfield cũng đƣợc giải quyết tƣơng tự nhƣ bài toán TSP. Đặc biệt
trong đó, việc tính toán, xác định xác suất liên kết điểm dấu có mở
rộng sử dụng thêm một hệ số trong xây dựng hàm năng lƣợng (2.15)
bằng việc sử dụng hàm hợp lý chuẩn hóa (2.16) và bốn điều kiện
ràng buộc sẽ dẫn tới việc mạng sẽ ổn định khi hàm năng lƣợng đạt
giá trị cực tiểu, khi đó các giá trị xác suất liến kết sẽ đƣợc lấy tại đầu
ra của mạng. Việc lựa chọn hợp lý các hệ số M1 …M4 sẽ quyết định
thời gian hội tụ của mạng.
CHƢƠNG 3
MÔ PHỎNG, TÍNH TOÁN KẾT QUẢ TRÊN PHẦN MỀM MATLAB

3.1 Đặt đầu bài tính toán mô phỏng và tiêu chí đánh giá:
3.1.1 Mô tả đầu bài tính toán mô phỏng:
1. Mô tả đầu bài:
"Ứng dụng công cụ mạng Hopfield tính toán xác suất LKĐD
dùng trong lọc, bám quỹ đạo trong xử lý cấp 2 tin tức ra đa với số


14
lượng mục tiêu Imax được xử lý trong điều kiện có nhiễu tác động.
Tiến hành đánh giá chúng theo các tiêu chí lựa chọn".
2. Các dữ liệu đầu vào:
- Số lƣợng quỹ đạo có thể thực hiện không vƣợt quá Imax.
- Số các chu kỳ nhịp lấy tin là Kmax.
- Trong từng chu kỳ nhịp lấy tin k và ứng với mỗi quỹ đạo,
tồn tại không quá 1 điểm dấu chân thực và không quá số điểm dấu
giả xác định .
3. Các kết quả đầu ra cần có:
- Các quỹ đạo đƣợc lọc, bám thể hiện trên đồ thị từng quỹ đạo
tƣơng ứng với số lƣợng mục tiêu khác nhau.

- Kết quả sai số bám sát.
- Tập thời gian xử lý của mỗi mục tiêu.
3.1.2 Xây dựng tiêu chí đánh giá:
Theo [23],[49], chỉ tiêu chất lƣợng lọc, bám xác định theo:
- Số lƣợng quỹ đạo đƣợc bám trên tổng số các quỹ đạo thực.
- Sai số giữa quỹ đạo lọc, bám so với quỹ đạo thực.
- Và khả năng đáp ứng thời gian thực quá trình bám quỹ đạo
là tổng thời gian xử lý của các mục tiêu so sánh với thời gian quan
sát của đài ra đa.
3.2. Tổng hợp các lƣu đồ thuật toán tính toán, mô phỏng:
3.2.1 Tổng hợp lưu đồ thuật toán tổng quát:
(Hình 3.1)
3.2.2. Tổng hợp thuật toán tạo và xuất dữ liệu đầu vào:
(Hình 3.2)
3.2.3. Tổng hợp thuật toán tính toán xác suất LKĐD sử dụng
mạng Hopfield:
Ở đây, ta thực hiện tổ chức mạng Hopfield theo dạng ma trận.
Trong đó: chỉ số theo hàng chỉ thị vị trí của điểm dấu trong gói tin,
chỉ số theo cột chỉ thị chỉ số của mục tiêu trong tập hợp các quỹ đạo
hiện thời. Một điểm lƣu ý ở đây, chỉ số hàng thứ 0 là để chỉ thị vị trí


15
ca im du ngoi suy. Ti mi nỳt mng, giỏ tr u ra ca mng
Vxi chớnh l giỏ tr xỏc sut liờn kt ca im du th x i vi qu
Start

Tạ o và xuất dữ
liệu mô phỏng đầu
vào

k : 1
Khởi tạ o vịtríban
đầu cho cá c quỹ
đạ o

k k max

-

End

+
Mạ ng Hopfield
tí
nh XS LKĐ D

Xuất dữ liệu về
xá c suất liê n kết

Lọc Kalman
Xuất dữ liệu
quỹ đạ o

k : k 1

Hỡnh 3.1: Lu thut toỏn tng quỏt
o mc tiờu th i. Giỏ tr u ra ca nron ny s c a n u
vo ca cỏc nron khỏc trong mng thụng qua mt trng s tip hp
Tx,i,y,j. Tỏc ng vo mi nron cũn cú thnh phn h s bias Ix,i

