автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Алгоритмы совместной обработки информации от бортовых источников летательного аппарата на основе логики взаимного расположения объектов

На правах рукописи

Филатов Иван Юрьевич

АЛГОРИТМЫ СОВМЕСТНОЙ ОБРАБОТКИ ИНФОРМАЦИИ ОТ БОРТОВЫХ ИСТОЧНИКОВ ЛЕТАТЕЛЬНОГО АППАРАТА НА ОСНОВЕ ЛОГИКИ ВЗАИМНОГО РАСПОЛОЖЕНИЯ ОБЪЕКТОВ

Специальность 05.13.11 - "Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей"

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Рязань 2006

Работа выполнена на кафедре вычислительной и прикладной математики ГОУВПО «Рязанский государственный радиотехнический университет»

Научный руководитель:

доктор технических наук, профессор Каширин Игорь Юрьевич

Официальные оппоненты:

доктор технических наук, профессор, директор НИИ «Фотон» при РГРТУ Еремеев Виктор Владимирович

Ведущая организация:

кандидат технических наук, начальник отдела прикладных приложений департамента информационных технологий ЗАО «РТЦ» филиал «РТЦ-Рязань» Новиков Геннадий Александрович

ОАО «Корпорация «Фазотрон НИИР» НИИ «Рассвет», г. Рязань

Защита состоится « 20 » октября 2006 г. в 12 часов на заседании диссертационного совета Д212.211.01 в ГОУВПО «Рязанский государственный радиотехнический университет» по адресу: 390005, г. Рязань, ул. Гагарина, 59/1.

С диссертацией можно ознакомиться в библиотеке ГОУВПО «Рязанский государственный радиотехнический университет».

Автореферат разослан «15* » июня 2006 г.

Учёный секретарь

диссертационного совета Д212.211.01 кандидат технических наук, доцент

В.Н. Пржегорлинский

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Аю-уальность темы Развитие технических возможностей и внедрение последних научных разработок в бортовые системы навигации открывают новые возможности и ставят всё более сложные задачи перед человеком или экипажем, управляющим подвижным объектом. Бортовые средства навигации пополняются новыми источниками информации, существующие источники усовершенствуются. Однако, это усовершенствование доходит до определённого предела, преодоление которого на сегодняшний день является весьма сложной или практически невыполнимой задачей. В первую очередь это относится к качеству информации. В виду этого происходит перенос требований к качеству представления информации от аппаратной базы к алгоритмам и методам её обработки.

В результате, на основе существующей технической базы возникает необходимость разрабатывать алгоритмы и методы комплексирования информации, повышающие информативность бортовых систем навигации в целом и позволяющие более наглядно представлять информацию от различных источников. Основными задачами систем подобного класса являются: обработка и совмещение видеоинформации и прочих данных, обеспечение безопасности передвижения в различных условиях, определение собственного местоположения в отсутствие спутниковой информации, повышение надёжности и точности выполнения поставленных задач при перемещении объекта управления с большой скоростью.

В связи с этим, задача максимально эффективного использования всей имеющейся на борту летательного аппарата (ЛА) информации для представления окружающей обстановки с использованием интеллектуальных методов, является актуальной. Под представлением окружающей обстановки здесь следует понимать позиционирование и идентификацию объектов, находящихся вокруг ЛА.

Наибольший вклад в теоретические исследования в указанном направлении был сделан такими учёными как: Поспелов Д.А., Васильев В.И., Горелик А.Л., Давыдов П.С., Скрипкин В.А., Дуда Р., Харт П., Кузин Л.Т., Перегудов Ф.И., Темников Ф.Е., Ту Дж., Гонсалес Р., Уинстон П., Фу К., Найт К., Бадер Ф. и др.

Практические разработки, выполнены такими авторами как: Ричард Г. Хоффман, Колодько Г.Н., Клочко В.К., Мойбенко В.И., Самарин О. Ф., Курилкин В.В., Ерофеев A.A., Долгов А.Н., Жидков В.Н., Ким Н.В., Красильщиков М.Н., Ушимура К., Гротчева Е, Гарридо Р., Гонсалес Е., Сбродов В.В., Свиридов В.П., Давыдов В.Г., Башкиров Л.Г., Холл Д., Кровли Дж. Л., Кревецкий A.B. и др.

К недостаткам существующих систем можно отнести недостаточное использование или отсутствие в них современных интеллектуальных методов анализа и обработки информации.

Существующие системы комплексирования информации ставят повышенные требования к качеству исходных данных, от которого напрямую зависят результаты работы систем.

В реальных системах совмещения графической информации происходит прямое наложение разноспектральных изображений без проведения внутреннего анализа их структуры и представляемой ими информации, что в некоторых случаях приводит к невозможности такого совмещения.

Разработчики существующих систем комплексирования информации необоснованно пренебрегают известными результатами ситуационного анализа, хорошо зарекомендовавшими себя в теории управления.

При выполнении работы осуществляется попытка преодолеть эти недостатки, создать и применить наиболее адекватный математический аппарат для исследования, проектирования и эксплуатации интеллектуальных систем комплексирования навигационной информации (ИСКНИ), разработать новую архитектуру систем такого класса с использованием средств искусственного интеллекта, а также применить конкретные практические проектные решения при программировании ИСКНИ.

Оригинальной методикой совмещения информации об окружающей обстановке, полученной из различных источников информации, находящихся на борту ЛА, до сих пор не встречавшейся ни в отечественных, ни в зарубежных системах подобного класса, является предлагаемая в работе методика комплексирования информации на основе ситуационного анализа, универсальных алгебр, нечёткой логики и теории унификации.

Методика позволит произвести анализ радиолокационной и картографической информации: выделить объекты на радиолокационном изображении, определить их координаты и характеристики, идентифицировать объекты в соответствии с имеющейся базой знаний, основанной на нечёткой логике.

Цель работы и задачи исследования Целью диссертационной работы является исследование и разработка эффективного инструментария для описания окружающей обстановки вокруг ЛА, позиционирования, классификации и идентификации окружающих его объектов, определения собственных координат ЛА, с помощью которого можно облегчить возложенные на человека задачи по принятию важных управленческих решений при оценке изменяющейся во времени ситуации.

Для достижения поставленной цели необходимо решить следующие основные задачи.

1. Осуществить анализ предметной области и выбрать из числа существующих наиболее подходящие методики, с помощью которых можно добиться желаемых результатов, выявить возможность и разработать способы их модификации и адаптации к условиям решаемой задачи.

2. Разработать математический аппарат и программное обеспечение для выделения объектов на изображении и определения их статистических и физических характеристик.

3. Формализовать предметную область с целью её адекватного и эффективного описания и проанализировать окружающую обстановку вокруг Л А.

4. Спроектировать алгебру описания свойств объектов, на основе которой появилась бы возможность идентифицировать объекты, выделенные при анализе данных от бортовых источников информации ЛА.

5. Определить структуру и содержание базы знаний с применением теорий графов и нечётких множеств, позволяющую идентифицировать объекты.

6. Разработать алгоритмы позиционирования и идентификации объектов.

Методы исследования Исследование, проведённое при выполнении

работы, осуществлялось на основе теории вероятностей, теории множеств, теории универсальных алгебр, теории нечётких множеств, теории графов, методов структурного и объектно-ориентированного программирования.

Научная новизна

1. В диссертации предложена оригинальная методика описания пространственных ситуаций окружающей обстановки для ЛА и прикладная алгебраическая система для формализации предметной области.

2. Разработан эффективный базовый алгоритм унификации термов описания пространственных ситуаций с целью определения координат летательного аппарата и позиционирования окружающих его объектов в условиях автономной навигации.

3. Спроектирована алгебра описания свойств объекта, на основе которой появляется реальная возможность идентификации объектов, выделенных при анализе данных от бортовых источников информации ЛА.

4. Составлен новый алгоритм унификации термов, полученных с помощью алгебры описания свойств объекта, позволяющий максимально эффективно идентифицировать объекты, выделенные при анализе данных от бортовых источников информации.

5. Разработана технология проектирования интеллектуальных систем комплексирования навигационной информации, обладающих высокой функциональностью и малой критичностью к качеству исходных данных.

Практическая ценность работы Результаты работы являются основой для проектирования систем позиционирования, классификации и идентификации объектов. Используемые в диссертации формализм и методы позволяют на основе алгоритма описания пространственных ситуаций создавать модели предметной области, являющиеся основой оценки окружающей обстановки.

Разработанная методология и технологические средства могут быть приняты за основу при создании новых перспективных интеллектуальных систем комплексирования навигационной информации.

На основе результатов диссертационной работы появляется реальная возможность повысить эффективность обработки и анализа бортовой

навигационной информации ЛА, сократить трудозатраты экипажа J1A, уменьшить ошибки человека при реализации важных решений, принимаемых в сложной изменяющейся окружающей обстановке, и создать условия для их адекватного и своевременного принятия.

Реализация и внедрение результатов работы Результаты диссертации нашли отражение в реальной программе СОINS_lv (Complexing information System light version), предназначенной для позиционирования и идентификации объектов на основе анализа радиолокационной и картографической информации.

Результаты исследования внедрены в деятельность ФГУП «Государственный рязанский приборный завод» по созданию программного обеспечения для разрабатываемых навигационных устройств.

Теоретические результаты диссертационной работы нашли применение в учебном процессе Рязанского государственного радиотехнического университета при подготовке специалистов по специальностям 220400 и 351400.

