Исследование возможности нейросетевой идентификации летательных аппаратов по импульсной характеристике
- 1 д.т.н., профессор, Военная академия войсковой ПВО ВС РФ им. Маршала Советского Союза А.М. Василевского (г. Смоленск)
- 2 к.т.н., доцент, начальник кафедры, Тюменское высшее военно-инженерное командное училище им. маршала А.И. Прошлякова
- 3 к.т.н., доцент, Военная академия войсковой ПВО ВС РФ им. А.М. Василевского (г. Смоленск)
- 4 гл. инженер, Смоленский научно-инновационный центр радиоэлектронных систем «ЗАВАНТ»
- 5 ст. инженер, Смоленский научно-инновационный центр радиоэлектронных систем «ЗАВАНТ»
Аннотация
Обоснована актуальность исследования возможностей нейросетевых технологий для проведения идентификации воздушных объектов по векторным (многоэлементным) признакам, к которым относится импульсная характеристика (ИХ). Описаны порядок и параметры имитационного моделирования, проведенного в интересах проверки информационных возможностей ИХ. По оценкам классификации обоснован выбор типа нейронной сети для идентификации объектов. Представлены результаты разделения объектов на типы по ИХ с помощью нейросетевого эмулятора вероятностного типа.
Для цитирования
Митрофанов Д.Г., Сафонов А.В., Бортовик В.В., Кичулкин Д.А., Красавцев О.О. Исследование возможности нейросетевой идентификации летательных аппаратов по импульсной характеристике // Нейрокомпьютеры: разработка, применение. 2015. № 2. С. 57–63.
Список источников
- Радиолокационные системы. Справочник. Основы построения и теория / Под ред. Я.Д. Ширмана. М.: Радиотехника. 2007. 510 с.
- Митрофанов Д.Г. Способ построения двумерного радиолокационного изображения воздушной цели с произвольной нестабильной траекторией полета // Измерительная техника. 2002. № 8. С. 7−11.
- Митрофанов Д.Г. Комплексный адаптивный метод построения радиолокационных изображений в системах управления двойного назначения // Известия РАН. Теория и системы управления. 2006. № 1. С. 101−118.
- Горелик А.Л., Барабаш Ю.Л., Кривошеев О.В., Эпштейн С.С. Селекция и распознавание на основе локационной информации. М.: Радио и связь. 1990. 270 с.
- http://kbradar.by/text/pages-view-15.html.
- http://www.pandia.ru/text/77/451/4990-32.php.
- Башкиров Л.Г., Саблин В.Н., Чапурский В.В., Шейко А.П. Радиолокационное распознавание воздушных объектов по радиоакустическим спектральным портретам с использованием обучаемых нейронных сетей // Полет. 2002. № 8. С. 23−33.
- Сосулин Ю.Г., Фам Чунг Зунг. Нейросетевое распознавание двумерных изображений // Радиотехника и электроника. 2003. Т. 48. С. 969−978.
- Чапурский В.И. Распознавание воздушных целей по структуре теневых спектральных портретов при использовании нейронных сетей // Радиоэлектроника. 2003. Т. 33. № 1. С. 1−25.
- Сафонов А.В. Разработка методики обучения нейросетевого классификатора летательных аппаратов по их радиолокационным изображениям // Вопросы радиоэлектроники (М.: ОАО ЦНИИ «Электроника»). 2008. Т. 2. № 3. 195 с.
- Фархат Н.Х. Формирование радиолокационных изображений методом разнесения в диапазоне СВЧ и автоматизированная идентификация целей, основанная на использовании моделей нейронных сетей // ТИИЭР. 1989. Т. 77. № 5. С. 43−56.
- Галушкин А.И. Нейрокомпьютеры: разработка и применение. Т. 1. М.: ИПРЖР. 2000.
- Головко В.А. Нейронные сети: обучение, организация и применение / Под ред. А.И. Галушкина. М.: ИПРЖР. 2001. 256 с.
- Круглов В.В., Борисов В.В. Искусственные нейронные сети: теория и практика. М.: Горячая линия-Телеком. 2001. 384 с.
- Криспин мл., Маффетт. Оценка радиолокационного поперечного сечения тел простой формы // ТИИЭР. 1965. Т. 53. № 8. С. 960−975.
- Стивен Смит. Цифровая обработка сигналов: практическое руководство для инженеров и научных работников / Пер. с англ. М.: Додэка-XXI. 2008. 720 с.
- Медведев В.С., Потемкин В.Г. Нейронные сети: Matlab 6. М.: Диалог-МИФИ. 2002. 496 с.