В охранных системах, чтобы не начинать панику заранее необходимо определить габариты объекта и направление его движения (и скорость тоже). Есть куча акустических датчиков, работающих на частотах от 40 КГц и выше, позволяющих получать точное положение объекта. Есть сложные сигналы, позволяющие получить множество "точек отражения". Есть решетка приемников, позволяющих определить координаты этих точек отражения. Но как определить общую форму? Или хотя бы корреляцию этой формы с заданными эталонами? Если нам известны только пеленги и дистанция до "точек отражения"...

Если решётка - двумерная и датчики выдают информацию о размере объекта (например, для больших объектов - большие амплитуды, для меньших объектов - меньшие), то можно построить эту амплитудную картину. Применив, например, устройства стабилизации ложных тревог, можно отсечь шумы (в соответствии с заданнми порогами). Одним словом, обычная радиолокационная задача.

На высоких частотах (80Кгц) сигнал от объектов становится после сворачивания "многоточечным". То есть нет связи яркости конкретной точки от размеров объекта. Плюс есть много шумов, которые нужно фильтровать. И вопрос как раз и состоит в том, чтобы по этим точкам в пространстве описать форму объекта. Есть ли какие-нибудь готовые методы для этого?


А что это за устройство стабилизации сложных тревог? Последовательный анализ Вальда?

Непростая задача, особено если количество наблюдаемых целей много больше единицы.
ИМХО может статься и довольно сложная обработка.
К примеру, возможная последовательность действий.

1. Обнаружение цели.
2. Калман (селекция цель / ghost ).
3. Метод моментов.
4. Построение изображения (обратный аппертурный синтез.)
5. Построение вектора признаков.
(Стат. моменты + вектор состояния цели + вектор признаков изображения)
6. Классификатор и сравнение с базой (Нейронка).
Возможны вариации, все зависит от конкретной задачи.





Да, совсем забыл, если у тебя многочастотная системма для построения фокусированного изображения цели попробуй методы МUSIC или ESPRIT, они неплохо работают. Описание методов можно найти в книгах по адаптивным решеткам.
Ваял я что-то в этом роде лет 7 назад. .

Определение вектора состояния цели тоже бородатая проблема.

Dr_Crazy, ты очень интресно описал, как бы ты делал систему классификации объектов эхолокации. А у тебя есть какая-нибудь электронная литература на эту тему? Или ссылки?
Потому как вопросов осталось много.

1. Обнаружение цели - понятно. Сравнение с порогом, зависящим от уровня помех
2. Калман (селекция цель / ghost ) - КАК ?????
3. Метод моментов - что это такое ???
4. Построение изображения (обратный аппертурный синтез) - понятно
5. Построение вектора признаков - тоже понятно. собрали в кучу все, что знаем

И про вектор состояния цели - есть стандартные подходы или в самом деле собираем все, что знаем в кучу и отдаем нейронной сети ?



А можно поподробнее? Хотя бы примерно, чтобы знать, что искать.

Вектор состояния цели - координаты цели и их производные - определение их зависит от ширины ДН приемной антенны. Если ДН узкая то задача классическая, Если ДН широкая то при разложении по радиальной и тангенциальной составляющим возникает неопределенность по одной из компонент которую можно убрать учитывая измерения проведенные вторым , третьим .... и т.д. приемником. При этом в случае нескольких целенй возникают неоднозначность в решении системы уравнений что приводит к появлению ложных целей (ghost), однако при счетном количестве целей (несколько) можно определять предысторию движения каждой цели (и истинной и ложной) и пытаться их разделить (собственно говоря Калмановская фильтрация применяется здесь). ИМХО в сложной помеховой обстановке этот алгоритм работает нестабильно и может есть много процессорного времени.
Вообще чем больше приемных устройств тем оно как-то лучщее.

Метод моментов -метод определения статистических характеристик цели.
(ИМХО работает при некогерентном приеме), при когерентном приеме надо строить изображение, а потом определять его характеристики.

При решении задачи классификации необходимо еще иметь и приличный банк данных по модельному поведению цели так-как в зависимости от ее поворота изображение будет менятся. В общем задачка еще та...

Частично по алгоритмам публикации есть, но только англоязычные, в электронном виде нет,
Могу отсканить и выслать на мыло в течении след. недели.

Немного с другой стороны.
Подобное явление называют спекл шумом. При радиолокационном картографировании приходится с ним бороться особенно в SAR системах.
Имеется множество подходов но основной усреднять несколько изображений обычно 3-5, если время корреляции шума значительно то изображения строят при смешении несущей частоты каждый раз (например режим море в РЛС APG65)