Luận án tiến sĩ: Nhận dạng mục tiêu ra đa ứng dụng mạng nơ-ron học sâu

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ NGUYỄN VĂN TRÀ NGHIÊN CỨU BÀI TOÁN TỰ ĐỘNG NHẬN DẠNG MỤC TIÊU RA ĐA ỨNG DỤNG MẠNG NƠ-RON HỌC SÂU LUẬN ÁN TIẾN SĨ KỸ THUẬT HÀ NỘI-2024 BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ NGUYỄN VĂN TRÀ NGHIÊN CỨU BÀI TOÁN TỰ ĐỘNG NHẬN DẠNG MỤC TIÊU RA ĐA ỨNG DỤNG MẠNG NƠ-RON HỌC SÂU Ngành: Kỹ thuật ra đa dẫn đường Mã số: 9 52 02 04 LUẬN ÁN TIẾN SĨ KỸ THUẬT NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. TS Vũ Chí Thanh 2. TS Đoàn Văn Sáng HÀ NỘI-2024 i LỜI CAM ĐOAN Tôi xin cam đoan, đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả trình bày trong luận án là hoàn toàn trung thực và chưa từng được công bố trong bất kỳ công trình nào khác, các dữ liệu tham khảo được trích dẫn đầy đủ.

Hà Nội, ngày tháng năm 2024 Tác giả luận án Nguyễn Văn Trà ii LỜI CẢM ƠN Luận án này được thực hiện và hoàn thành tại Viện Ra đa, Viện Khoa học và Công nghệ quân sự. Lời đầu tiên, NCS xin bày tỏ lòng biết ơn sâu sắc đến TS Vũ Chí Thanh và TS Đoàn Văn Sáng, những người đã hướng dẫn tận tình, giúp đỡ, động viên tôi vượt qua nhiều khó khăn trong quá trình nghiên cứu và hoàn thành luận án. Tôi xin chân thành cảm ơn Ban Giám đốc Viện KH-CNQS; Thủ trưởng và cán bộ, nhân viên Phòng Đào tạo, Thủ trưởng và các Ban chức năng Viện Ra đa, Viện Khoa học và Công nghệ quân sự đã hướng dẫn và giúp đỡ tôi trong suốt quá trình thực hiện luận án. Xin bày tỏ lòng biết ơn tới các nhà khoa học tại Viện Khoa học Công nghệ quân sự, Học viện Kỹ thuật Quân sự, Trường đại học Bách khoa Hà Nội, Trường đại học Công nghệ/đại học Quốc gia Hà Nội đã có những nhận xét và gợi ý vô cùng quí báu về luận án của tôi.

Cuối cùng, tôi xin trân trọng cảm ơn các bạn bè, đồng nghiệp và gia đình đã ủng hộ, động viên và giúp đỡ tôi trong thời gian nghiên cứu và hoàn thành luận án. Hà Nội, ngày tháng năm 2024 Tác giả luận án Nguyễn Văn Trà iii MỤC LỤC Trang DANH MỤC CÁC KÍ HIỆU, CHỮ VIẾT TẮT…………. vi DANH MỤC CÁC BẢNG………………………………………………. ix DANH MỤC CÁC HÌNH VẼ…………………………………………….

NHẬN DẠNG MỤC TIÊU RA ĐA ỨNG DỤNG TRÍ TUỆ NHÂN TẠO, THIẾT LẬP BÀI TOÁN………. Tổng quan bài toán nhận dạng mục tiêu ra đa. Giới thiệu bài toán ……………………. Các dấu hiệu nhận dạng.

Các phương pháp nhận dạng mục tiêu ra đa ………………………. Tập dữ liệu ra đa ………………. Tình hình nghiên cứu bài toán nâng cao chất lượng nhận dạng mục tiêu ra đa ứng dụng mạng nơ-ron học sâu …………………………………. Tình hình nghiên cứu ngoài nước…………………………………… 28 1.

Tình hình nghiên cứu trong nước……………………………………. Đề xuất hướng nghiên cứu của luận án. Kết luận Chương 1……………………………………………………. ĐỀ XUẤT MẠNG NƠ-RON HỌC SÂU RINET VÀ GIẢI PHÁP NHÂN TRỌNG SỐ HÀM MẤT MÁT FOCAL LOSS NÂNG CAO CHẤT LƯỢNG NHẬN DẠNG MỤC TIÊU.

Kỹ thuật học sâu ứng dụng cho bài toán nhận dạng mục tiêu ra đa…… 41 2. Kỹ thuật học sâu………………………………………………. Các tiêu chuẩn so sánh, đánh giá……………………………………. Tham số phần mềm và cấu hình phần cứng máy tính……………….