(Hỡnh 3.3). B trng s liờn kt Tx,i,y,j v h s bias Ix,i c cp nht
theo (2.22) v (2.23). Trong quỏ trỡnh mụ phng cng gi thit rng,
cỏc im du nhn c a vo LKD l kt qu sau quỏ trỡnh
x lý s cp nờn mi tớn hiu tp ni b, v cỏc dng nhiu tp tớch
cc tỏc ng vo mỏy thu coi nh ó c loi tr. Cỏc im du gi
c gi thit l do s vt ngng ngu nhiờn ca mc tp (do s
nhm ln ca b x lý s cp tớn hiu ra a).


16
3.3. Tng hp b s liu u vo mụ phng v la chn cỏc tham
s mng Hopfiel v mc tiờu:
Start

k : 1 i : 1

1
12

Đ ặt

k k max

-

13

2

k max ; I max ;

Gmax

+
Luu tập dữ liệu tạo giả
dù ng cho tính toán 24

Gán tập điểm dấu

Đ ặt
3

14

M : 0; M max

End
15

25

i
[ 0i ; R0i ;Vi ; HBi ; J max
]
i : 1 I max

-

k k max
4

k : k 1

-

23

+

i I max

i I max

16

k : k 1

6

-

5

+
+

m : rand (%M max )

17
7

M : M m

18

? k

k max
i
1 J max

-

+
-

Vi : Vi ai Tqs

HBi : HBi HBi

19

M Gmax I max
+

im m

-

20

+

g : g im
Z X noise (k , g ) : X measure (k , i ) i X randn(1,1)

ZY noise (k , g ) : Ymeasure (k , i) i X randn(1,1)
21

im : im 1

8

X true (k , i) : X true[(k 1), i] Vi Tqs sin( HBi )
Y (k , i) : Y [(k 1), i] V T cos(HB )
true
i qs
i
true

9

X measure (k , i) : X true (k , i) li X randn(1,1)

Ymeasure (k , i) : Ytrue (k , i) li Y randn(1,1)

10

i : i 1 11

22

Hỡnh 3.2: Lu thut toỏn to, xut d liu u vo
Theo phõn tớch cỏc mc trc, cựng vi vic tham kho
tham s k thut ca cỏc i ra a v mỏy bay trong thc t, b s
liu u vo dựng cho tớnh toỏn, mụ phng c tng hp v khi
to ban u tng ng trong cỏc Bng 3.1 v 3.2
Kt qu mụ phng: (T Hỡnh 3.4 n Hỡnh 3.13 trong lun ỏn).
Quan sỏt kt qu mụ phng LKD, lc bỏm bng cụng c


17

Tm

V0,1
…..

ch ỉ

số i,
j

…..

....

V1,2

…..

V1,i

....

U1,1

I1,1
U1,2

V1,j

....

(m(k)+1) điểm dấu chỉ số x,y

....

V1,1

ục t
iêu

V2,1

…..

I1,2
U1,i

I1,i

U1,j

…..

I1,j

....

…..

Nơ ron

…..

....

Hướng lan truyền
....

…..

....

…..
…..

Hình 3.3: Tổ chức mạng Hopfield xác định xác suất LKĐD
mạng nơron Hopfield, ta có những nhận xét nhƣ sau:
 Các quỹ đạo sau lọc bám (đƣờng màu đỏ) đều thể hiện đúng
các quy luật chuyển động của mục tiêu nhƣ đầu bài (đƣờng

màu xanh) và 100% số mục tiêu đƣợc bám quỹ đạo. Điều
này khẳng định rằng sự đúng đắn của phƣơng pháp.


Về sai số lọc bám, quỹ đạo đƣợc LKĐD bằng phƣơng pháp
mạng nơron đều có sai số lọc bám (đồ thị Hình 3.10) nằm
trong giới hạn cho phép (nhỏ hơn sai số của đài ra đa). Điều
này thoả mãn tiêu chí thứ hai trong Mục 3.1.2 thể hiện chất
lƣợng của các bộ lọc bám. Tại các thời điểm mục tiêu cơ
động (thời điểm thay đổi hƣớng bay), sai số lọc bám có xu
hƣớng tăng nhƣng vẫn trong giới hạn cho phép và ngay sau
thời điểm có động lại trở về trạng thái ổn định.


