CC BY
7
УДК 621.396.968
Борисов Е.А. студент магистратуры 1 курс факультет «Политехнический институт»
Теплое А.В. студент магистратуры 1 курс факультет «Политехнический институт»
Кадермятова Д.Ш. студент 4 курс факультет «Политехнический институт»
Лобынцева О.А. студент 4 курс факультет «Политехнический институт» Орловский государственный университет имени И. С. Тургенева
Россия, г. Орел
СТРУКТУРА МАКЕТА РАДИОЛОКАЦИОННОЙ СТАНЦИИ
Аннотация: Рассмотрена структура макета «просветной» радиолокационной станции (РЛС). Предложено для обнаружения макетом объектов использовать искусственную нейронную сеть (ИНС). Описана структура и принципы обучения ИНС сверточного типа. Проведен вычислительный эксперимент по созданию обучающей базы и обучению ИНС.
Ключевые слова: просветная радиолокационная станция, искусственная нейронная сеть, сверточная нейронная сеть, частотно -временной портрет, структура нейронной сети.
Borisov E. A. Undergraduate
The 1rd course, faculty of "Polytechnic Institute"
Teplov A.V. Undergraduate
The 1rd course, faculty of "Polytechnic Institute"
Kudermetova J. C.
student
The 4rd course, faculty of "Polytechnic Institute"
Lobyntseva O. A.
student
The 4rd course, faculty of "Polytechnic Institute" Orel state University. Ivan Turgenev
Russia, Orel
THE STRUCTURE OF THE LAYOUT OF THE RADAR STATION
Abstract: The structure of the luminal radar station has been considered. For detection of objects is proposed to use an artificial neural network. Structure and principles of training artificial neural network convolution type are presented. The
computational experiment on the creation of a training base and the training of an artificial neural network was conducted.
Keywords: luminal radar station, artificial neural network, convolutional neural network, time-frequency frame, structure of a neural network.
Просветная радиолокация имеет большое преимущество перед активные радиолокации с пассивным ответом по обнаружению маловысотных и слабоотражающих малоразмерных целей, в том числе объектов, выполненных по технологии Stealth, поэтому рассмотрение вопросов обнаружения в просветных системах является актуальным. Обнаружение воздушных целей в просветных радиолокационных станциях (РЛС) осложняется мешающими факторами: особенностями распространения радиосигналов, топологией местности,
метеорологическими условиями. Поэтому, в целях исследования влияния данных факторов на просветные РЛС, был разработан макет, который позволяет обнаруживать движущиеся объекты, пересекающие радиополе между передающей и приемной антеннами. Макет детектирует биения, вызванные суперпозицией в приемной антенне «теневого сигнала» от движущегося объекта и прямого сигнала передатчика [1]. Частота данных биений зависит от радиальной скорости движения и, в случае его прямолинейного движения изменяется по линейному закону. При накоплении с течением времени модулей амплитудно-частотных спектров (АЧС) сигналов с выхода приемной антенны формируется частотно -временной портрет (ЧВП, спектрограмма) изменения параметров движения объекта представленный на рисунке 1.
Поскольку спектрограмма состоит из действительных положительных чисел, то ее можно представить в виде изображения, где яркость каждого пикселя соответствует амплитуде частотной составляющей АЧС в конкретный момент времени. Таким образом, задача обнаружения движущегося объекта в разработанном макете просветной радиолокационной станции сводится к обнаружению элемента прямой линии на полученном изображении [2].
Рисунок 1. Частотно-временной портрет движения объекта
При поиске данных траекторий на ЧВП были апробированы различные методы: преобразование Хафа и Радона, псевдоклассический алгоритм [3].
Одним из методов, который используется для распознавания образов на графическом изображении, является машинное зрение, в частности, применение искусственных нейронных сетей (ИНС).
Таким образом, в ходе работы показано, что для решения задачи сопровождения-обнаружения в макете просветной радиолокационной станции на частотно-временном портрете можно использовать искусственные нейронные сети сверточного типа.
Использованные источники:
1. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. - СПб.: Питер, 2018. - 480 с.
2. Силантьев, А.Б., Красников, А.В., Узденов, Д.Д., Теряшов, А.И. Обнаружение трасс целей в двухпозиционной радиолокационной станции. // Вестник Ярославского государственного университета им. П.Г. Демидова. Серия Естественные и технические науки. 2013. Вып.1., С. 46-51
3. Уфимцев, П.Я. Основы физической теории дифракции. - М.: БИНОМ, 2011, - 351 с.
