Е.В. Егорова¹, А.Н. Рыбаков², М.Х. Аксяитов³

1 МИРЭА – Московский технологический университет (Москва, Россия) 

2 ФГУП «Всероссийский научно-исследовательский институт автоматики им. Н.Л. Духова» (Москва, Россия)

3 АО «Концерн «Гранит-Электрон» (г. Санкт-Петербург, Россия)

Постановка проблемы. Проведенные исследования поэтапного внедрения нейросетевых технологий в практику обработки радиолокационной информации, предусматривающие постепенное наращивание нейросетевых методов в системах обработки, показали, что нейросетевые технологии позволяют реально повысить качество обработки радиолокационной информации в наиболее сложных условиях, требующих высокой вычислительной мощности, когда динамика изменения внешних условий очень высока, и традиционные подходы к созданию систем обработки не способны обеспечить требуемый уровень эффективности. Необходимо провести поэтапный анализ внедрения нейросетевых технологий в системы обработки радиолокационной информации, а также применения нейросетевой технологии для обработки радиолокационной информации в части поиска и исследования, эффективных нейросетевых методов для всех задач обработки.

Цель. Проанализировать перспективность внедрения нейросетевых технологий в системы обработки радиолокационной информации с исследованием эффективных нейросетевых методов для задач обработки информации и определением этапов внедрения, позволяющих более полно использовать преимущества нейросетевой технологии.

Результаты. Рассмотрены наиболее универсальные и широко распространенные нейросетевые парадигмы и проанализирована основная часть возможных областей их применения. Показано, что нейросетевые технологии в критических задачах позволят повысить эффективность обработки радиолокационной информации для сложных быстро изменяющихся внешних условий. Установлено, что применение принципов самообучения и развитого аппарата синтеза нейросетевых методов позволяет уменьшить длительность и трудоемкость теоретических исследований, проведение которых является необходимой и обязательной частью традиционного подхода обработки радиолокационной информации.

Практическая значимость. Предложенный оригинальный метод поэтапного внедрения нейросетевых технологий в практику обработки радиолокационной информации позволяет более полно использовать преимущества этих технологий, что реально повышает качество обработки радиолокационной информации в наиболее сложных условиях, требующих высокой вычислительной мощности, когда динамика изменения внешних условий очень высока, и традиционные подходы к созданию систем обработки не способны обеспечить требуемый уровень эффективности.

Егорова Е.В., Рыбаков А.Н., Аксяитов М.Х. Перспективность внедрения нейросетевых технологий в системы обработки радиолокационной информации // Наукоемкие технологии. 2021. Т. 22. № 2. С. 59−68. DOI: https://doi.org/10.18127/j19998465-202102-07

1. Галушкин А.И. Теория нейронных сетей. М.: ИПРЖР. 2000.
2. Татузов А.Л. Анализ возможностей использования нейронных сетей для решения задач обработки радиолокационной информации // V Всеросс. конф. «Нейрокомпьютеры и их применение». Сб. докладов. М.: Радио и связь. 1999. С. 17–21.
3. Татузов А.Л. Нейросетевые модели обработки радиолокационной информации // Вооружение. Конверсия. 2002. № 1. С. 22–29.
4. Тихонов В.И., Харисов В.Н. Статистический анализ и синтез радиотехнических устройств и систем. М.: Радио и связь. 1991. С. 608.
5. Аксяитов М.Х., Егорова Е.В., Мартынов Н.В., Рыбаков А.Н. Обнаружение малоконтрастных целей. Успехи современной радиоэлектроники. 2017. № 1. С. 23–26.
6. Червяков Н.И., Сахнюк П.А., Шапошников А.В. Пути эффективного использования иерархических структур фрагментов нейронных сетей на ПЛИС Xilinx при аппаратной реализации цифровых фильтров с параллельной обработкой данных // Нейрокомпьютеры: разработка и применение. 2001. № 10. 
7. Егорова Е.В., Аксяитов М.Х., Рыбаков А.Н. Применение нейросетевой модели ассоциативной памяти Хопфилда в задачах обработки радиолокационной информации // Нелинейный мир. 2020. Т. 18. № 4. С. 24−33. DOI: 10.18127/j20700970202004-03.
8. Аксяитов М.Х., Егорова Е.В., Рыбаков А.Н. Распознавание объекта радиолокационного изображения с использованием нейросетевых структур сети Хэмминга // Успехи современной радиоэлектроники 2019. № 6. С. 37–43.
9. Rubin M.A. Application of fuzzy ARTMAP and ART-EMAP to automatic target recognition using radar range profiles. Neural network. 2005. V.8 № 7–8. P. 1109–1116.