Положения, выносимые на защиту

Разработанная методика описания пространственных ситуаций окружающей обстановки вокруг летательного аппарата на основе псевдофизической пространственной логики является эффективным инструментом оценки текущей полётной ситуации.

Спроектированная алгебраическая система позволяет составить термы описания пространственных ситуаций для дальнейшего позиционирования и идентификации объектов.

Составленный базовый алгоритм унификации термов описания пространственных ситуаций даёт возможность определения координат летательного аппарата и позиционирования окружающих его объектов в условиях автономной навигации.

Разработанные алгебра описания свойств объекта и алгоритм унификации термов описания объектов позволяют осуществить идентификацию объектов, выделенных при анализе данных от бортовых источников информации ЛА.

Апробация работы Основные положения диссертационной работы докладывались и обсувдались на следующих научно-технических конференциях: на 12-й и 14-й Международной научно-технической конференции «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (Рязань, 2004 и 2005 гг.); на 10-й ежегодной международной научно-технической конференции студентов и аспирантов "Радиоэлектроника, электротехника и энергетика" (Москва, 2004 г.); на Международной научно-технической конференции «Информационно-вычислительные технологии и их приложения» (Пенза, 2005 г.); на 11-й Международной открытой научной конференции "Современные проблемы информатизации" (Воронеж, 2006 г.); на 13-й Санкт-Петербургской международной конференции по интегрированным навигационным системам (Санкт-Петербург, 2006 г.).

Публикации Самостоятельно и в соавторстве по теме диссертации опубликовано 11 работ, в том числе 2 статьи, 7 тезисов докладов на

международных научно-технических конференциях, получено 2 свидетельства об отраслевой регистрации разработок в отраслевом фонде алгоритмов и программ.

Структура и объём работы Диссертация состоит из введения, четырёх глав, заключения, списка литературы и шести приложений. Основной текст работы содержит 165 страниц, 29 рисунков, 17 таблиц. Список литературы состоит из 131 наименования. Приложения выполнены на 33 страницах.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении дается обоснование актуальности темы работы, сформулированы цели и задачи исследования, кратко излагается содержание диссертации и положений, выносимых на защиту.

Первая глава посвящена обоснованию темы диссертации. В главе определяются основные цели и задачи разработки и анализа интеллектуальных алгоритмов совместной обработки бортовой информации. Приводится обзор теоретических и практических работ в области совмещения и обработки данных от бортовых источников информации ЛА, вводятся основные понятия и определения. Приводится краткая классификация навигационных систем. Выявлены недостатки существующих технических средств и методов совмещения информации от бортовых источников ЛА, намечены пути и способы их преодоления.

Во второй главе сформулированы цель и задачи проектирования интеллектуальных алгоритмов позиционирования и идентификации объектов. Определена математическая основа для вычисления основных характеристик объектов. Разработана методика описания и формализации пространственных ситуаций окружающей обстановки, спроектирован базовый алгоритм унификации для позиционирования объектов. Произведён анализ и выбор структуры базы знаний для классификации объектов. Произведена формализация качественного описания объектов и описание алгоритма унификации с базой знаний.

Выполненный анализ существующих разработок и методов совмещения данных от бортовых источников информации ЛА показал, что одним из их существенных недостатков является то, что совмещение графической информации ведётся путём наложения изображений. Это не всегда возможно в случае использования источников информации, которые формируют изображения в различных системах координат, и их преобразование к одной системе невозможно в силу отсутствия необходимых дополнительных данных. Кроме того, такой подход делает весьма затруднительным объединение всей информации от различных источников одновременно на одном изображении в силу перегруженности последнего информацией. Использование когнитивной графики в сочетании с визуализацией электронных карт местности позволит избежать этого недостатка.

Для того, чтобы производить анализ радиолокационной информации, необходимо выделить объекты на радиолокационном изображении (РЛИ). Для решения задачи выделения объектов на изображении по пороговому значению яркости предлагается использовать известные методы поиска на деревьях вариантов в пространстве состояний - поиск в глубину или поиск в ширину. Целесообразность использования этих методов обуславливается тем, что отсутствует какая-либо априорная вспомогательная информация.

Задаче анализа классификации и идентификации объектов посвящено множество научных и практических разработок, однако, они не претендуют на универсальность. Для каждого конкретного случая необходимо производить отдельное исследование на предмет соответствия той или иной методики поставленной задаче.

В ходе исследований установлено, что не признаковая структура, находящаяся в центре внимания специалистов по распознаванию образов, а ситуативное положение того или иного факта или объекта определяют его интерпретацию у человека, которая дополняется оценкой типичности ситуации.

Ситуацией предлагается считать взаимное расположение объектов друг относительно друга, информация о которых доступна как из электронных карт местности (ЭКМ), так и из РЛИ.

Для формализации описания пространственных отношений между объектами предложено использовать аппарат универсальных алгебр. Предлагается ввести алгебраическую модель (АМ): отношения пространственной логики - Я = { ЯчДяД+ДкД^ДкД+Да, ЯвДобДбДнн.ЯдДодДоод }, представляют собой бинарные отношения направления и расстояния - справа, Я - впереди и справа, ф - впереди, К — впереди и слева, - слева, - сзади и слева, Ф - сзади, Ы - сзади и справа, в — вплотную, об - очень близко, б - близко, нн - не далеко, не близко, д - далеко, од - очень далеко, оод - очень-очень далеко); носитель алгебры М - множество объектов выделенных на РЛИ и ЭКМ с координатами - ОЬу(х;у). АМ можно записать в следующем виде:

А = <М, {Я-»ДяД+Д*Д«.Дк:Д+Дм, Яв ДобДб,Янн,ЯдДодДоод} >

Семантика отношений будет выглядеть следующим образом.

1) Отношения направления.

Объект 0^|(х|;у() находится справа от объекта 01у2(х2;у2), если координата х объекта ОЬу^х^у!) больше координаты х объекта ОЬ]2(х2;у2). Иначе можно записать:

ОЬЬСхьу,) Я* ОЬ|'2(х2;у2), если х, > х2 и у, = у2.

Объект ОЬу|(Х|;у!) находится сзади и справа от объекта 0(у2(х2;у2), если координата х объекта ОЬ^х^у,) больше координаты х объекта ОЬу2(х2;у2), а координата у объекта О^ ((х (;у |) меньше координаты у объекта ОЬ;2(х2;у2). Иначе можно записать:

ОУ|(х,;у|) Ял ОЬ_Ь(х2;у2), если Х| > х2 и у, <у2. Аналогично устанавливаются зависимости и для других отношений направления.

Отношения направления обладают свойствами: антирефлексивности, антисимметричности, транзитивности.

2) Отношения расстояния.

Расстояние между объектами предложено рассчитывать как евклидово расстояние между двумя точками на плоскости с заданными координатами:

Объект ОЬ^х^уО расположен близко от объекта ОЬу2(х2;уг), если евклидово расстояние от объекта ОЬ^(Х|;у|) до объекта ОЬ]2(х2;у2) попадает в заданный интервал. Например, ОЬ)|(х(;у|) Яв ОЬ^х^У:), если Э е [1;10] или ОЬу^х^уО Яд Оу2(х2;у2), если О е [2801 ¡4000]. Аналогично устанавливаются зависимости и для других отношений расстояния.

Отношения расстояния обладают свойствами: антирефлексивности, симметричности.

Композиция отношений определена следующим образом: Я|(а,Ь) ° Я2(а,Ь) = Ки(а,Ь).

Композиция отношений обладает свойствами антирефлексивности, антисимметричности.

В рамках введённой АМ можно описать ЭКМ следующим образом: (а Яя.об Ь);(а с);... ;(Ь И*,б с);... где, а,Ь,с - константы, соответствующие объектам ЭКМ, которые имеют известные пространственные координаты.

Аналогично для РЛИ составляются наборы из объектов и отношений, которые можно записать так:

(х И*,нн у);(х И» б т)\ ... ;(у Якоб г); ..., где, х,у,г — переменные, соответствующие объектам РЛИ, координаты которых необходимо определить.

При составлении термов для РЛИ предложено использовать информацию, полученную от других систем, позволяющих получить какое-либо представление об объектах на РЛИ. В этом случае в построенном терме могут присутствовать не только переменные, но и константы, что внесёт дополнительную ясность и позволит более точно осуществить описание окружающей обстановки.

Вводится универсальная алгебра (УА) В = <[Ь]п ; О >, где Ь - множество, элементами которого являются наборы (тройки вида: (а Я Ь)), полученные в АМ А. [Цп - замыкание множества Ь относительно сигнатуры алгебры. О - сигнатура алгебры состоит из единственной бинарной операции «И», обозначим её «а». При этом тип УА задаётся множеством {°(2)}, т.е. О = {п(2)}. Иначе можно сказать, что носителем УА является множество полных ситуаций, описывающих расположение объектов на определённом участке местности по данным от ЭКМ или БРЛС, а операция о - позволяет объединить все составляющие компоненты (точечные ситуации) полной ситуации.

Семантику операции «°» можно описать как композицию ситуаций пространственной логики. Операция «п» обладает свойствами: ассоциативности,

коммутативности, идемпотентности. Построенная УА является коммутативной и идемпотентной полугруппой.

В рамках введённой УА В можно составить термы, описывающие ЭКМ и РЛИ для определённого участка местности. Для ЭКМ терм будет выглядеть следующим образом:

I = (а И.я,об Ь) ° (а Я«-,д с) ° ... ° (Ь Я+.б с).

