А.О. Щирый1

1 Институт земного магнетизма, ионосферы и распространения радиоволн РАН им. Н.В. Пушкова (Москва, г. Троицк, Россия)
1 andreyschiriy@gmail.com

Постановка проблемы. По данным радиозондирования ионосферы коротковолновыми сигналами (ионограмм) можно получить информацию о процессах в ионосферной плазме, о ее структуре и состоянии; эта информация также значима для радиотехнических систем, работающих в коротковолновом диапазоне. Важнейшая проблема при автоматической обработке ионограмм – выделение треков различных мод радиосигнала. Существующие методы выделения треков не обеспечивают приемлемое качество их выделения (особенно для ионограмм наклонного зондирования) по ряду причин. Поэтому применим полуавтоматический способ выделения сигнала на ионограмме.

Цель. Создание методики выделения треков мод радиосигнала на ионограмме, лишенного указанных недостатков.

Результаты. Предложена методика использования нейронных сетей для выделения треков мод радиосигнала на ионограммах, учитывающая специфику ионограмм: при построении обучающей выборки размеченных ионограмм, отбирают ионограммы радиозондирования ионосферы для нормальных условий распространения радиоволн в ионосфере (отсутствие солнечных и геомагнитных возмущений) и при разметке помечают их бинарным признаком «не-аномальна», дополнительно отбирают и добавляют в выборку ионограммы для аномальных условий распространения и на этапе разметки помечают их бинарным признаком «аномальна», а на стадии обучения модели в качестве признаков используют не только битовые маски выделенных треков, но и метаданные ионограмм.

Практическая значимость. Предложенная методика предназначена и может быть использована для реализации автоматической обработки ионограмм, причем выделение треков мод сигнала – это первый и совершенно необходимый этап. Для полноценной апробации и оценки эффективности и качества работы методики требуется построение больших обучающих выборок размеченных ионограмм.

Щирый А.О. Использование нейронных сетей для дальнейшего развития программной части аппаратно-программных комплексов радиозондирования ионосферы // Электромагнитные волны и электронные системы. 2024. Т. 29. № 5. С. 55−60. DOI: https://doi.org/10.18127/j15604128-202405-08

1. Fabrizio G.A. High frequency over-the-horizon radar: fundamental principles, signal processing, and practical applications. McGraw-Hill Education. 2013.
2. Щирый А.О. Разработка и моделирование алгоритмов автоматического измерения характеристик ионосферных коротковолновых радиолиний: Автореф. дис. … канд. техн. наук. СПб., 2007. 19 c.
3. Щирый А.О. Развитие средств автоматизации наземного радиозондирования ионосферы // Фундаментальные проблемы радиоэлектронного приборостроения. 2014. Т. 14. № 5. С. 170–173.
4. Щирый А.О. Архитектура программной части аппаратно-программного комплекса дистанционного наземного радиозондирования ионосферы // Новые информационные технологии в автоматизированных системах. 2015. № 18. С. 144–152.
5. Щирый А.О. Алгоритмы и программное обеспечение автоматизации процессов измерений и обработки данных оперативной диагностики ионосферы и ионосферных радиолиний // Журнал радиоэлектроники. 2022. № 10. https://doi.org/10.30898/ 1684-1719.2022.10.4
6. Филипп Н.Д., Блаунштейн Н.Ш., Ерухимов Л.М., Иванов В.А., Урядов В.П. Современные методы исследования динамических процессов в ионосфере. Кишинев: Штиинца. 1991. 286 с.
7. Пономарчук С.Н., Грозов В.П., Котович Г.В., Михайлов С.Я. Обработка и интерпретация ионограмм вертикального и наклонного зондирования для диагностики ионосферы на базе ЛЧМ-ионозонда // Вестник Сибирского государственного аэрокосмического университета им. акад. М.Ф. Решетнева. 2013. № 5(51). С. 163–166.
8. Патент РФ №2697433. Цыбуля К.Г. Способ автоматического определения параметров ионосферных слоев по ионограммам. Дата заявки: 26.10.2018. Дата публикации: 14.08.2019.
9. Егошин А.Б. Автоматизированная система адаптивной обработки сигналов со сверхбольшой базой для радиозондирования ионосферных радиолиний. Автореф. дис. … канд. техн. наук. Марийский гос. техн. ун-т. Йошкар-Ола, 2003. 25 c.
10. Колчев А.А., Щирый А.О. Алгоритм автоматического выделения спектральных компонентов сигнала на ионограмме / Матер. десятого научно-практ. семинара «Новые информационные технологии». М.: Московский гос. ин-т электроники и математики. 2007. С. 102–107.
11. Недопекин А.Е. Метод обнаружения сигнала ЛЧМ-ионозонда в частотной области с учетом уширения принимаемых мод ионосферного распространения // Журнал Радиоэлектроники: электронный журнал. 2015. № 10. URL: http://jre.cplire.ru/jre/ oct15/5/text.pdf
12. Долгачева С.А., Макарова Л.Н., Николаев А.В. Обработка ионограмм высокоширотных станций вертикального зондирования с использованием нейронных сетей: Es и F2 слои // Physics of Auroral Phenomena. 2020. Т. 43. № 1. С. 105–108.
13. Guo L., Xiong J. Multi-Scale Attention-Enhanced Deep Learning Model for Ionogram Automatic Scaling // Radio Science. 2023.
    V. 58. № 3. p.e2022RS007566. https://doi.org/10.1029/2022RS007566
14. Lu Z., Hua C., Wei N., Feng J., Lou P., Liu W. Research on classification of vertical ionogram based on deep convolution neural network // Progress in Geophysics. 2022. V. 37. № 5. P. 1834–1839. doi: 10.6038/pg2022GG0073
15. Xiao Z., Wang J., Li J., Zhao B., Hu L., Liu L. Deep-learning for ionogram automatic scaling // Advances in Space Research. 2020. V. 66. № 4. P. 942–950. https://doi.org/10.1016/j.asr.2020.05.009
16. De la Jara C., Olivares C. Ionospheric echo detection in digital ionograms using convolutional neural networks // Radio Science. 2021. V. 56. № 8. P. 1–15.
17. Заявка № 2023135724 на изобретение. Способ автоматического выделения полезного сигнала на ионограмме радиозондирования ионосферы, основанный на машинном обучении (варианты) / А.О. Щирый; Институт земного магнетизма, ионосферы и распространения радиоволн РАН им. Н.В. Пушкова, Москва; Заявл. 26.12.2023.