Структурный анализ эхосигналов в целях видовой классификации рыбных скоплений тема автореферата и диссертации по физике, 01.04.06 ВАК РФ

3 / НОЛ teitf

САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ ЭЛЕКТРОТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

На правах рукописи

ХУДЯКОВ Игорь Константинович

СТРУКТУРНЫЙ АНАЛИЗ ЭХОСИГНАЛОВ В ЦЕЛЯХ ВИДОВОЙ КЛАССИФИКАЦИИ РЫБНЫХ СКОПЛЕНИИ

Специальность: 01.04.06 - Акустика

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук

Санкт-Петербург - 1993

'

Работа выполнена в Санкт-Петербургском Государственном Электротехническом УниЕерситете.

Научный руководитель - доктор технических наук, профессор Колесников А.Е.

Официальные оппоненты:

доктор физико-математических наук Клячкин В.И. кандидат технических наук Клещей A.A.

Ведущая организация - Санкт-Петербургская Государственная Академия Аэрокосмического Приборостроения.

Защита диссертант состоится "__ 1993 г.

в_часов на заседании специализированного совета К'063.36.11, в

Санкт-Петербургском Государственном Электротехническом Университете по адресу: 197376, Санкт-Петербург, ул.Проф.Попова, 5.

С диссертацией можно ознакомиться в библиотеке Университета.

Автореферат разослан _" _ 1993 г.

Ученый секретарь специализированного совета

Соботковский Б.Е.

/

I. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Современное ведение рыбного промысла невозможно представить без использования гидроакустической аппаратуры. Для сохранения экологического баланса биоресурсов Мирового океаана и целенаправленного ведения промысла необходимо' иметь данные о динамике роста и численности популяций различных видов рыб в промысловых районах.

В настоящее время эти данные получают путем проведения периодических контрольных тралений, что является дорогой и .трудоемкой операцией, требующей значительных усилий и затрат времени, всего экипажа судна.

Автоматизация этого процесса развивается по нескольким направлениям: созданы эхосчетные и эхоинтегрируюцие приборы, позволяющие определить удельную плотность и число рыб в скоплении, разработаны методы дистанционного определения размера рыб. Автоматизация определения вида рыбы в скоплении является наиболее сложной проблемой, которая до сих пор не была решена.

Цель и задачи.Целью данной работы является разработка метода, позволяющего дистанционно определять видовые параметры рыбы по анализу эхосигналов. Она включает:

1. Анализ видовых особенностей, проявляемых рыбой при эхологировании.

2. Разработка модели, отражающей эти видовые особенности.

3. Разработка метода, позволяющего использовать эту модель в целях автоматического распознавания.

4. Анализ влияния технических характеристик средств гидроакустического наблюдения и влияния шумов на процесс распознавания.

5. Экспериментальное исследование методов анализа эхосигналов в целях видового распознавания; разработка программного обеспечения для проедания машинного моделирования.

Методы исследоваш1й. Решение задач, поставленных в диссертации, осуществлялось путем теоретического исследования с последующей экспериментальной проверкой при помощи машинного моделирования по методу Монте-Карло.

Теоретическое исследование выполнялось при анализе модели

л

г-г -

акустического рассеяния, основанной на методе простых источыков, для чего был использован метод максимального провдоподобия при оценивании параметров функции плотности вероятности. Для получения асимптотических упрощений было использовано разложение в ряд Тейлора. Для решения максимизационной задачи в случае расщепления смеси распределений был использован подход, применяемый для построения алгоритмов класса ЕМ (Estimation and Maximization).

Разраоотанная двухпараметрическая итерационная процедура построена на принципе последовательных приближений по критерию минимума квадратов отклонений.

При обработке экспериментальных данных был использован метод наименьших квадратов. Выбор вида аппроксимирующей функции осуществлялся методом статистического разведочного анализа.

Визуальная опенка работоспособности разработанных программ основана на методе гистограмм.

Научная новизна работы заключается в следующем:

1. Сформулирована система .признаков, позволяющая описать видовые особенности рыбных скоплений и может быть обоснованно использована в целях распознавания.

2. Решена задача оценки видового параметра 'по выборке эхосигналов на основе метода максимального правдоподобия для распознавания вида отдельной рыбы.