Для РЛИ аналогично составляется терм вида:

л = (х Яф,нн у) а (х И.*,б г) 0 ... п (у Як,об г).

Для решения задачи позиционирования Л А и окружающих его объектов предложено использовать теорию унификации следующим образом. К термам, формально описывающим окружающую обстановку, применяется алгоритм унификации.

Успешная унификация позволит определить координаты ЛА и окружающих его объектов, информация о которых получена от БРЛС. Вектор подстановок даст дополнительную информацию о том, на каком типе подстилающей поверхности находится тот или иной объект, полученный в результате анализа РЛИ. В диссертационной работе предложен оригинальный алгоритм унификации термов для РЛИ и ЭКМ (рис. 1).

Для формального описания объекта предлагается также использовать аппарат универсальных алгебр. Для этого вводится УА С = <[Р]п ; Я >, где Р -множество, элементами которого являются свойства объекта, полученные с помощью алгоритма выделения объектов в результате их статистической обработки, а также тип подстилающей поверхности, определённый с помощью алгоритма позиционирования. [Р]п - замыкание множества Р относительно сигнатуры алгебры. О - сигнатура алгебры состоит из единственной бинарной операции «И», обозначим её «.".», при этом тип УА задаётся множеством {.'.(2)}, т.е. и = {.'.(г)}. Иначе можно сказать, что носителем УА является множество доступных свойств объекта, определённым по данным от ЭКМ или БРЛС, а операция «/.» - позволяет объединить все свойства одного объекта в один терм, одно описание.

Семантику операции «л», можно описать как композицию различных свойств объекта. Операция «.".» обладает свойствами: ассоциативности, коммутативности, идемпотентности. Построенная УА является моноидом.

В рамках введённой УА С, можно составить термы вида а.\Ьлс.-.....\с1

для каждого объекта, выделенного на РЛИ, описывающие его свойства.

Для классификации объектов, предложено спроектировать базу знаний (БЗ), которая будет содержать информацию об имеющихся классах, условиях отнесения объектов к одному из них, а так же возможность перехода объекта из одного класса в другой. Предложено составлять два терма — один для объекта выделенного на РЛИ, а другой для БЗ, которые могут быть унифицированы между собой. Если унификация будет успешной, то можно идентифицировать объект. В диссертационной работе предложен оригинальный алгоритм унификации термов - описаний объектов (рис.2).

Рис. 1 Схема алгоритма унификации термов для РЛИ и ЭКМ.

(Начало\ (Цг^уРгор)у

Рис. 2 Схема алгоритма унификации термов - описаний объектов.

Базу знаний предложено представить в виде ориентированного графа С(У,Е):

С(У,Е) = {У;Е), У*0, Е<=ГхУ&Уее£:|е|=2.

Здесь е - ребро графа, соединяющее вершины VI е V и г2 е V. Множество вершин V - это множество классов, к которым может быть отнесён анализируемый объект. Каждая вершина характеризуется набором определённых значений свойств, которому ставится в соответствие нечёткое множество, определяющее вероятность отнесения объекта с таким набором свойств к одному из известных классов объектов. Множество ориентированных рёбер Е - множество допустимых переходов из класса в класс, в случае если в связи с изменившейся ситуацией необходимо пересмотреть ранее осуществлённую идентификацию.

В результате применения ориентированных графов появляется возможность контролировать процесс идентификации объектов, что делает в целом разрабатываемую систему более универсальной, гибкой и, вместе с тем, адаптируемой к условиям решаемой задачи. Графически пример построения такого графа можно представить рисунком 3.

Рис. 3 Орграф - БЗ

Рис. 4 Алгоритм идентификации объектов

В том случае, если терм для объекта РЛИ успешно унифицировался с несколькими термами БЗ, выполняется объединение нечётких множеств соответствующих тем вершинам БЗ, для которых унификация прошла успешно. Объединять нечёткие множества предлагается с использованием вероятностного подхода.

At udj <=> Иль ал/ М = №1* М + Аа М - Дал ("J P-At ("О-

Общий вид алгоритма идентификации объектов можно представить рисунком 4.

Третья глава посвящена вопросам методики проектирования интеллектуальных систем комплексирования навигационной информации (ИСКНИ). В ней также разработана базовая архитектура такого класса систем. Описаны основные составляющие интеллектуальных систем комплексирования навигационной информации и определены особенности проектирования каждой составляющей. Приведены общие примеры функционирования систем подобного класса.

Разработанную в рамках диссертационной работы общую базовую схему ИСКНИ можно представить рисунком 5.

^ дли брлс ^ ("^гу снс )

3!

_____

киоо

киоо^

-исп-

-РЛИ-гЭКМ-

КПА-'

п

исп

Модуль обработки исходной информации

-экм

Модуль визуализации

|-РЛИ-

'КЛА-

Модуль выделения объектов и сбора статистической информации

-МВО-

База Знаний

1 Модуль позиционирования -^о коорО^лагл J* от CHQ^** ai I j

Подсистема определения координат ЛА Подсистеиа определения дополнительных харрактеристик объектов

мио

-ии-

мво+дхо t

Модуль идентификации объектов

Рис. 5 Базовая архитектура ИСКНИ Сокращения, приведённые на рисунке 5, обозначают следующее: ДПИ - дополнительная полётная информация; БРЛС - бортовая радиолокационная станция; ЭКМ - электронные карты местности; СНС - спутниковая навигационная система;

КИОО - комплексное изображение окружающей обстановки;

ИСП - информация о состоянии полёта:

РЛИ - радиолокационное изображение;

КЛА - координаты ЛА;

МВО - массив выделенных объектов;

МИО - массив идентифицированных объектов;

ДХО - дополнительные характеристики объектов;

ИИ - идентифицирующая информация.

Для определения типа подстилающей поверхности предложено находить соответствие между объектами РЛИ и ЭКМ или их принадлежность по координатам. Если объект на ЭКМ точечный, то выполняется простая проверка координат. Если объект линейный, то поиск соответствия предложено вести с использованием канонического уравнения прямой следующим образом:

Уо ~ У ■

Если (У, <У0< ум) V <>,„ < у0 < >',.), то ^[к, = ' -•*,) + :

У{* 1 У/

где ло^'о - координаты объекта выделенного на РЛИ, — координаты точки задающей объект ЭКМ, Хщ - элемент массива X точек пересечения по оси абсцисс объектов РЛИ и ЭКМ, к = 1 ..т, т - количество точек пересечения объектов РЛИ и ЭКМ по оси абсцисс, / = 1 ..«-1, п - количество точек, определяющих объект ЭКМ.

Если Л^] = х0,к = 1 ..т , то пересечение существует.

Если объект площадной, то поиск соответствия предложено вести следующим образом:

.Уо ~ У'

Если (>', < }'а < Ум) ^ О',», < У о ^ Х-), то х\к] = ' (хм "*/) + *,-5

•У/+1 У\

х — Х-

Если (X,- <х0< хм ) v (хн| <х0<х1), то = ° _ ' (Ум - У,) + У¡1

/+1 Л1

где Ущ - элемент массива У точек пересечения по оси ординат объектов РЛИ и ЭКМ, / = 1 ..И, И — количество точек пересечения объектов РЛИ и ЭКМ по оси ординат.

После этого выполняется сортировка массивов X и У.

Вывод о принадлежности объекта, выделенного на РЛИ, объекту ЭКМ зависит от истинности следующего выражения:

(Хт <х,<Х^)&(Ут<х0<У[М]).

Перевод координат объектов на РЛИ в пикселях в прямоугольную систему координат в метрах предложено производить по формулам:

t =

—, если х = лг„; 2 0

arctg(———), если х> х0 \

к + arctg(———), если х < х0;

Л =

у0 — у, если sin(f) = 0;

Уо-У

sin(i)

если sin(f) * 0;

X им -

а = Ки + d — R-PPM;

,, ГЛ 77 я 3 • тг

Х1л-ыа —п, если а = —шиа =-;

2 2

XL1 - yjd2 - cos2{a)-h2, если < а < > Х ,А + лJd2 - cos2(a)-h2, в остальных случаях;

Здесь xjr — координаты объекта на РЛИ в пикселях, дг01уо - координаты JIА на РЛИ в пикселях, t - азимут объекта в относительной системе координат (угол, образованный подвижным радиусом с положительным направлением оси Ox), R - дальность до объекта в пикселях (радиус окружности), KjA -курс ЛА, РРМ - коэффициент перевода пикселей в метры, а - азимут

объекта в географической системе координат, d- дальность до объекта в метрах, Хпм-Упм - координаты объекта в прямоугольной системе координат в метрах, Хлл,У.:и ~ координаты ЛА в прямоугольной системе координат в метрах, h -высота полёта ЛА.

В том случае, если курс ЛА отличен от направления на север, предложено производить пересчёт координат объектов выделяемых на РЛИ с его учётом по следующим формулам:

х' = sin(a - arctg —) - -Jx2 + уг,

у' = cos (а - arctg —) • ф? + у2,

где а - угол поворота системы координат, х'У - координаты точки после трансформации системы координат, х,у - координаты точки до трансформации системы координат.

В четвертой главе на примере программы СО!№_1у разработана оригинальная технология проектирования системы позиционирования и идентификации объектов. В технологии используются теоретические результаты предыдущих глав. Приведены оригинальные проектные решения. Описаны основные программно-технические свойства разработанной системы, определены её достоинства и указаны неустранённые недостатки. Приведены примеры функционирования системы и результаты её работы.