18
 Các giá trị ƣớc lƣợng tốc độ của mục tiêu sau bộ lọc bám
(thực chất là của các bộ lọc Kalman) khi đƣa đến đầu vào nó
các điểm dấu đƣợc gán với quỹ đạo mục tiêu bằng phƣơng
pháp mạng nơron đều thỏa mãn các điều kiện ban đầu (Hình
3.10, tốc độ trung bình của mục tiêu là 300m/s). Tại thời
điểm cơ động, giá trị tốc độ cũng thay đổi.
 Trong quá trình mô phỏng có giả thiết các mục tiêu có quỹ
đạo giao cắt nhau. Kết quả là sau lọc bám vẫn đảm bảo bám
sát đầy đủ số lƣợng quỹ đạo ban đầu, điều này rất khó thực
hiện khi áp dụng LKĐD theo thuật toán lân cận gần nhất
(NNA).
 Quá trình mô phỏng lọc bám cũng tính đến việc cơ động của
mục tiêu theo hƣớng bay khác nhau nhƣ trong thực tế tác
chiến (các mục tiêu không chuyển động thẳng). Đầu ra các
bộ lọc bám vẫn đảm bảo kết quả ở đầu ra.

 Về thời gian xử lý LKĐD, lọc bám (các Bảng 3.3 … 3.5), khi
số lƣợng mục tiêu còn ít (dƣới 5 mục tiêu), thời gian xử lý
của hai phƣơng pháp gần nhƣ bằng nhau nhƣng khi số lƣợng
mục tiêu tăng lên thì đã có sự khác nhau rõ rệt. Đến 20 mục
tiêu thì phƣơng pháp truyền thống đã không còn đảm bảo
đƣợc nữa, trong khi đó mạng nơron vẫn đảm bảo có kết quả
lọc bám ở đầu ra. Trong phƣơng pháp nơron, các mục tiêu
đƣợc xử lý song song nên thời gian xử lý với mỗi mục tiêu là
nhƣ nhau trong toàn bộ chu kỳ quan sát của đài ra đa.
 Với cấu hình máy tính không phải là cao(máy tiń h
DESKTOP có cấ u hin
̀ h Pentium I 5 cores, tố c đô ̣ 3GHz,
RAM 4GB), với kết quả lọc bám 20 mục tiêu nhƣ mô phỏng
đã đủ để chứng minh cho tính khả thi của phƣơng pháp này.
Nếu thực hiện trên công nghệ nhúng (FPGA), DSP… thì tốc
độ xử lý sẽ đƣợc nâng cao hơn nữa, kết quả là số lƣợng quỹ
đạo đƣợc bám sát sẽ đƣợc nhiều hơn.


19
KẾT LUẬN VÀ KIẾN NGHỊ
A. Kết quả của luận án:
1. Đã tổng hợp một cách hệ thống về lý thuyết bài toán xử lý
cấp 2 tin tức ra đa từ các mô hình tổ chức hệ thống ra đa đến
các thuật toán đã áp dụng trong quá trình xử lý. Thông qua
việc nghiên cứu, phân tích các thuật toán LKĐD ứng với các
không gian mô hình động học của mục tiêu kết hợp với các
tính chất, kết quả của lọc Kalman đã khẳng định LKĐD và
lọc, bám quỹ đạo là hai mặt của một vấn đề không thể tách
rời trong quá trình xử lý cấp 2 tin tức ra đa và đặc biệt quan