3. Решена задача разделения смеси распределений и оценки параметров составляющих смеси при рассеянии на рыбах разных размеров и видов.

4. Получено выражение комплексной частотной характеристики формирующего фильтра, позволяющего „ исключить влияние характеристики направленности приемо- передающей антенны на статистику исследуемого сигнала.

5. Сформулирован принцип разделимости в условиях воздействия шумов и получены поправочные коэффициенты,., позволяющие учесть влияние шумов.

Научные положения,выносимые на защиту.

I. Полученные в работе выражения максимального правдоподобия для параметров акустического рассеяния позволяют вычислять оценки видового признака рыб в разреженных скоплениях, отражающего

физиологические особенности строения тела рыбы, необходимого при видовом распознавании.

2. Для различения двух объектов с близкими значениями видового признака в случае, если разница между этими значениями меньше трех, погрешность первичной оценки видового признака одного из объектов не должна быть больше, чем в два раза погрешности первичной оценки видового признака второго объекта. Если разница между значениями признаков больше трех, соотношение между погрешностями прямо пропорционально этой разнице.

3. Использование предложенного выражения для поправочного коэффициента позволяет восстановить истинное значение разницы между йидовыми 'признаками двух объектов, уменьшающейся при воздействии помех тем сильнее, чем больше истинные значения видовых признаков этих объектов.

4. Применение формирующего фильтра для обработки огибающей эхосигналов, у которого период частотных полос усиления зависит от ширины диаграммы направленности приемо - излучающей антенны, а их амплитуда зависят от выбранного порога обнаружения, позволяет использовать в целях распознавания вида рыбы одну и ту же процедуру оценки параметров рассеяния независимо от выбранного режима приемо- излучения.

Внедрение результатов работы.

Результаты работы были использованы при выполнении научно-исследовательской работы на кафедре Судовых Радиотехнических Систем Калининградского Высшего Инженерного Морского Училища при разработке и создании гидроакустического тренажера. По результатам внедрения конструктивных разработок получено четыре акта об использовании рационализаторских предложений. Алгоритм и программа вычисления статистических оценок процесса рассеяния внедрены в учебной лаборатории Балтийской Государственной Академии Рыбопромыслового Флота и используются для имитации процесса рассеяния на рыбал и определения их видовой принадлежности.

Апробация результатов работы. Основные положения диссертации докладывались и обсуждались на:

18-ой НТК ППС КВИМУ. Калининград, 1990 г; 5-ом Всесоюзном совещании по промысловой гидроакустике. Севастополь, 1990;

Межрегиональном семинаре "Системы цифровой обработки и анализа изображений: СЦОИ-91", г.Рига, 1991; Всесоюзной научно-технической конференции "Естественно- научные, экономические и социальные вопросы производства". Севастополь, 1991г; Всесоюзной научно- технической конференции "Методология измерений", Ленинград, 1991; Всесоюзной научно- технической конференции "Интеллектуальные системы". Туапсе, 1Э91г; 3-ей ВНТК "Тренажеры и компьютеризация профессиональной подготовки". Калининград, 1991 г; 45-ой НТК прсфессорско- преподавательского состава ЛЭТИ. Ленинград, 1992 г; Международном III семинаре "Цифровая обработка изображений в медицине, дистанционном зондировании и визуализации информации: DIP-92", ' г.Рига, 1992; НТК ППС Балтийской Государственной Академии РФ. Калининград, 1993.

Публикации. По теме диссертации опубликовано 9 печатных работ, в том числе: 2 статьи, 7 тезисов докладов.

Объем и структура работы. Диссертация состоит из введения, пяти глав, заключения, списка литературы, включающего 107 наименований, трех приложений. Основная часть работы изложена на 140 страницах машинописного текста. Работа содержит 32 рисунка и одну таблицу.

2. КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована постановка задачи, отмечена актуальность темы дассэртацпи и ее научная новизна. Сформулирована цель исследования. Приводятся основные научные положения, выносимые на защиту.