При позиционировании и идентификации объектов на РЛИ с помощью разработанной программы С01Ы8_1у можно выделить следующие основные свойства программной системы.

1. Целью работы программы является выделение объектов на РЛИ, позиционирование ЛА и окружающих его объектов, информация о которых получена в результате анализа РЛИ, идентификация этих объектов для описания целостной окружающей обстановки ЛА.

2. Программная система производит анализ РЛИ, задаваемого пользователем. При этом необходим ввод дополнительной информации, описывающей условия полёта ЛА, при которых получено заданное изображение, обеспечивающих нормальное функционирование системы.

3. Предусмотрены различные варианты функционирования программы в зависимости от наличия или отсутствия исходной информации о координатах ЛА, задаваемых пользователем.

4. Предусмотрена возможность отдельного выполнения каждой логически законченной функции программы. По желанию пользователя возможно представление и сохранение промежуточных результатов.

5. Конечный результат представлен в виде комплексного изображения, дающего представление об окружающей обстановке ЛА (рис. 6).

6. По желанию пользователя возможно сохранение результатов выполнения программы в текстовый файл отчёта, содержащего информацию о ходе позиционирования и идентификации объектов.

Основными достоинствами реализованной в рамках диссертационной работы программной системы являются следующие.

1) Функциональная возможность позиционирования ЛА в условиях автономной навигации, которая до сих пор не предусмотрена в существующих на сегодняшний день системах.

2) Уникальная методика построения описания пространственных ситуаций.

3)Достаточная независимость от качества исходных изображений при решении задачи идентификации объектов и при этом достижение высокой валидности результатов анализа.

4) Оригинальная система визуализации, позволяющая использовать когнитивную составляющую компьютерной графики.

В заключении приводится обобщение основных результатов диссертационной работы, апробация работы, публикации, внедрение результатов.

В приложениях представлены документы о внедрении результатов диссертации, регистрации программных разработок, а также содержатся

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Диссертационная работа посвящена исследованию и разработке алгоритмов совместной обработки информации от бортовых источников ЛА на основе логики взаимного расположения объектов для современных систем навигации.

В результате выполнения работы получены следующие основные результаты.

I. Приведён обзор и определены недостатки существующих систем получения и совмещения информации об окружающей обстановке ЛА с использованием бортовых средств навигации. Приведена классификация навигационных систем с указанием основных отличий способов получения

информации, выявлены их основные достоинства и недостатки и перспективы их устранения, определен класс рассматриваемых систем навигации.

2. Выполнен анализ существующих методов идентификации объектов, определены перспективные направления их развития и усовершенствования.

3. Разработан математический аппарат выделения объектов на изображении и определения их статистических и физических характеристик.

4. Предложен оригинальный способ формализации предметной области путём введения алгебраической модели пространственной логики. Смоделирована алгебра пространственных ситуаций, позволяющая адекватно и эффективно описывать и анализировать окружающую обстановку ЛА на основе анализа радиолокационной и картографической информации. Определены тип и класс алгебры, исследованы свойства ее операций и свойства отношений соответствующей алгебраической модели. Разработан не имеющий аналогов базовый алгоритм унификации термов описания пространственных ситуаций, с целью определения координат ЛА и позиционирования окружающих его объектов в условиях автономной навигации.

5. Разработана алгебра описания свойств объекта, на основе которой появляется возможность идентификации объектов, выделенных при анализе данных от бортовых источников информации ЛА. Определены тип и класс алгебры, исследованы свойства ее операций.

6. Предложена оригинальная структура базы знаний с применением теорий графов и нечётких множеств, позволяющая эффективно анализировать качественное описание объектов, окружающих ЛА, для определения их принадлежности к классам объектов реального мира. Составлен новый алгоритм унификации термов, полученных с помощью алгебры описания свойств объекта, позволяющий максимально эффективно идентифицировать объекты, выделенные на радиолокационном изображении.

7. Предложена архитектура интеллектуальной системы комплексирования навигационной информации, отражающая назначение, функциональность и взаимодействие всех составляющих элементов системы.

8. Исследована возможность применения и предложен подход к проектированию подсистемы визуализации и представления информации с использованием иллюстративной и когнитивной составляющих компьютерной графики, способствующих эффективному восприятию новых знаний.

9. Приведены основные проектные решения, позволяющие с достаточной эффективностью разрабатывать составляющие систем позиционирования и идентификации объектов с учётом алгоритмов и методов, рассмотренных в теоретической части исследования.

10. Программно реализована система комплексирования информации от бортовых источников ЛА С01Ы8_|у, предназначенная для выделения, позиционирования и идентификации объектов на РЛИ, являющаяся результатом практического применения описанных проектных решений.

11. На примере программы COINS_lv практически подтверждена возможность применения теоретических результатов работы, полученных в диссертации. Рассмотрены достоинства и недостатки реализованной программной системы COINS_lv, определены возможности обобщений, дальнейшего развития идей и методов, использования результатов диссертации в смежных областях.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Filatov I.Yu., Kashirin I.Yu., Syomkin M.A. Positioning and Classification of objects by combining radar and cartographic Information using methods of artificial intelligence for autonomous navigation systems // 13th Saint Petersburg International Conference On Integrated Navigation Systems, 2006. - СПб.: ГНЦ РФ-ЦНИИ "Электроприбор", 2006. - C.173-174.

2. Филатов И.Ю. Использование бортовых радиолокационных станций в современных системах навигации // Радиоэлектроника, электротехника и энергетика: Тез. докладов 10-й международной науч.-техн. конф. студентов и аспирантов от 2-3 марта 2004г. Т.1. - М.: МЭИ (ТУ), 2004. - С.419-420.

3. Филатов И.Ю. Использование нечётких множеств для классификации объектов в современных системах навигации И Современные проблемы информатизации в моделировании и программировании: Сб. трудов. Вып. 11 (по итогам 11-й международной открытой науч. конф.) / Под ред. д.т.н., проф. О.Я. Кравца. — Воронеж: Изд-во «Научная книга», 2006. - С.210-212.

4. Филатов И.Ю. Классификация объектов в задаче совмещения информации от бортовых источников летательного аппарата И Математическое и программное обеспечение вычислительных систем: Межвуз. сб. науч. тр. / Под ред. А.Н. Пылькина. - Рязань: Рязанская государственная радиотехническая академия, 2005. - С.88-91.

5. Филатов И.Ю. Комплексное использование бортовых и электронных источников информации для построения достоверной окружающей обстановки летательного аппарата // Информатика и прикладная математика: Межвуз. сб. науч. тр. / Отв. ред. И.П. Гиривенко. - Рязань: РГПУ, 2003. - С.88-91.

6. Филатов И.Ю. Позиционирование объектов в инерциальных навигационных системах на основе универсальных алгебр // Современные проблемы информатизации в моделировании и программировании: Сб. трудов. Вып. 11 (по итогам 11-й международной открытой науч. конф.) / Под ред. д.т.н., проф. О.Я. Кравца. - Воронеж: Изд-во «Научная книга», 2006. -С.212-214.

7. Филатов И.Ю. Применение ориентированных графов в задаче совместной обработки информации от бортовых источников летательного аппарата // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Материалы 14-й Международной науч.-техн. конф. - Рязань: Рязанская государственная радиотехническая академия, 2005. - С. 198-199.

8. Филатов И.Ю., Сёмкин М.А. Классификация объектов в задаче комплексирования информации от бортовых источников летательного аппарата на основе универсальных алгебр // Информационно-вычислительные технологии и их приложения: Сб. материалов Международной науч.-техн. конф. декабрь 2005 г. - Пенза: РИО ПГСХА, 2005. - С.212-215.

9. Филатов И.Ю. Совместная обработка радиолокационной и тепловизионной информации // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: Материалы 12-й Международной науч.-техн. конф. - Рязань: Рязанская государственная радиотехническая академия, 2004. - С.79-81.

10. Филатов И.Ю. Выделение объектов на радиолокационном изображении с использованием интеллектуальных алгоритмов / Свидетельство об отраслевой регистрации разработки в Отраслевом фонде алгоритмов и программ № 5418. Дата регистрации 23.11.2005.

11. Филатов И.Ю. Сопоставление и анализ радиолокационных изображений и электронных карт местности для бортовых навигационных систем / Свидетельство об отраслевой регистрации разработки в Отраслевом фонде алгоритмов и программ № 5419. Дата регистрации 23.11.2005.

Филатов Иван Юрьевич

АЛГОРИТМЫ СОВМЕСТНОЙ ОБРАБОТКИ ИНФОРМАЦИИ ОТ БОРТОВЫХ ИСТОЧНИКОВ ЛЕТАТЕЛЬНОГО АППАРАТА НА ОСНОВЕ ЛОГИКИ ВЗАИМНОГО РАСПОЛОЖЕНИЯ ОБЪЕКТОВ

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Подписано в печать 07.06.2006 г. Формат бумаги 60x80/16. Бумага писч. бел. Печать офсетная. Объём печ. л. Тираж 100 экз. Заказ № 16. Отпечатано на участке оперативной полиграфии ГНУ ВНИМС, 390025, г. Рязань, ул. Щорса, 38/11.

ОСНОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ.

ВВЕДЕНИЕ.

