350 руб
Журнал «Динамика сложных систем - XXI век» №3 за 2023 г.
Статья в номере:
Распознавание 3D-объектов короткоимпульсной системой лазерной локации на основе морфологического анализа отраженных сигналов
Тип статьи: научная статья
DOI: 10.18127/j19997493-202303-07
УДК: 519.216
Авторы:

И.М. Ахметов1, Л.В. Лабунец2, Я.И. Ефрюшкина3

1–3 МГТУ им. Н.Э. Баумана (Москва, Россия)

2 АНО ВО «Российский новый университет» (РосНОУ) (Москва, Россия)

Аннотация:

Постановка проблемы. В настоящее время актуальным является распознавание 3D-объектов системой лазерной локации на основе обнаружения закономерностей, скрытых во временном профиле отраженных сигналов.

Цель. Обосновать этапы системного подхода к автоматизированному проектированию блоков интеллектуального анализа сигналов оптико-электронных локационных систем для синтеза и анализа алгоритмов классификации 3D-объектов.

Результаты. На основе морфологического анализа импульсных отражательных характеристик предложена экспертная модель шести исходных признаков, характеризующих размеры, энергетические свойства и форму 3D-объектов. Методом главных компонент реализовано отображение в двумерное пространство информативных признаков. Исследована кластерная структура данных в пространстве главных признаков. Машинными методами обучения получены оптимальные робастные оценки параметров альтернативных алгоритмов классификации 3D-объектов. Методом скользящей проверки подтверждено наличие свойства обобщения у дискриминантных функций классификаторов.

Практическая значимость. На основе морфологического анализа отраженных сигналов продемонстрирована эффективность решения задачи распознавания объектов со сложной электрофизической структурой и формой средствами однопозиционной короткоимпульной лазерной локационной системы по критерию цена-качество.

Страницы: 51-57
Для цитирования

Ахметов И.М., Лабунец Л.В., Ефрюшкина Я.И. Распознавание 3D-объектов короткоимпульсной системой лазерной локации на основе морфологического анализа отраженных сигналов // Динамика сложных систем. 2023. Т. 17. № 3. С. 51−57. DOI: 10.18127/j19997493-202303-07

Список источников
  1. Labunets L.V., Borzov A.B., Akhmetov I.M. Regularized parametric model of the angular distribution of the brightness factor of a rough surface. Journal of Optical Technology. 2019. V. 86. № 10. P. 618–626. https://doi.org/10.1364/JOT.86.000618.
  2. Labunets L.V., Anishchenko N.N. Structural analysis of transient characteristics of 3D-objects in a monostatic optical location system. Journal of Communications Technology and Electronics. 2011. V. 56. № 2. P. 145–159. DOI: 10.1134/S1064226911010050.
  3. Labunets L.V., Lukin D.S., Chervyakov A.A. Reconsrtuction of Reflection Characteristics of 3D Objects in a Monostatic Optical Location System. Journal of Communications Technology and Electronics. 2012. V. 57. № 12. P. 1265–1275. DOI: 10.1134/S1064 226912110058.
  4. Labunets L.V., Borzov A.B., Akhmetov I.M. Real-time models of pulsed reflectance profiles of 3D objects in a monostatic laser location system. Journal of Optical Technology. 2020. V. 87. № 9. P. 513–520.
  5. Labunets L.V., Borzov A.B., Akhmetov I.M. Recognition of 3D objects in a monostatic laser location system via intelligent analysis of pulsed reflectance profiles. Journal of Optical Technology. 2022. V. 89. № 4. P. 217–224.
  6. Breuß M., Bruckstein A.M., Kiselman C.O., Maragos P. Shape Analysis: Euclidean, Discrete and Algebraic Geometric Methods (Dagstuhl Seminar 18422) – Dagstuhl Reports. 2019. 17 p. https://drops.dagstuhl.de/opus/volltexte/2019/10349/pdf/dagrep_v008_ i010_p087_18422.pdf
  7. Batista G., Eamonn J. Keogh, Oben Moses Tataw, Vinícius M.A. de Souza CID: an efficient complexity-invariant distance for time series. Data Mining and Knowledge Discovery. 2014. V. 28. № 3. P. 634–669.
  8. Martin Ester, Hans-Peter Kriegel, Jörg Sander, Xiaowei Xu A density-based algorithm for discovering clusters in large spatial databases with noise. Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD-96) / Evangelos Simoudis, Jiawei Han, Usama M. Fayyad. AAAI Press. 1996. P. 226–231.
  9. Simon S. Haykin, Neural Networks. A Comprehensive Foundation. 2nd ed. N.Y.: Prentice Hall. 1999. 842 p.
  10. Platt John, Scholkopf B., Burges C.J.C., Smola A.J., eds. Fast Training of Support Vector Machines using Sequential Minimal Optimization / Advances in Kernel Methods – Support Vector Learning. Cambridge, MA, MIT Press. 1999. P. 185–208.
Дата поступления: 30.05.2023
Одобрена после рецензирования: 15.06.2023
Принята к публикации: 26.06.2023