В первой главе проводится анализ и обсуждение моделей, предсташшющих объект исследования - рыбу, имеющую плавательный пузырь, модели рассеяния акустических волн на рассматриваемом объекте, существующие методы анализа процессов рассеяния, основные закономерности, используемые при распознавании подводных объектов, а также сделан краткий обзор методов теории распознавания образов с целью выбора направления исследований, постановки задачи в терминах теории распознавания образов и ограничения области проводимых исследований.

В результате анализа ьидовкх отличительных свойств рыбных

скоплений сделан вывод о том, что единственно правильным является представление о став как о видовом приспособительном свойстве. Стайное поведение рыб вырабатывается как приспособительное и подобно другим видовым свойствам обеспечивает единство вида и среда. При этом индивидуальность в структурном строении косяков и их относительного положения в пространстве четко соответствует их разнообразным формам меж- и внутривидовых связей (оборонительных, пищевых, половых и возрастных), возникающих как между особями, так и между грушами рыб.

Наиболее приспособленным к анализу такого рода информации является структурный метод. Структурные методы для распознавания простых геометрических объектов разработаны достаточно хорошо, для случая сложных объектов, особенно в условиях помех, возможно использование стохастического анализа, в котором предусмотрены случаи частичного пересечения классов из-за зашумления и искажения образов.

Для содержательной постановки задачи распознавания образов выявлены закономерности в формировании эхосигнала от рыбных косяков .и на основе такого анализа выбрано пространство признаков, пригодное для обработки изображений.

Наиболее развитой акустической моделью единичной особи является представление в виде совокупности точечных рассеивателей, одна часть которых создает направленное рассеяние и соответствует плавательному пузырю, а вторая - ненаправленное рассеяние, которое представляет остальные части тела рыбы. Это единственная модель, которая учитывает видовые отличительные особенности строения тела одиночной рыбы.

Во второй главе сделан анализ акустического рассеяния на одиночной рыбе в рамках предложенной иерархической системы признакового описания видового акустического портрета рыбного скопления. С этой целью рассматриваются параметрические модели акустического рассеяния на одиночной рыбе для случаев однородного и смешанного разреженных скоплений.

Иерархическая система признаков построена в результате анализа основных видовых особенностей и закономерностей поведения промысловых и объединяет всю видовую информацию, которая может быть получена по гидроакустическому каналу связи, в виде трех

следующих груш.

а). Информация о местоположении объекта по отиошстл:ю к прочим объектам окружающей обстановки. Другими слова:«!, это описание той экологической ниш, в которой обитает данный вид рыбы.

б). Информация о внутристайном поведении рыб. Как было выяснено, эта информация тесно связана с информацией первой группы и является строго индивидуальной, т.е. присущей именно данному виду рыб. Существует несколько типов внутристайной организации рыб: разреженное, стайное или косячное и в скоплении.

в). Информация о морфо-физиологических особенностях строения тела рыбы.

Известно, что каждый вид рыб имеет индивидуальное строение тела, форму плавательного пузыря, скелета, тканей. Соответственно, каждый вид рыб должен характеризоваться своими особенностями рассеяния акустического сигнала.

Распознающая система должна быть построена с учетом этой иерархической системы, описывающей структуру видовых признаков рыбных скоплений. Наиболее подробно рассмотрены процессы рассеяния1 акустических волн на одиночной рыбе, что соответствует третьей ступени иерархической системы.

Использование для этой цели акустической модели рыбы в виде двух совокупностей точечных рассеивателей позволяет построить процедуру оценки видового признака, соответствующего третьему уровню иерархической системы. Физический смысл, объясняющий принятую модель рассеяния заключается в том, что рассеянный сигнал представляет собой две компоненты, одна из которых шумоподобна и зависит от поведенния рыбы и мягкости тканей ее тела, а другая остается постоянной:

где Эц и Ьш амплитуды ' волн, рассеянных точечными

рассеивателями, причем амплитуды волн, рассеянных ненаправленными

рассеивателями, имеют случайную ашлитуду, распределенную по закону Рэлея.

В - длина линейной Сазы точечных рассеивателей, представляющих направленный рассеиватель - плавательный пузырь,

Ь - длина' линейной базы точечных рассеивателей, представляющих ненаправленные рассоиватели, пропорциональна длине тела рыоы,

9 - случайный угол изгиба тела рыбы, отражающий искривление линейных баз точечных рассеивателей.