ГЛАВА 1 СИСТЕМЫ СОВМЕСТНОЙ ОБРАБОТКИ ИНФОРМАЦИИ ОТ БОРТОВЫХ ИСТОЧНИКОВ ЛЕТАТЕЛЬНОГО АППАРАТА.

1.1 Краткая классификация современных навигационных систем.

1.2 Обзор существующих теоретических и практических работ в области . совмещения и обработки информации от бортовых источников летательных аппаратов.

1.3 Цели и задачи проектирования интеллектуальной системы комплексирования навигационной информации.

Основные результаты.

ГЛАВА 2 ИССЛЕДОВАНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ МЕТОДОВ ПОЗИЦИОНИРОВАНИЯ, КЛАССИФИКАЦИИ И ИДЕНТИФИКАЦИИ ОБЪЕКТОВ.

2.1 Анализ исходных данных, получаемых от бортовых источников информации.

2.2 Определение требований к результатам совмещения информации от бортовых источников.

2.3 Выделение объектов на изображении и обработка признаковой информации.

2.4 Исследование подхода к описанию пространственных ситуаций на основе анализа интуитивного восприятия окружающей остановки.

2.5 Алгебра для описания и анализа пространственных ситуаций окружающей обстановки.

2.6 Решение задачи позиционирования объектов на основе теории унификации.

2.7 Идентификация объектов на основе качественного анализа их характеристик.

2.8 Совмещение информации от различных бортовых источников летательного аппарата.

Основные результаты.

4- ГЛАВА 3 ТЕХНОЛОГИЯ ПРОЕКТИРОВАНИЯ

ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ КОМПЛЕКСИРОВАНИЯ НАВИГАЦИОННОЙ ИНФОРМАЦИИ.

3.1 Постановка задачи и анализ исходных данных.

3.2 Построение базовой архитектуры интеллектуальных систем комплексирования навигационной информации.

3.3 Особенности проектирования модуля обработки исходной информации.

3.4 Архитектура подсистемы выделения объектов.

3.5 Особенности построения модуля идентификации объектов.

3.6 Проектирование модуля позиционирования.

3.7 Построение архитектуры подсистемы визуализации.

Основные результаты.

ГЛАВА 4 МЕТОДИКА СОЗДАНИЯ СИСТЕМЫ

ПОЗИЦИОНИРОВАНИЯ И ИДЕНТИФИКАЦИИ ОБЪЕКТОВ.

4.1 Определение требований к функциональным возможностям системы позиционирования и идентификации объектов.

4.2 Формирование массива объектов из радиолокационного изображения.

4.3 Формализация описания пространственных отношений между объектами и позиционирование летательного аппарата.

4.4 определение дополнительных характеристик объектов.

4.5 Идентификация объектов и обработка результатов.

4.6 Основные программно-технические характеристики системы позиционирования и идентификации объектов COINSlv.

Основные результаты.

Актуальность проблемы. Развитие технических возможностей и внедрение последних научных разработок в бортовые системы навигации открывают новые возможности и ставят всё более сложные задачи перед человеком или экипажем, управляющим подвижным объектом. Бортовые средства навигации пополняются новыми источниками информации, существующие источники усовершенствуются. Однако, это усовершенствование доходит до определённого предела, преодоление которого на сегодняшний день является весьма сложной или практически невыполнимой задачей. В первую очередь это относится к качеству информации. В виду этого происходит перенос требований к качеству представления информации от технической аппаратуры к алгоритмам и методам её обработки.

В результате, на основе существующей технической базы возникает необходимость разрабатывать алгоритмы и методы комплексирования информации, повышающие информативность системы в целом и позволяющие более наглядно представлять информацию от различных источников. Основными задачами систем подобного класса являются: обработка и совмещение видеоинформации и прочих данных, обеспечение безопасности передвижения в различных условиях, определение собственного местоположения в отсутствие спутниковой информации, повышение надёжности и точности выполнения поставленных задач при перемещении объекта управления с большой скоростью.

Задача, которая поставлена в представленной диссертационной работе, состоит в том, чтобы максимально эффективно использовать всю имеющуюся на борту летательного аппарата (J1A) информацию для представления окружающей обстановки, используя интеллектуальные методы. Под представлением окружающей обстановки здесь следует понимать позиционирование, классификацию и идентификацию объектов, находящихся вокруг JIA.

Наибольший вклад в теоретические исследования в указанном направлении был сделан такими учёными, как: Поспелов Д.А., Васильев В.И., Горелик A.JL, Давыдов П.С., Скрипкин В.А., Дуда Р., Харт П., Кузин JI.T., Перегудов Ф.И., , Темников Ф.Е., Ту Дж., Гонсалес Р., Уинстон П., Фу К., Цыпкин ЯЗ. Найт К., Бадер Ф., Снайдер В. и др.

Практические разработки выполнены такими авторами, как: Ричард Г. Хоффман, Грегори С. Ховкинс, Колодько Г.Н., Клочко В.К., Мойбенко В.И., Самарин О. Ф. , Курилкин В.В., Ерофеев А.А., Долгов А.Н., Жидков В.Н., Ким Н.В., Красильщиков М.Н., Ху 3., Ушимура К., Гонсалес Е., Сбродов В.В., Свиридов В.П., Давыдов В.Г., Башкиров Л.Г., Холл Д., Кревецкий А.В. и др.

К недостаткам существующих систем можно отнести недостаточное использование или отсутствие в них современных интеллектуальных методов анализа и обработки информации.

Существующие системы комплексирования информации ставят повышенные требования к качеству исходных данных, от которого напрямую зависят результаты работы системы. В реальных системах совмещения графической информации происходит прямое наложение разноспектральных изображений без проведения внутреннего анализа их структуры, что в некоторых случаях приводит к невозможности такого совмещения. Разработчики существующих систем комплексирования информации необоснованно пренебрегают известными результатами ситуационного анализа, хорошо зарекомендовавшими себя в теории управления.

Настоящая диссертация посвящена преодолению этих недостатков, созданию и применению наиболее адекватного математического аппарата для исследования, проектирования и эксплуатации интеллектуальных систем комплексирования навигационной информации (ИСКНИ), разработке новой архитектуры систем этого класса с использованием средств искусственного интеллекта, а также конкретным практическим проектным решениям при программировании ИСКНИ.

Оригинальной методикой совмещения информации об окружающей обстановке, полученной из различных источников информации находящихся на борту ДА, до сих пор не встречавшейся ни в отечественных, ни в зарубежных системах подобного класса, является предлагаемая в настоящей диссертации методика комплексирования информации на основе универсальных алгебр, нечёткой логики и теории унификации. Методика позволит произвести анализ радиолокационной и картографической информации: выделить объекты на радиолокационном изображении, определить их координаты и характеристики, идентифицировать объекты в соответствии с имеющейся базой знаний, основанной на нечётких множествах.

Целью работы является исследование и разработка эффективного инструментария для описания окружающей обстановки вокруг JIA, позиционирования, классификации и идентификации окружающих его объектов, определения собственных координат JIA, с помощью которого можно облегчить возложенные на человека задачи по принятию важных управленческих решений при оценке изменяющейся во времени ситуации.

Методы исследования. Исследование осуществлялось на основе теории универсальных алгебр, теории нечётких множеств, теории графов, методов структурного и объектно-ориентированного программирования.

Научная новизна. В диссертации предложена оригинальная методика описания пространственных ситуаций окружающей обстановки летательного аппарата и прикладная алгебраическая система для формализации предметной области.

Разработан не имеющий аналогов базовый алгоритм унификации термов описания пространственных ситуаций с целью определения координат летательного аппарата и позиционирования окружающих его объектов в условиях автономной навигации.

Спроектирована алгебра описания свойств объекта, на основе которой появляется уникальная возможность классификации и идентификации объектов, выделенных при анализе информации от бортовых источников JIA.

Составлен новый алгоритм унификации термов, полученных с помощью алгебры описания свойств объекта, позволяющий максимально эффективно идентифицировать объекты, выделенные при анализе бортовых источников информации.

Разработана оригинальная технология проектирования интеллектуальных систем комплексирования навигационной информации, обладающих высокой функциональностью и малой критичностью к качеству исходных данных.

Практическая ценность. Результаты работы являются основой для проектирования систем позиционирования, классификации и идентификации объектов. Используемые в диссертации формализм и методы позволяют на основе алгоритма описания пространственных ситуаций создавать модели предметной области, являющиеся основой оценки окружающей обстановки.

Результаты диссертации нашли отражение в реальной программе COINSlv (Complexing Information System light version), предназначенной для позиционирования и идентификации объектов на основе анализа радиолокационной и картографической информации.

Разработанная методология и технологические средства могут быть приняты за основу при создании новых перспективных интеллектуальных систем комплексирования навигационной информации.

Основные результаты исследований внедрены в деятельность Рязанского государственного приборного завода и в учебный процесс Рязанского государственного радиотехнического университета.

Положения, выносимые на защиту.

Разработанная методика описания пространственных ситуаций окружающей обстановки вокруг летательного аппарата на основе псевдофизической пространственной логики является эффективным инструментом оценки текущей полётной ситуации.

Спроектированная алгебраическая система, позволяет составить термы описания пространственных ситуаций для дальнейшего позиционирования, классификации и идентификации объектов.

Составленный базовый алгоритм унификации термов описания пространственных ситуаций даёт возможность определения координат летательного аппарата и позиционирования окружающих его объектов в условиях автономной навигации.