trọng trong môi trƣờng dày đặc mục tiêu và có nhiễu tác
động vào quá trình đo đạc tham số mục tiêu của đài ra đa. Đã
phân tích, làm rõ lý do thuật toán JPDA mặc dù mang tính
tổng quát, phù hợp với tình huống bám nhiều mục tiêu có
quỹ đạo giao cắt nhƣng việc áp dụng gặp khó khăn về dung
lƣợng tính toán.
2. Đã nghiên cứu tổng hợp lý thuyết mạng nơron nhân tạo
(ANN), các loại mạng cụ thể và các ứng dụng của chúng, đi
sâu phân tích về mạng nơron Hopfield, định lý Lyapunov,
hàm năng lƣợng(mục 2.2.2.1)và những tính toán cụ thể cho
các mô hình mạng phát triển từ Hopfield thông qua các điều
kiện ràng buộc tối ƣu ... áp dụng để giải bài toán kinh điển
TSP từ đó hình thành cách giải bài toán LKĐD trong ra đa.
Các nội dung này đƣợc trình bày cụ thể ở Chƣơng 2 của luận
án.
3. Đã hình thành cách giải quyết một bài toán LKĐD ra đa
thông qua việc phân tích bài toán tối ƣu có điều kiện “Ngƣời
bán hàng du lịch - TSP” và đƣa ra phƣơng pháp giải bằng
công cụ mạng nơron Hopfield với mô hình mạng (Hình 2.13)
và việc sử dụng hàm năng lƣợng (2.10) cùng các điều kiện
ràng buộc. Các bƣớc thực hiện giải bao gồm: xây dựng sơ đồ


20
mạng; xác định các trọng số trong mạng; thiết kế hàm kích
hoạt cho đến thiết kế đầu vào và hệ các biểu thức tính toán đi
kèm (2.10)....(2.14) đã cho phép xây dựng quy trình giải bài
toán LKĐD bằng mạng Hopfield.
4. Đã đặt ra đầu bài với các thông số sát với thực tế của các đài
ra đa, phƣơng tiện bay, tình huống nhiễu… để thực hiện mô

hình hóa, lập trình phần mềm mô phỏng tính toán, xử lý đƣa
ra kết quả nhƣ thực tế xử lý trên đài ra đa và đánh giá các kết
quả nghiên cứu đối với các nội dung trên theo các tiêu chí
đánh giá nhƣ: số lƣợng quỹ đạo bám trên tổng số quỹ đạo
thực ở các tình huống khác nhau, độ chính xác ƣớc lƣợng
tham số quỹ đạo và chất lƣợng bám sát. Đã tiến hành tổng
hợp lƣu đồ thuật toán mô phỏng tổng quát (Hình 3.1). Đã
tính toán xác suất LKĐD sử dụng mạng Hopfield theo
phƣơng pháp cực tiểu hóa hàm năng lƣợng đƣợc xây dựng
theo phƣơng trình Lyapunov với bốn điều kiện biên (bốn
điều kiện ràng buộc) (2.17) ÷ (2.20). Công cụ mô phỏng sử
dụng phần mềm tiên tiến MATLAB cho phép xem xét trực
quan, đánh giá chính xác các kết quả quá trình xử lý cấp 2
tin tức ra đa ứng dụng công cụ mạng nơron. Các kết quả mô
phỏng đã chứng minh ƣu thế về mặt thời gian thực của công
cụ mạng nơron.
B. Những đóng góp mới của luận án:
Luận án đã có những đóng góp nhƣ sau vào lĩnh vực nghiên cứu
xử lý cấp 2 tin tức ra đa:
1. Đã nghiên cứu áp dụng một phƣơng pháp để LKĐD ra đa mà cụ
thể là xây dựng một bộ lọc bám quỹ đạo mục tiêu ra đa với việc ứng
dụng phần mềm MATLAB xây dựng bộ chƣơng trình phần mềm mô
phỏng, tính toán xử lý LKĐD trong xử lý cấp 2 tin tức ra đa áp dụng
thuật toán JPDA dùng công cụ mạng nơron Hopfield so sánh với
phƣơng thức tính toán giải tích đơn thuần. Phƣơng pháp mới này tỏ


21
rõ sự ƣu việt trong các tình huống trên không phức tạp , nhiều mục
tiêu nhóm có quỹ đạo giao cắt nhau và có nhiễu tác động ảnh hƣởng