Описанный механизм формирования отраженного сигнала отличается от известного тем, что объясняет зависимость статистики рассеяния от физиологических особенностей строения тела рыбы и ее подвижности при эхолотировании, т.е. при неизменном аспекте облучения. В известной же модели флуктуации фазы происходят в результате изменения аспекта облучения,

Шумоподобная составляющая возникает из-за интерференции мезду распределенными рассеивателями вдоль тела рыбы. Постоянная составляющая возникает из-за плавательного пузыря. Эхосигнал, представишй в виде суперпозиции двух компонент, т.е. шумовой и синусоидальной, приводит к классическому распределению Райса его огибающей. Правомочность применения такой модели рассеяния на одиночной рыбе экспериментально доказана. В дальнейшем речь идет об анализе статистики пикового значения огибающей эхосигнала.

Предложенные процедуры оценки видового признака, выражающего соотношение энергий щумоподобной и постоянной составляющей отраженного сигнала, построены на базе метода максимального правдойодобия и позволяют получить наилучшие в смысле несмещенности, эффективности и состоятельности оценки для случаев, когда наблюдению подвергаются однородные и смешанные разреженные скопления рыб. При выводе аналитических выражений для максимума функции правдоподобия были использованы асимптотические упрощения модифицированной функции Бесселя нулевого порядка для двух областей значения ее аргумента: -

1п1п(и) а и , и » 1

и2 9 д 1п1п(и) Й — + — и4 и « 1 и 4 192

О

Как правило, гидроакустические съемки проводятся на ходу судна, поэтому при лоцировании скопления, представляющего собой объединение стай или разреженной .рыбы, в выборке эхосигналов могут присутствовать эхосигналы от рыб разного размера и вида.

Используя модель, принятую для рассмотрения рассеяния на одиночной рыбе, эту ситуацию можно рассмотреть в виде модели, представляющей собой смесь вероятностных распределений вида

где к - неизвестное число компонентов (классов) в -смеси распределений;

р^(1=1,2,...к) - неизвестный удельный вес (априорная вероятность) компонентов смеси;

ехосигнала;

в(га) - вектор ш параметров функции плотности вероятности.

Разработанный для решения этой задачи общий алгоритм имеет два этапа - оценку апостериорных вероятностей появления эхосигналов полученной амплитуды и максимизацию параметров функций распределений, входящих в смесь! Оценку видового параметра для каждой составляющей смеси и ее удельный вес предложено вычислять в соответствии с одним из четырех разработанных, частных алгоритмов, отличающихся априорными сведениями о числе классов, входящих в смесь.

В целях уменьшения затрат времени на вычисление параметров в автоматизированных системах обработки и распознавания могут быть получены текущие оценки рассмотренных числовых характеристик и применена рекуррентная процедура,- основанная на использовании при формировании текущей оцешси оценок парамеров, полученных на предыдущих шагах, и их коррекции в результате вновь поступающих данных. Рекуррентные алгоритмы требуют существенно меньшей емкости памяти ЭВМ.

к

1=1

функция плотности вероятности амплитуды х

При использовании оцененного значения видового признака, представляющего собой отношение параметров принятой функции плотности вероятности Б2/<Я2>, в алгоритме распознавания необходимо учитывать его зависимость от глубины местонахождения и относительного размера тела рыбы. Это может быть сделано путем включения в признаковое описание трех величин: видоеой параметр 7, глубина и отнсмтельный размер тела рыбы. Таким образом, третий -уровень иерархической системы признаков содержит три признака, позволяющих описать морфо- физиологические особенности строения тела рыбы.

Ь третьей главе рассмотрен общий вопрос информативности ■ гидроакустического канала связи с точки зрения распознавания. Проводится анализ технических характеристик гидроакустичеких средств наблюдения для учета влияния диаграммы направленности на статистику анализируемого сигнала. Оценка влияния окружающих шумов и паразитных флуктуаций амплитуда на процесс разделения соседних клабсов рассмотрена в пункте' 3.2. этой главы.