Разработанные алгебра описания свойств объекта и алгоритм унификации термов описания объектов, позволяют осуществить идентификацию объектов, выделенных при анализе информации от бортовых источников JIA.

Структура диссертационной работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложений.

Результаты исследования внедрены в деятельность ФГУП «Государственный рязанский приборный завод» по созданию программного обеспечения для разрабатываемых навигационных устройств.

Теоретические результаты диссертационной работы нашли применение в учебном процессе по подготовке студентов по специальностям 220400 в лекционном курсе дисциплины «Проектирование систем искусственного интеллекта» и 351400 в лекционном курсе дисциплины «Интеллектуальные информационные системы» в Рязанском государственном радиотехническом университете (см. приложение А).

В процессе работы над диссертацией основные её результаты, оформленные в виде отдельных программных разработок, были зарегистрированы в отраслевом фонде алгоритмов и программ. В связи с этим получены свидетельства об отраслевой регистрации разработок № 5418 на разработку «Выделение объектов на радиолокационном изображении с использованием интеллектуальных алгоритмов» от 23.11.2005 и № 5419 на разработку «Сопоставление и анализ радиолокационных изображений и электронных карт местности для бортовых навигационных систем» от 23.11.2005 (см. приложение Б).

Заключение

Настоящая диссертационная работа направлена на исследование и разработку интеллектуальных методов совместной обработки информации от бортовых источников J1A для современных систем навигации. Основные результаты, полученные в ходе выполнения работы, можно описать следующим образом.

В работе произведён обзор и определены недостатки существующих систем получения и совмещения информации об окружающей обстановке JIA с использованием бортовых средств навигации. Приведена классификация навигационных систем с указанием основных отличий способов получения информации. Выявлены их основные достоинства и недостатки, а также возможность их устранения.

Выполнен анализ существующих методов классификации и идентификации объектов (распознавания образов), определены перспективные направления их развития и усовершенствования.

Выявлены цели и задачи проектирования ИСКНИ нового поколения с элементами искусственного интеллекта. Приведена постановка задачи разработки математического формализма и соответствующей технологии для проектирования новых ИСКНИ, свободных от указанных недостатков существующих средств совмещения информации. Произведён детальный анализ предметной области. Выбраны, из числа существующих, наиболее подходящие методики, с помощью которых можно добиться желаемых результатов, выявлена возможность и разработаны способы их модификации и адаптации к условиям решаемой задачи.

Разработан математический аппарат выделения объектов на изображении и определения их статистических и физических характеристик.

На основе анализа мыслительного процесса человека выбран оригинальный подход к решению поставленной задачи с использованием псевдофизической логики пространства. Выполнена формализация предметной области путём разработки соответствующей алгебраической модели пространственной логики. Впервые смоделирована алгебра пространственных ситуаций, позволяющая адекватно и эффективно описывать и анализировать окружающую обстановку JIA на основе анализа радиолокационной и картографической информации. Определены тип и класс алгебры, исследованы свойства ее операций и свойства отношений соответствующей алгебраической модели. Разработан не имеющий аналогов базовый алгоритм унификации термов описания пространственных ситуаций с целью определения координат JIA и позиционирования окружающих его объектов в условиях автономной навигации.

Спроектирована алгебра описания свойств объекта, на основе которой появляется возможность идентификации объектов, выделенных при анализе информации от бортовых источников JIA. Определены тип и класс алгебры, исследованы свойства ее операций.

Спроектирована оригинальная структура базы знаний с применением теорий графов и нечётких множеств, позволяющая эффективно анализировать качественное описание объектов для определения их принадлежности к классам объектов реального мира. Составлен новый алгоритм унификации термов, полученных с помощью алгебры описания свойств объекта, позволяющий максимально эффективно идентифицировать объекты, выделенные при анализе бортовых источников информации.

После анализа теоретической базы, избегая недостатков существующих систем и принимая во внимания их основные достижения, был выявлен ряд требований, предъявляемых к классу систем, спроектированному в настоящей диссертации. Произведена постановка задачи для проектирования интеллектуальных систем комплексирования информации, определены входные и выходные данные.

На основе анализа исходной информации с учётом требований, предъявленных к системам подобного класса, построена оригинальная архитектура интеллектуальной системы комплексирования навигационной информации, отражающая назначение, функциональность и взаимодействие всех составляющих элементов системы.

Подробно рассмотрены особенности проектирования и разработаны типовые алгоритмы функционирования каждой составляющей системы комплексирования информации, выделенной при составлении общей архитектуры системы. Предложен способ автоматизации проектирования базы знаний, с помощью которой производится идентификация объектов. Способ основан на специальном представлении информации в виде термов и нечётких множеств.

Исследована возможность применения и предложен подход к проектированию подсистемы визуализации и представления информации с использованием иллюстративной и когнитивной составляющих компьютерной графики, способствующих интеллектуальному процессу восприятия новых знаний.

На основе оригинальной технологии проектирования ИСКНИ разработанной в диссертации, реализована СПИО, обладающая основными функциональными возможностями систем подобного класса, позволяющая избежать недостатков и учесть достоинства существующих систем совместной обработки информации.

Приведены основные проектные решения, позволяющие с достаточной эффективностью разрабатывать составляющие СПИО с учётом алгоритмов и методов, рассмотренных в теоретической части исследования.

Программно реализована система комплексирования информации от бортовых источников JIA COINSlv, предназначенная для выделения, позиционирования и идентификации объектов на РЛИ, являющаяся результатом практического применения описанных проектных решений.

На примере программы COINSlv практически подтверждена возможность применения теоретических результатов работы, полученных в предыдущих главах диссертации.

Рассмотрены достоинства и недостатки реализованной программной системы COINSlv, определены возможности обобщений, дальнейшего развития идей и методов, использования результатов диссертации в смежных областях.

Основные положения диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях: на 12 Международной научно-технической конференции «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (Рязань, 2004); на 10 ежегодной международной научно-технической конференции студентов и аспирантов "Радиоэлектроника, электротехника и энергетика" (Москва,

2004); на 14 Международной научно-технической конференции «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (Рязань, 2005); на Международной научно-технической конференции «Информационно-вычислительные технологии и их приложения» (Пенза,

2005); на 11 Международной открытой научной конференции "Современные проблемы информатизации" (Воронеж, 2006); на 13 Санкт-Петербургской международной конференции по интегрированным навигационным системам (Санкт-Петербург, 2006). А так же были публикации по теме диссертации в межвузовских сборниках научных трудов «Информатика и прикладная математика» (Рязань, 2003), «Математическое и программное обеспечение вычислительных систем» (Рязань, 2005). Получено 2 свидетельства об отраслевой регистрации разработок в отраслевом фонде алгоритмов и программ.

1. Baader F., Narendran P. Unification of concept terms in description logic, in H. Prade, ed. // Proceedings of the 13th European Conference on Artificial Intelligence (ECAI-98). John Wiley & Sons Ltd. - 1998. - pp. 331-335.

2. Baader F., Snyder W. Unification Theory. Elsevier Science Publishers B.V., 1999.-85 p.

3. Burstall R.M., Goguen J.A. Algebras, theories and freeness: an introduction for computer scientists. Theoretical Foundations of Programming Metodology. - Reidel. Publ. Сотр., 1982. - pp.329-349.

4. Chen Jim X., Yang Yonggao. Three-dimensional graphic formats, transducers and software for virtual reality // Computer Science and Engeneering : Joint Publication of the IEEE Computer Society and the American Institute of Physics. 2000. №5. - pp.67-73.

5. Computationally intelligent hybrid systems : the fusion of soft computing and hard computing / ed. by Seppo J. Ovaska. Piscataway (N. J.): IEEE press; Hoboken (N. J.): Wiley-interscience, cop. 2005. - 376 p.

6. Cropp A., Palmer P., McLauchlan P., Underwood C. Evaluation of position of the given satellite. Electron. Lett. 2000. - Vol.36, №15. - pp.1331-1332.

7. Daniel E. O'Leary Knowledge-Management Systems: Converting and Connecting // IEEE Intelligent systems. 1998. - №3. - pp. 30 - 33.

8. David Hughes. Testing of crew's cabin without portholes by NASA pilots // Aviation Week & Space Technology, 11.03.1996, p. 38.

9. De Bakker J.W., Kok J.N., Meyer J.-J.Ch., Olderog E.-R., Zucker J.I. Contrasting themes in the semantics or imperative concurrency. // LNCS 224, Springer-Verlag. 1986. - pp.51-121.

10. Gortcheva E., Garrido R., Gonsales E., Carvallo A. Prediction of the position of moving object for visual observing: theory and experiments // Intellegece Journal Adapt. Contr. And Sign. Proc. 2001. №4. - pp.377-392.

11. Hall D., Crowley J.L., Colin de Verdiere. Recognition of objects of various types by means of receptive fields // Intellegence Journal. 2000. №1-2. -pp.341-352.

12. Hayes P.J. A logic of actions. // Mashine Intelligence. N.Y., American Elsevier Publishing Co. -1971. - Vol.6 - pp.26-45.

13. Hu Z., Uchimura K. Detection of motion by moving observer using strict agreement of features // Int. J. Rob. and Autom., 2000. Vol.15, №1. - pp. 2126.

14. Joseph Anselmo. Data obtained from satellites play the key role in makepeace mission in Bosnia // Aviation Week & Space Technology. 11.12.1995. - p. 29.

