В.Д. Усольцева1

1 АО «ЦНИРТИ им. академика А.И. Берга» (Москва, Россия)

1 lera.usoltseva.2014@mail.ru

Постановка проблемы. Определение параметров объектов по их инфракрасным (ИК) характеристикам - одна из ключевых задач в области радиоэлектронной борьбы. Однако традиционные методы решения этой задачи требуют значительных вычислительных ресурсов, что в условиях реального времени ограничивает их применение. Следовательно, необходим универсальный и эффективный метод, например, на основе использования нейронных сетей, способный устранить имеющиеся недостатки.

Цель. Разработать алгоритм распознавания объектов по их траекторным и ИК-характеристикам с использованием радиально-базисной нейронной сети, обеспечивающей высокую точность и устойчивость к изменению входных данных.

Результаты. Проведено математическое моделирование траекторных характеристик объектов и реализаций сигнальных характеристик объектов в ИК-диапазоне длин волн в направлении информационной системы. Предложен алгоритм распознавания объектов по их траекторным и ИК-характеристикам с использованием радиально-базисной нейронной сети (РБНС). По собранным данным обучена нейронная сеть. Проведен сравнительный анализ результатов моделирования и работы РБНС, который подтвердил, что использование предложенного алгоритма в задаче распознавания объектов обеспечивает высокую точность (более 95%).

Практическая значимость. Представленный алгоритм существенно сокращает временны́е и вычислительные затраты на решение задачи распознавания объектов. Благодаря своей адаптивности к различным входным данным, разработанный подход при применении в системах оптико-электронного наблюдения способствует повышению их эффективности и снижению эксплуатационных затрат.

Усольцева В.Д. Решение задачи распознавания объекта на основе его траекторных и сигнальных характеристик в инфракрасном диапазоне длин волн с использованием радиально-базисной нейронной сети // Радиотехника. 2025. Т. 89. № 5. С. 37-44. DOI: https://doi.org/10.18127/j00338486-202505-04

1. Yang A., Chen W., Luo H., Si H., Cha J., Li G., Wang S., Liu R., Fu Y., Yang Z. The prospect of electronic warfare in the 21st century: an analysis of electronic warfare equipment innovation and its strategic impact based on the fusion of quantum communication and artificial intelligence // Applied Science and Innovative Research. 2024. V. 8. № 4. P. 196–212.
2. Sharma P., Sarma K.K., Mastorakis N.E. Artificial intelligence aided electronic warfare systems: recent trends and evolving applications // IEEE Access. 2020. V. 8. P. 224761–224780.
3. Robertson S. Practical ESM Analysis. Norwood: Artech House. 2019.
4. Haigh K., Andrusenko J. Cognitive electronic warfare: an artificial intelligence approach. Norwood: Artech House. 2021.
5. Geng Z., Yan H., Zhang J., Zhu D. Deep learning for radar: a survey // IEEE Access. 2021. V. 9. P. 141800–141818.
6. Huang Z., Pemasiri A., Denman S., Fookes C., Martin T. Multi-task learning for radar signal characterisation // IEEE International Conference on Acoustics, Speech, and Signal Processing Workshops (ICASSPW). 2023. P. 1–5.
7. Pemasiri A., Huang Z., Williams F., Goan E., Denman S., Martin T., Fookes C. Automatic radar signal detection and FFT estimation using deep learning // 17th International Conference on Signal Processing and Communication System (ICSPCS). 2024. P. 1–5.
8. Дмитриевский А.А., Лысенко Л.Н. Вешняя баллистика: Учебник для вузов. Изд. 4-е, перераб. и доп. М.: Машиностроение. 2005. 607 с.
9. Аппазов Р.Ф., Сытин О.Г. Методы проектирования траекторий носителей и спутников Земли. М.: Наука. 1987. 440 с.
10. Самойленко Н.Э., Макаров О.Ю. Методы оптимизации в проектировании РЭС. Воронеж: Изд-во ВГТУ. 2006. 126 с.
11. Лазарев Л.П. Инфракрасные и световые приборы самонаведения и наведения летательных аппаратов: Учебник для втузов. Изд. 2-е, перераб. и доп. М.: Машиностроение. 1970. 539 с.
12. Сафронов Ю.П., Андрианов Ю.Г. Инфракрасная техника и космос. М.: Советское радио. 1978. 248 с.
13. Powell M.J.D. Radial basis functions for multivariable interpolation: A review // IMA conference on «Algorithms for the Approximation of Functions and Data». RMCS Shrivenham. 1985.
14. Micchelli C.A. Interpolation of scattered data: distance matrices and conditionally positive definite functions // Constructive Approximation. 1986. V. 2. P. 11-22.