Влияние формы диаграммы направленности заключается в том, что 'анализируемый сигнал флуктуирует не только в результате уже рассмотренных процессов, отражающих.видовые особенности рыбы, но й в результате случайного положение рыбы по отношению к нормали антенны .йря появлении рыбы внутри разрешающего объема. Это вызываем ■изменение статистики рассеянного на рыбе эхосигнала.

Предложенный метод позволяет использовать единую для всех антенных систем процедуру оценки параметров рассеяния, для этого необходимо на стада предварительной обработки сигнала Использовать фяльтр> восстанавливающий статистику исходного Процесса пу?еМ компенсации влияния диаграммы направленности: При выводе формуй! Комплексной частотной характеристики такого фильтра было йсйольйовано выражение для функции плотности вероятности коэффициента характеристики направленности антенны при равновероятном значении углового положения рыбы по отношению к нормали антенны:

ш^Ь) = АЬ"В,_

где А и В - постоянные коэффициенты. Выражение для комплексной частотной характеристики имеет следующий вид:

«

KW™ =

ю -

Jw-B

A 1-е

-T( Jw-B)]

где Т - используемый порог обнаружения.

Подобную фильтрацию можно реализовать программным способом, что позволяет легко осуществить переход от одной антенной 'системы к другой.

Влияние помех окружающей среды и помех, появляющихся при распространении сигнала (аддитивных и мультипликативных) заключается в снижении разделимости соседних классов по видовому параметру рассеяния. Уменьшение видового параметра при воздействии помех происходит в результате либо относительного увеличения флуктуирующей составляющей (мультипликативная помеха), либо абсолютного увеличения энергии флуктуирующей составляющей (аддитивная помеха). Анализ этих процессов позволил, выявить нелинейный характер зависимости видового параметра 7 при воздействии помех от начального значения этого параметра. Для случая мультипликативной помехи, имеющей коэффициент интенсивности а эта выражение имеет вид:

Б2 "¡нач(1-а2) 7в =---

1 + т^а*5

• Для случая воздействия аддитивной помехи с коэффициентом интенсивности С:

S2 Ъач

7 =

В общем случае:

<Н2> 1 + [тнач+ 1)с2 Тнач(1-С2)_

1 + (W 1)<2 + А

нач

Анализ разделимости (т.е. изменения расстояния мевду соседними классами ) при воздействии помех выполнен на основе следующих выражений для мультипликативной помэхи, аддитивной и в

общем случае соответственно: ¿>7

(1-<х2)

37-

нач (I + а2Тнач]'

ат

(1+С2)

а?нач В общем случае: ду

(1+С2)(1-<12)

Ч

нач

[I + С2(7Нач+1) + а2Тнач]2 . С учетом полученного коэффициента "расстояние" между областями в пространстве признаков 7 должно быть пересчитано в соответствии со следующим выражением:

дТист = ЛТ,

(1+С2)(Х-а2)

ивм

[I + С2(тнач+1) + а\ачГ

Ч

изм,

где ,7ИЗМ и Л7ИЗМ ~ суть значение и приращение измеренного параметра 7 соответственно.

Анализ этих выражений позволил сформулировать принцип разделимости в условиях помех:при равной разнице между истинными значениями видового параметра двух соседних классов лучше разделяются при воздействии внешних помех одинаковой интенсивности те классу, у которых истинные значения видового параметра меньке.

Процесс рассеяния можно рассматривать либо во временной области, либо в частотной. В работе показано, что в спектральной постановке задачи в качестве меры информативности признаков можно рассматривать следующую величину:

М =

п т

ГХ1« I1

1=1 3=1

к

1

где - количество информации, отражаемой по 1-му признаку в З'-м частотном промежутке при условии информативной независимости признаков. - количество информации об объекте, заключенное в каждом 1- участке из к возможных общей области П.

При определенных допущениях в качестве меры информативности спектральных участков признакового пространства можно взять интегральное выражение:

М =

гв

| мг

I

I

ÍB 4-1

Idr

н '

fB - гн

гв"гн

, при П < Q

С помощью этого выражения для меры информативности может быть легко оценена эффективность спектральных методов. Из этого следуют выводы:

1. Информативность гидроакустического канала в. целях распознавания прямо пропорциональна ширине анализируемого частотного спектра.