15. Kashirin I.Yu. An Algebraic Approach to Object-Oriented Systems Design // Internet Conference "Problems of Mathematic and Informatic", HSU, Homel, 1994,-p.47.

16. Knight K. Unification: A Multidisciplinary Survey. ACM Computing Surveys. - 1989. - Vol.21, №1.- pp. 93-124.

17. Kumar K. Sunil, Desai U.B. Cooperative segmentation and interpretation of images // Pattern Recognition. 1999. №12. - pp.2077-2079.

18. Michael Bajura, и др. Fusion of virtual objects with the real world: observing ultrasound image inside a patient // Computer Graphics. 26.07.1992. - Vol.2, pp.-203-210.

19. Milind G., Polychronopoulos C.D. The hierarchical task graph as a universal intermediate representation // International Journal Parallel Programming. -1994. -Vol.22, N5. -pp.519-551.

20. Moller H., etc. Synthetic system of technical view for improving night flights, flights under the conditions of poor vision or adverse weather // IEEE. 1993. -pp.286-291.

21. Mosses P. A basic abstract semantic algebra // Lecture Notes of Computer Sciences. 1984. - Vol.173. - pp.87-107.

22. Sanchiz Jose M., Fisher Robert Burns. Finding of coordinates of the view point by three-dimensional images, obtained by distant sensor with central perspective // IEEE Trans. Pattern. Anal. And Mach. Intell. 2000. - Vol.22, №l.-pp. 1324-1329

23. Siekmann J.H. Unification theory. Advances in Artificial Intelligence - II. -Elsevier Science Publishers B.V. - North- Holland. - 1987. - pp. 365-400.

24. Winkowski J., Maggiolo-Schettini An Algebra of Process // Journal of Computer and System Science. 1987, Vol.35, № 2. - pp. 206-228.

25. Yiyao Li, Venkatesh Y.V., Ко Chi Chung. Merging of images obtained from several sensors by means of modifying influence coefficients and ANOVA methods // IEEE Trans. Geosci. And Remote Sens. 2000. №4. - pp. 1976-1988.

26. Архангельский А.Я. С++ Builder 6. Справочное пособие. Язык С++. М.: Бином-Пресс, 2002. - 544с.

27. Бабкин Э.А., Козырев О.Р., Куркина И.В. Методы предоставления знаний и алгоритмы поиска в задачах искусственного интеллекта: Учебное пособие. Н. Новгород: Нижегородский фил. Гос. ун-та Высш. шк. экономики, 2005. - 194с.

28. Бадамшин Р.А., Ильясов Б.Г., Черняховская JI.P. Проблемы управления сложными динамическими объектами в критических ситуациях на основе знаний. М.: Машиностроение, 2003. - 283с.

29. Башкиров Л.Г. Синтез алгоритма распознавания при использовании нескольких систем // Вестник Московского авиационного института. -1999. №2. С.84-88

30. Башмаков А.И., Башмаков И.А. Интеллектуальные информационные технологии: Учебное пособие для студентов вузов. М.: Изд-во МГТУ им. Н.Э. Баумана, 2005.-451с.

31. Болотова Л.С., Смирнов Н.А., Смольянинов А.А. Системы искусственного интеллекта: Теоретические основы СИИ и формальные модели представления знаний: Учебное пособие. М.: Моск. гос. ин-т радиотехники, электроники и автоматики (техн. ун-т), 2003. - 418с.

32. Борисов А.Н. и др. Модели принятия решений на основе лингвистическойпеременной. Рига: Зинатне, 1982.

33. Борисов А.Н. и др. Принятие решений на основе нечетких моделей: Примеры использования. Рига: Зинатне, 1990.

34. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. - 464с.

35. Буч Г. Объектно-ориентированное проектирование с примерамищ,применения. М.: Конкорд, 1992. - 254с.

36. Вагин В.Н. Дедукция и обобщение в системах принятия решений. М.: Наука, 1988.-384 с.

37. Варшавский П.Р. Методы и программные средства поиска решения на основе аналогий в интеллектуальных системах поддержки принятия решений: Дис. канд. техн. наук. М., 2005. 142с.

38. Васильев В.И. Проблемы обучения распознаванию образов. Принципы, алгоритмы реализация. Киев: ВШ, 1989.

39. Верхаген К. и др. Распознавание образов. Состояние и перспективы. -М.: Радио и связь, 1985. 104с.

40. Вишняков Ю.М., Кодачигов В.И., Родзин С.И. Учебно-методическое пособие для самостоятельной работы по курсам "Системы искусственного интеллекта", "Методы распознавания образов". Таганрог: Изд-во ТРТУ, 1999.- 132с.

41. Гавриленко Т.В. Представление знаний о динамической предметной области методами теоретико-множественного анализа: Дис. . канд. техн. наук. Сургут, 2004. 135с.

42. Гапоненко И.В. Методы решения задачи распознавания образов при использовании экспертной информации. М.: ВШ, 1990.

43. Гинзбург В.М. Формирование и обработка изображений в реальном времени: Методы быстрого сканирования. М.: Радио и связь, 1986. - 232с.

44. Гладкий С.Л., Степанов Н.А., Ясницкий Л. Н. Интеллектуальное компьютерное математическое моделирование. Пермь: Пермский гос. пед. ун-т, 2005.- 178с.

45. Горелик А.Л., Гуревич И.Б., Скрипкин В.А. Современное состояние проблемы распознавания. М.: Радио и связь, 1985. - 160с.

46. Горелик А.Л., Скрипкин В.А. Методы распознавания. Учебное пособие для вузов. М.: ВШ, 1989. - 231с.

47. Дедус Ф.Ф. Обобщенный спектрально-аналитический метод обработки информационных массивов. Задачи анализа изображений и распознавания образов. М.: Машиностроение, 1999.

48. Денисов И.В. Архитектуры систем искусственного интеллекта. -Владивосток: Мор. гос. ун-т им. адмирала Г. И. Невельского, 2004. 284с.

49. Дружинин В.В. Конторов Д.С. Конфликтная радиолокация (опыт системного исследования). М.: Радио и связь, 1982. - 124с.

50. Дулин С.К. Структурная согласованность данных и знаний: Учебное пособие. М.: МЗ Пресс, 2005. - 361с.

51. Ерофеев А.А., Долгов А.Н. Интеллектуальные системы управления в составе бортовых радиоэлектронных комплексов летательных аппаратов // Труды СПбГТУ. 2000. №480. - С.106-111.

52. Жидков В.Н., Ким Н.В., Красильщиков М.Н. Интеллектуальные системы летательных аппаратов // Интеллектуальное управление в сложных системах-99: Материалы республиканской н.-т. Конференции Уфа, 17-18 июня 1999.-Уфа, 1999. С.138-140.

53. Жуковская Н.К. Исследование и разработка моделей рассуждений в интеллектуальных обучающих системах: Дис. . канд. техн. наук. Таганрог, 2004. 167с.

54. Заде JI. Понятие лингвистической переменной и его применение к принятию приближённых решений. М.: Мир, 1976. - 165с.

55. Змитрович А.И. Интеллектуальные информационные системы. Минск: ТетраСистемс, 1997. - 368с.

56. Интегрированные инерциально-спутниковые системы навигации // Сборник докладов и статей под общей редакцией академика РАН В.Г.Пешехонова Составитель: д.т.н. О.А.Степанов. СПб.: ГНЦ РФ-ЦНИИ "Электроприбор", 2001. - 235с.

57. Инфельд JI. Мои воспоминания об Эйнштейне // Успехи физической науки. 1956. №1. - с. 163.

58. Искусственный интеллект: В 3-х кн. Кн. 1. Системы общения и экспертные системы: Справочник / Под ред. Э.В. Попова. М.: Радио и связь, 1990. -464с.

59. Искусственный интеллект. Современный подход / Стюарт Рассел, Питер Норвиг / пер. с англ. и ред. К. А. Птицына. М.: ИД Вильяме, 2006. - 278с.

60. Каширин И.Ю., Маликова Л.В., Маркова В.В. Дискретная математика. Учебное пособие. Рязань: РГРТА, 2002. - 48с.

61. Клещев А.С. Представление знаний в человеко-машинных и робототехнических системах. -М.: ВИНИТИ, 1984.

62. Клочко В.К., Клочко К.К., Чураков Е.П. Последовательное выделение изображений в задаче распознавания образов // Известия вузов -Приборостроение. 1990. - С.28-33.

63. Клочко В.К. Обнаружение движущихся изображений точечных и протяженных объектов в последовательности телевизионных кадров // Автометрия. 1993. №1. - С.39-47.

64. Клочко В.К., Чураков Е.П. Выделение меняющихся изображений в условиях неопределенности // Автометрия. 1996. №2. - С.51-58.

65. Ковалев В.З., Татевосян А.С., Татевосян А.А. Интеллектуальные информационные системы: Конспект лекций. Омск: ОмГТУ, 2005. - 93с.

66. Когнитивная компьютерная графика / А.А. Зенкин / Под ред. Д.А. Поспелова. М.: Наука, 1991. - 192с.

67. Козырев М.А. Автоматизация проектирования систем интеллектуального анализа данных в сфере энергетики и регионального управления: Автореф. дис. канд. техн. наук. Иваново, 2004. 21с.

68. Комарцова Л.Г. Использование нейросетевых методов для решения задач проектирования вычислительных систем. М.: Изд-во МГТУ им. Н.Э. Баумана, 2000. - 72с.