tới kết quả đo tham số của đài ra đa. Ở đây, viê ̣c tiń h xác suấ t liên kế t
của điểm dấu đo với quỹ đạo mục tiêu đƣợc thực hiện thông qua việc
tố i ƣu hó a có điề u kiê ̣n ràng buô ̣c hàm năng lƣơ ̣ng của ma ̣ng nơron
Hopfield đã giúp giảm thời gian tin
́ h toán , đảm bảo tính thời gian
thƣ̣c trong xử lý , điề u này trong các phƣơng pháp tính toán truyề n
thố ng khi thƣ̣c hiê ̣n không đảm bảo đƣợc th ời gian thực khi mà số
lƣơ ̣ng mu ̣c tiêu cầ n xƣ̉ lý lớn . Đây là điể m mấu chốt có ý nghiã rấ t
quan tro ̣ng của giải pháp .
2. Đã nghiên cứu thuật toán tạo ra bộ dữ liệu đầu vào với sự lựa chọn
đúng đắn, hợp lý các thông số tùy biến áp dụng cho các công thức
toán học trên cơ sở tham chiếu đúng đắn các tính năng chiến kỹ thuật
của đài ra đa. Các tham số động học của mục tiêu cũng phù hợp với
thực tế các loại mục tiêu bay hiện tại. Bộ dữ liệu này cũng có thể
dùng để mô phỏng cho các thuật toán xử lý cấp 2 khác cần khảo sát
trong thực tế.
3. Trên cơ sở thuật toán và chƣơng trình mô phỏng, có thể chuyển
sang ngôn ngữ lập trình phần cứng VHDL (Very High Speed
Intergrated Circuit - Hardware Description Language) để lập trình
cho các vi mạch FPGA (Field Programmable Gate Array) tạo thành
thiết bị lọc bám quỹ đạo ứng dụng mạng nơron Trong điều kiện
không tác chiến (thời bình) nhƣ hiện nay ở nƣớc ta, việc một đài ra
đa bám sát đồng thời 20 mục tiêu cùng lúc cũng ít xảy ra trừ các đài
đặt gần các sân bay hàng không dân dụng. Vì vậy kết quả của luận án
có thể áp dụng trên các đài ra đa độc lập là rất khả thi và hợp lý.
C. Kết luận : Luận án đã đạt đƣợc các mục tiêu đề ra ban đầu, đó là
xây dựng một bộ lọc bám quỹ đạo sử dụng mạng nơron Hopfield và
đánh giá đƣợc chất lƣợng bộ lọc đó. Trên cơ sở cơ sở toán học của
mô hình thuật toán và các tình huống trên không thực tế chiến đấu
của bộ đội PK-KQ đã xây dựng bộ dữ liệu đầu vào. Các kết quả tính

22
toán, mô phỏng là đáng tin cậy và đúng đắn về mặt lý thuyết. Với các
kết quả này là cơ sở để có thể triển khai trong thực tế ở một mức độ
nhất định tùy thuộc vào cấu hình phần cứng của thiết bị xử lý và sự
đầu tƣ hoàn thiện phần mềm.
D. Kiến nghị, phƣơng hƣớng phát triể n của luâ ̣n án
Có thể tiếp tục nghiên cứu phát triển luận án theo các hƣớng
nhƣ sau:
1. Nghiên cứu lƣ̣a cho ̣n thêm m ột số loại mạng nơron khác (ví dụ
mạng truyền thẳng, mạng Hamming…) với cấ u hình ma ̣ng phù
hơ ̣p hơn để tiế p tu ̣c giảm tố c đô ̣ tin
́ h toán .
2. Nghiên cƣ́u áp du ̣ng kế t quả của luâ ̣n án vào thiế t bi ̣kỹ thuâ ̣t cu ̣
thể lắ p trên đài ra đa phu ̣c vu ̣ chiế n đấ u , ƣu tiên áp dụng công
nghê ̣ nhúng , FPGA...để tăng tốc độ xử lý . Để hiện thực hoá điều
này, cần giải quyết một loạt các bài toán phức tạp về gia công tín
hiệu ra đa sơ cấp, tổ chức đảm bảo dòng dữ liệu ổn định trong các
nhịp lấy tin, chuẩn hoá tín hiệu, lập trình phần mềm xử lý một
cách hợp lý.
KẾT QUẢ MÔ PHỎNG:

Hình 3.10: Ƣớc lƣợng tốc độ của mục tiêu khi LKĐD theo
phƣơng pháp mạng nơron

Hình 3.11: Kết quả lọc bám bằng phƣơng pháp mạng nơron với
nhiễu tác động có mật độ thấp

Hình 3.12: Kết quả lọc bám bằng phƣơng pháp mạng nơron với

nhiễu tác động có mật độ trung bình

Hình 3.13: Kết quả lọc bám bằng phƣơng pháp mạng nơron với
nhiễu tác động có mật độ cao


Hình 3.9: Sai số lọc bám quỹ đạo khi LKĐD bằng phƣơng pháp nơron

23