2. Шфина анализируемого частотного спектра может быть сужена до диапазона,, соответствующего диапазону характерных равмеров распознаваемых объектов без снижения информативности гидроакустического канала связи.

р ЧРГБертой главе рассмотрен случай рассеяния акустических волн на плотном скоплении.

Под плотным' скоплением понимается случай, когда в разрешающий объем попадает более одной рыбы. Очевидно, что возникновение этой ситуации зависит не только от физической плотности ¡т.е. количестве рыб в единице объема) скопления, но и от технических характеристик используемой гидроакустической станции, от глубины погружения скопления.

В случае, когда правомерно рассмотрение объектов как дискретных точечных рассеивателей, распределенных случайно и независимо, отраженные от них волны сферически симметричны, а многократное рассеяние не учитывается, для ограниченного во Бремени импульса произвольной формы в среде с постоянной средней плотностью числа рассеивателей когерентное рассеяние отсутствует.

Такая ситуация соответствует случаю, когда отношение параметров Б2/<Ы2> стремится к нулю при любых значениях этого соотношения для каждого из рассеивателей. Следовательно, в этом случае видовой параметр 7 теряет свою информативность.

Теоретические исследования процесса рассеяния на плотных скоплениях показ? <и, что максимумы когерентного рассеяния приходятся на участки, имекгше градиент плотности рассеивателей по глубине. Из экспериментальных исследований установлено, что относительный уровень когерентного рассеяния в момент Бремени, соответствующий выходу импульса из скопления, имеющего плотность 10 шт/м3, не превышает 5%.

Указывается, что при увеличении плотности скопления и при снижении рабочей частоты уровень когерентной составляющей, вследствие влияния вторичного рассеяния увеличивается. Несмотря на это, даже по высшей оценке этого эффекта, распознавание по валовому параметру 7 проводиться не может. В этих условиях наибольшей информативностью обладают две первых ступени иерархической системы признаков, так как именно в плотных скоплениях лучше всего проявляется групповая объединенность и индивидуальность поведения скоплений рыб.

В пятой глава приводятся постановка и результаты экспериментов с использованием машинного моделирования для проверки правильности теоретических положений и работоспособности разработанных процедур.

Имитационное моделирование с использованием полученных выражений для оценки параметров рассеяния показало, . что достаточно точные результаты могут быть получены только в крайних областях значений видового параметра, где 7<1 и т>1; что соответствует использованным аппроксимационным выражениям для модифицированной, функции Бесселя. Чтобы уточнить полученные выражения, была разработана двухпараметрическая ■ итерационная процедура последовательных приближений по критерию минимума квадратов отклонений. Анализ статистики уточненных с помощью зтой процедуры значений позволил получить коэффициенты уточняющих полиномов первой степени-, повышающих точность оценивания параметров во всей области значений 7 до 2%.

Анализ сходимости разработав. .1 процедуры расщепления смеси

распределений и разделимости ее составляющих позволил выявить зависимость точности оценивания параметров смеси от диапазона значений самих параметров, выбора начальных значений этих параметров, числа классов и удельных весов составляющих смеси и показал, что сильная зависимость дисбаланса начальных условий, необходимых для запуска итерационной процедуры разделения смеси распределений, по отношению к истинным значениям определяемых параметров приводит к необходимости выбора начального числа классов и начальных значений определяемых параметров в

соответствии с граничным условием разделимости: »

Дс^/Дйд < 2 , при ДсЦ > Дйд, Д7 < 3

6.5-Д7

Дйд/Д^ < -, при Дй, > Дйд, Д7 > 3

7,5

В заключении приведены основные результаты и выводы по диссертационной работе.

В приложении. приведены тексты программ, разработанных автором для теоретических исследований поставленных вопросов и для экспериментральной проверки полученных результатов, примеры эхограмм - подводной гидроакустической обстановки, содержащей разреженные и плотные скопления рыб.

3. ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

На основании проведенных • в диссертационной работе теоретическогр и экспериментального исследований сформулированы основные результаты и выводы, заключающиеся в следующем:

1. Все видовые отличительные особенности рыбных скоплений в целях видового распознавания могут быть представлены в виде трехступенчатой иерархической системы признаков. Для использования этой системы предложены известные структурные методы распознавания образов.