Đề xuất mô hình mạng nơ-ron học sâu nhận dạng mục tiêu ra đa trên ảnh cự ly – tần số Doppler của tập dữ liệu RAD-DAR……………………. Đề xuất cấu trúc mô hình RINet ……. Đánh giá hiệu quả của cấu trúc CNN mô hình RINet. Đề xuất nhân trọng số hàm mất mát Focal Loss nhằm nâng cao xác suất nhận dạng đúng mục tiêu Flycam………………….

Hàm mất mát và phương pháp tối ưu. Hàm mất mát Cross Entropy………. Hàm mất mát Focal Loss…. Đề xuất nhân trọng số hàm mất mát Focal Loss….

Đánh giá hiệu quả của việc nhân trọng số hàm mất mát Focal Loss. Kết luận Chương 2…………………………………………………. 68 CHƯƠNG 3 GIẢI PHÁP LỌC NHIỄU NÂNG CAO CHẤT LƯỢNG NHẬN DẠNG TRONG MẠNG NƠ-RON HỌC SÂU RINET………. Xây dựng bộ lọc nhiễu cho mô hình mạng nơ-ron RINet……….

Nhiễu trong ảnh dữ liệu mục tiêu ra đa. Vị trí của bộ lọc nhiễu trong mô hình RINet. Nghiên cứu các phương pháp lọc nhiễu …………………. Các phương pháp bảo tồn vùng ảnh đặc trưng của bộ lọc nhiễu…….

Đề xuất bộ lọc thích nghi tự động điều chỉnh kích thước cửa sổ lọc cho mô hình RINet …. Đánh giá hiệu quả của phương pháp đề xuất. Ảnh đặc trưng của mạng nơ-ron trong trường hợp tín hiệu đầu vào 86 có nhiễu và không có nhiễu …. Đánh giá hiệu quả bằng thực nghiệm …………………………….

Kết luận Chương 3…. ĐỀ XUẤT SINH ẢNH MỤC TIÊU BẰNG MẠNG SINH ĐỐI NGHỊCH GAN NHẰM NÂNG CAO CHẤT LƯỢNG NHẬN DẠNG CỦA MẠNG NƠ-RON HỌC SÂU RINET. HIỆU QUẢ TỔNG 95 THỂ……. Phương án đề xuất ………………………………………………….

Tổng quan bài toán tăng cường dữ liệu ảnh mục tiêu ra đa …. Các giải pháp tăng cường dữ liệu ảnh mục tiêu ra đa. Đề xuất mô hình mạng sinh đối nghịch GAN để tăng cường dữ liệu cho cho tập dữ liệu RAD-DAR …………. Thử nghiệm và đánh giá kết quả ………………………….

Các phương pháp đánh giá ………. Đánh giá hiệu quả giải pháp sinh ảnh bằng mạng sinh đối nghịch 106 GAN bằng phương pháp thực nghiệm. Đánh giá hiệu quả của mô hình mạng nơ-ron RINet kết hợp với các 112 giải pháp nâng cao chất lượng nhận dạng mục tiêu …. Tổng hợp mô hình RINet đề xuất ……………………….

Đánh giá hiệu quả của mô hình RINet đề xuất ……. Kết luận Chương 4 ……………………………. 118 DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ……. 120 TÀI LIỆU THAM KHẢO……………………………………………….