69. Коренной А.В., Егоров С.А. Совместное обнаружение и определение местоположение объекта на фоновом изображении // Сборник научных трудов Воронежского ГТА. 2000. №4. - С.231-234.

70. Коробов И.Л., Артемов Г.В. Принятие решений в системах, основанных на знаниях: Учебное пособие. Тамбов: Изд-во ТГТУ, 2005. - 294с.

71. Короткин А.А. Интеллектуальные информационные системы. Представление знаний и логический вывод: Учебное пособие. -Ярославль: Ярославский государственный университет, 2004. 322с.

72. Костюков В.В. Применение оптико-электронных систем для решения навигационных задач // Навигация и управление движением: Материалы VII конференции молодых ученых под общей редакцией академика РАН

73. В.Г.Пешехонова Научный редактор д.т.н. О.А.Степанов СПб.: ГНЦ РФ-ЦНИИ "Электроприбор", 2001. 272 с.

74. Кревецкий А.В. Распознавание рельефных объектов по форме контуров, заданных в трёхмерном базисе // Сборник материалов 4 МНК «Распознавание-99», Курск, 20-22 октября 1999. Курск: Изд. Курского ГТУ, 1999. - С.18-20.

75. Кузин JI.T. Основы кибернетики. Т.2. Учебное пособие. М.: Энергия, 1979.-584с.

76. Кузнецов О.П., Адельсон-Вельский Г.М. Дискретная математика для инженера. 2-е изд., перераб. и доп. - М.: Энергоатомиздат, 1988. - 480с.

77. Куркин В.И. Системы искусственного интеллекта: Учебное пособие. -М.: Моск. техн. ун-т связи и информатики, 2005. 312с.

78. Левин В.И. Искусственный интеллект в XXI веке : III Всерос. науч.-техн. конф., нояб. 2005 г.: сб. ст. Пенза: Приволж. Дом знаний, 2005. - 358с.

79. Леденева Т.М., Подвальный С.Л., Васильев В.И. Системы искусственного интеллекта и принятия решений: Учебное пособие. Уфа: Уфимский гос. авиац. техн. ун-т, 2005. - 427с.

80. Лобив И.В. Программные системы для идентификации и локализации объектов в изображениях: Дис. канд. физ.-мат. наук. Новосибирск, 2004. 129с.

81. Лосев С.А., Толмачев С.Г. Системы искусственного интеллекта: Учебное пособие. СПб.: Балтийский гос. техн. ун-т, 2005. - 357с.

82. Лыткина Л.И., Саяпин А.В. Интеллектуальные системы: Учебное пособие. Красноярск: Сиб. гос. аэрокосм, ун-т им. акад. М. Ф. Решетнева, 2005. -386с.

83. Математические и информационные службы: "Автоматическая регистрация изображений от различных датчиков" // Laser Tech Briefs.1994.-c.68.

84. Мелихов А.Н., Карелин В.П. Методы распознавания изоморфизма и изоморфного вложения четких и нечетких графов. Таганрог: Изд. ТРТУ,1995.-90с.

85. Нейрокомпьютерные системы: Методические указания к лабораторным работам / А.В. Благодаров, Г.А. Новиков, Г.В. Овечкин, А.В. Суснина, И.О. Тесленко / Под ред. А.Н. Пылькина. Рязань: РГРТА, 2000. - 62с.

86. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986. - 312с.

87. Нильсон Н. Принципы искусственного интеллекта: Пер. с англ. М.: Радио и связь, 1985.-372с.

88. Новиков Ф.А. Дискретная математика для программистов. Учебник для вузов. 2-е изд. СПб.: Питер, 2005. - 364с.

89. Объектно-ориентированное проектирование программ в среде С++. Вопросы практики и теории / И.Ю. Каширин / Под ред. Л.П. Коричнева. -М.: Госкомвуз России, НИЦПрИС, 1996. 192с.

90. Орлов В.А. Граф схемы алгоритмов распознавания. - М.: Наука, 1982. -120с.

91. От моделей поведения к искусственному интеллекту / П.К. Анохин / Под ред. В.Г. Редько. М.: URSS, 2006. - 324с.

92. Пат. US 5706012, МПК G 01 S 13/00. Способ виртуальной интерферометрии, 1998. Электронный ресурс. Патентное ведомство США http://www.uspto.gov/patft/index.html

93. Пат. РФ 2024033, МПК G 01 S 13/00. Способ обзора пространства, 1994. Электронный ресурс. Федеральный институт промышленной собственности <http://www.fips.ru/>

94. Пилюгин В.В., Сумароков J1.H., Фролов К.В. Машинная графика и автоматизация научных исследований // Вестник АН СССР. 1985. №10. -С.50-58.

95. Подлипский O.K. Решение задач классификации при двух оценках по каждому признаку для построения полных баз экспертных знаний: Дис. канд. физ.-мат. наук. М., 2005. 133с.

96. Пойа Д. Математика и правдоподобные рассуждения. М.: Изд-во Иностранной литературы, 1957. - 535с.

97. Попов П.Г. Совмещение изображений телевизионного и тепловизионного каналов // Автометрия. 1993. №1. - С.35-39.

98. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987.

99. Поспелов Д.А. Логико-лингвистические модели в системах управления. -М.: Энергия, 1981.-231с.

100. Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука, 1986.-288с.

101. Поспелов Д.А. Фантазия или Наука. На пути к искусственному интеллекту. -М.: Наука, 1982.

102. Пункаре А. О науке. М.: Наука, 1983.

103. Радиолокационные системы воздушных судов / Под ред. П.С. Давыдова. -М.: Транспорт, 1988. С.176-178.

104. Разработка программно-математического обеспечения систем технического зрения нового поколения. Электронный ресурс. Сайт Московского физико-технического института (государственного yHHBepcHTeTa)<http://www.mfti.ru/nauka/f228ed/a169ed.esp>(03.03.2006)

105. Рапопорт Г.Н., Герц А.Г. Искусственный и биологический интеллекты: общность структуры, эволюция и процессы познания.

106. М.: URSS: КомКнига, 2005. 548с.

107. Распознавание. Классификация. Прогноз / Под ред. Ю.И. Журавлева. М.: Наука, 1989.

108. Растригин JI.A., Эренштеин Р.Х. Метод коллективного распознавания. -М.: Энергоиздат, 1981. 79с.

109. Реброва М.П. Автоматическая классификация в системах обработки информации. Поиск документов. М.: Радио и связь, 1983. - 96с.

110. Ротенберг В. Мозг. Стратегия полушарий // Наука и жизнь. 1984. N6.

111. Рыжов А.П. Элементы теории нечетких множеств и измерения нечеткости. М.: Диалог-МГУ, 1998. - 241с.

112. Самарин О.Ф., Курилкин В.В. Концепция выполнения маловысотного полета летательного аппарата с помощью автономных БРЛС // Радиотехника. 1998. №1. - С.47-50.

113. Сбродов В.В., Свиридов В.П., Давыдов В.Г. Исследование эффективности алгоритма опознания ориентиров в комбинированных системах управления подвижных объектов // Вестник Самарского ГТУ. 2000. №8. -С. 179-186.

114. Селекция и распознавание на основе локационной информации / А.Л. Горелик, Ю.Л. Барабаш, О.В. Кривошеев, С.С. Эпштейн / Под ред. А.Л. Горелика. М.: Радио и связь, 1990. - 240с.

115. Сидоркина И.Г. Инструментальные средства представления знаний: Учебное пособие. Йошкар-Ола: Марийский гос. техн. ун-т, 2005. - 517с.

116. Суровцев И.С., Кмокин В.И., Пивоварова Р.П. Нейронные сети. Введение в современную информационную технологию. Воронеж, 1994. - 260с.

117. Тейз А., Грибомон П., Луи Ж. и др. Логический подход к искусственному интеллекту: от классической логики к логическому программированию: Пер. с франц. М.: Мир, 1990. - 432с.

118. Теория когерентных изображений / П.А. Бакут и др. / Под ред. Н.Д. Устинова. М.: Радио и связь, 1987. - 264с.

119. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978. -411с.

120. Финн В.К., Михеенкова М.А. Некоторые проблемы обобщенного ДСМ-метода автоматического порождения гипотез // Семиотика и информатика. 1993. №33. - С.136-164.

121. Фишер Р. От поверхностей к объектам. Машинное зрение и анализ трехмерных сцен. М.: Радио и связь, 1993. - 288с.

122. Фоли Дж., Вэн Дэм А. Основы интерактивной машинной графики: в 2-х книгах. Кн. 1. Пер с англ. М.: Мир, 1985.

123. Фор А. Восприятие и распознавание образов: Пер. с фр. М.: Машиностроение, 1989. - 272с.

124. Хант Э. Искусственный интеллект. М.: Мир, 1978. - С.63-244.

125. Частикова В.А. Оптимизация процессов поиска решений в интеллектуальных системах обработки экспертной информации на основе генетических алгоритмов: Дис. . канд. техн. наук. Краснодар, 2005. -149с.

126. В.Г.Пешехонова Научный редактор д.т.н. О.А.Степанов. СПб.: ГНЦ РФ-ЦНИИ "Электроприбор", 2001. - 244 с.

127. Щекин Г.В. Ассиметрия мозга и психологические особенности человека // Вашатестотека. 1992. №2. - С. 102-112.

128. Энтештейн А. Физика и реальность. М.: Наука, 1965.