2. Наиболее информативной ступенью при наблюдении разреженных скоплений является третья ступень иерархической системы, отражающая морфо- физиологические особенности строения

тела рыбы. В плотных скоплениях наиболее информативными являются первые две ступени иерархической системы признаков, отражающих индивидуальность выбора среды ооитания й внутристайного поведения рыб. Показано, что при увеличений йлотности скопления различимость по третьему видовому признаку уменьшается независимо от упорядоченности распределения рыб в скопленки.

3.Показано, чт<" анализ рассеяния на разреженном однородном и смешанном скоплении может быть выполнен в {¡амках параметрической статистической модели рассеяния. Предложены алгоритмы и программы, позволяющие получить оценки параметров этой модели для обоих случаев по выборке эхосигналов.

4.Рассмотрены зависимости, позволяющие учесть изменение статистики рассеяния при изменении относйтельного размера тела рыбы, ее поведения, глубины погружения и внутривидового разброса размеров плавательного пузыря рыбы в скоплении.

5.Проведен анализ влияния шумов, вносимых окружающей средой й шумов; Появляющихся при распространении сигнала, предложены зависимости, позволяющие учесть Изменение видового' • параметра рассеяния для услоЕШ-, в которйх возможно измерение относительного уровня шумов-, сформулирован принцип разделимости в условиях воздействия :шумой'.

6.Для компенсаций влияния гидроакустических антенн наблюдения на статистику исследуемого сигнала предложено использование формирующего фильтра. Получены формулы, связывающие основные параметры антенн с параметрами комплексной частотной характеристики такого фильтра.

7.Показано, что информативность гидроакустического канала связи при распознавании прямо пропорциональна ширине анализируемого спектра в пределах, ограниченных диапазоном изменения характерного размера распознаваемых объектов.

8.Предложенный для распознавания структурный подход реализован в экспериментальной части -работы при проверке работоспособности предложенных алгоритмов и . программ путем машинного моделирования процесса распознавания. Предложено использование полученных результатов не только для анализа, но и для синтеза статистики рассеяния.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Худяков И.К. Использование гидроакустических тренажеров в

учебном процессе // 18 НТК проф.- преп. состава, науч. сотр.,асп. и инж.-техн. работников КВИМУ» Сб.тез.докл.-Калининград, 1990. - с.44.

2. Худяков И.К. Анализ ультразвуковых изображений в интерактивных

сиситемах видовой классификации рыбных косяков // Межрегиональный семинар СЦОИ-91: Труды.- Рига, 1991,- с.87-89.

3. Худяков И.К. Выбор непроизводных элементов структурной модели

эхосигналов от рыбного косяка // Всесоюзная науч.-техн. конф. "Методология-измерений":Труды- Ленинград, 1991,- с.50-51.

4. Худяков И.К. Методы имитации эхосигналов, отражающих

внутреннюю пространственную структуру рыбного косяка // 3 Всесоюзная НТК "Тренажеры и компьютеризация профессиональной подготовки": Сб.тез.докл. - Москва, 1991.- с.255.

5. Худяков И.К. Метода распознавания промысловых объектов //

Судостроение за рубежом, 1991.- Ш0/11.-е.92-98.

6. Khoudlakov I. Underwater scene processing lor Industrial fish

recognition by hydrolocatlon methods // 3 International Seminar on Digit. Image Processing: Proceedings.Riga, 1992.- p.126-128.

7. Худяков И.К. Гидроакустические средства оценки рыбных ресурсов

и метода их калибровки //Судостроение за рубежом, 1992.-Ji. 12-е. 93-95.

8. Худяков И.К. Процедуры оценки статистических параметров смеси

распределений Райса // Научно-метод. конф. проф. -преп. состаЕаИ: сотрудников Балтийской Гос. Академии Рыбопром. Флота: Сб.тез. докл.- Калининград, 1993.-с.16.

9. Худяков И.К. Анализ акустического рассеяния пузырными видами

рыб // Научно метод, конф. проф. -проп. состава и сотрудников Балтийской Гос. Академии Рыбопром. Флота: Сб.тез. докл.-Калшшнград, 1993.-с.16-17.