121 vi DANH MỤC CÁC KÍ HIỆU, CHỮ VIẾT TẮT θ [độ] Góc hướng chuyển động của mục tiêu σ [m2] Diện tích phản xạ hiệu dụng mục tiêu ra đa σ2 Phương sai λ [m] Bước sóng làm việc của ra đa f [Hz] Tần số Doppler ρ [m] Độ phân giải cự ly ra đa R [m] Cự ly Pt [watt] Công suất đỉnh máy phát Gt Hệ số khuếch đại anten phát d [m] Khoảng cách S [hz] Độ dốc tần số c [m/s] Vận tốc ánh sáng B [Hz] Độ di tần tín hiệu phát Δϕ [độ] Độ dịch pha k Hằng số Boltzman Ts [độ] Nhiệt độ hệ thống Sin Tín hiệu đầu vào lớp tích chập Fxy Kết quả đầu ra của phép tích chập bộ lọc xy Fconcat Kết quả đầu ra phép xếp chồng Concatnate p [%] Phân phối xác suất thực tế q [%] Phân phối xác suất dự báo CE Hàm mất mát Cross Entropy ft [%] Tần suất của đối tượng t wt [%] Hệ số trọng lượng mức độ ưu tiên X∪Y Hợp của hai tập hợp X và Y X∩Y Giao của hai tập hợp X và Y 𝑓(∙) Hàm số vii log(∙) Logarit tự nhiên exp(∙) Hàm mũ v [m/s] Vận tốc zm Trung bình cục bộ epochs Số lần duyệt qua hết các dữ liệu trong tập huấn luyện batch Số lượng mẫu ảnh sử dụng trong 1 lần để cập nhật tham số mạng size nơ-ron ADC Bộ biến đổi tương tự - số (Analog Digital Converter ) AI Trí tuệ nhân tạo (Artificial Intelligence) ASWNF Bộ lọc nhiễu kích thước cửa sổ trượt thích nghi (Adaptive Size Window Noise Filter) CNN Mạng nơ-ron tích chập (Convolutional Neural Network) CRF Hợp nhất ra đa và camera (Radar Camera Fusion) CV Thị giác máy tính (Computer Vision) DL Học sâu (Deep Learning) DP Xử lý phát hiện (Detection Pocessing) DTC Khoảng cách đến trung tâm (Distance To Center) FC Kết nối đầy đủ (Fully Connected) FFT Phép biến đổi Fourier nhanh (Fast Fourier Transform) FMCW Điều tần tuyến tính liên tục (Frequency Modulated Continuous Wave) GAN Mạng sinh đối nghịch (Generative Adversarial Network) GD Hạ gradient (Gradient Descent) HRR Ra đa độ phân giải cao (High Resolution Radar) HMI Giao diện người máy (Human-Machine Interface) MSE Lỗi trung bình bình phương (Mean Square Error) PE Tạo các điểm dấu (Plots Extraction) RA Cự ly - phương vị (Range - Azimuth) RAD Cự ly - phương vị - tần số Doppler (Range - Azimuth - Doppler) viii RAD_DAR Ra đa với máy thu đa kênh kỹ thuật số (Radar with Digital Array Receiver) (Radar with Digital Array Receiver) RATR Tự động nhận dạng mục tiêu ra đa (Radar Automatic Target Recognition) RCS Diện tích phản xạ hiệu dụng ra đa (Radar Cross Section) RD Cự ly - tần số Doppler (Range - Doppler) ROI Những vùng ảnh quan tâm (Regions Of Interest) SAR Ra đa tổng hợp mặt mở (Synthetic Aperture Radar) SNR Tỷ số tín trên tạp (Signal to Noise Ratio) STFT Phép biến đổi Fourier trong thời gian ngắn (Short-time Fourier Transform) TTS Phần mềm bám quỹ đạo ra đa (Targets Tracker Software) UAV Phương tiện bay không người lái (Unmanned Aerial Vehicle) USV Xuồng không người lái (Unmanned Surface Vehicle) ix DANH MỤC CÁC BẢNG Trang Bảng 1. Các tập dữ liệu ra đa gán nhãn. Bảng tham số mục tiêu DJI Phantom 4. So sánh các cấu trúc CNN điển hình.

So sánh kết quả nhận dạng mục tiêu ra đa với các hàm mất mát khác nhau ………………………………………………………. So sánh kết quả nhận dạng mục tiêu mô hình CNN-DC32 với các mô hình khác ………………………………. So sánh mô hình mạng nơ-ron với các cấu trúc CNN khác nhau. So sánh mô hình RINet với số lượng các khối R-I Block khác nhau …………………………………………………………….

So sánh độ chính xác nhận dạng của các mô hình mạng nơ-ron. So sánh kết quả nhận dạng mục tiêu của mô hình RINet trên các tập dữ liệu khác nhau…………………………………………. So sánh kết quả nhận dạng với dữ liệu đầu ra bộ lọc Lee với các kích thước cửa sổ khác nhau và bộ lọc ASWNF ………. So sánh kết quả nhận dạng mục tiêu của các mô hình mạng nơ- ron khác khi áp dụng bộ lọc nhiễu ASWNF ……………….

So sánh kết quả nhận dạng mục tiêu của mô hình RINet trên các tập ảnh tăng cường khác nhau ………………………. Kết quả nhận dạng của các mô hình mạng nơ-ron khác trên tập ảnh tăng cường …………………………………………………. So sánh kết quả nhận dạng mục tiêu của mô hình RINet với các mô hình khác ……………………………………………………. 115 x DANH MỤC CÁC HÌNH VẼ Trang Hình 1.

Ứng dụng học sâu cho bài toán tự động nhận dạng mục tiêu ra đa. Ảnh dữ liệu RA vị mục tiêu người đi xe đạp……………. Đặc tính xung của mục tiêu……………………………………. So sánh hai mẫu tín hiệu mục tiêu trên miền thời gian và ảnh phổ sau phép biến đổi STFT………………………………….

Đặc trưng phản xạ của các mục tiêu…………………………. Biểu diễn tín hiệu phản hồi theo thời gian và tần số của mục tiêu…………………………………………………………. Ảnh cự ly – vận tốc Doppler mục tiêu người đi bộ ra đa FMCW…………………………………………………………. Phân tích độ dịch tần số micro-Doppler qua phép biến đổi STFT…………………………………………………………… 13 Hình 1.

Dấu hiệu micro-Doppler của mục tiêu………………………… 13 Hình 1. Thông tin pha và độ lệch pha từ 2 chấn tử anten liên tiếp tín hiệu phản xạ từ mục tiêu là người đi bộ……………………….