Идентификация точечных рассеивателей радиолокационных изображений с использованием нейронных сетей радиально-базисных функций

Авторы

Ефимов Е. Н.^*, Шевгунов Т. Я.^**

Московский авиационный институт (национальный исследовательский университет), Волоколамское шоссе, 4, Москва, A-80, ГСП-3, 125993, Россия

*e-mail: omegatype@gmail.com
**e-mail: shevgunov@gmail.com

Аннотация

В настоящей статье рассмотрен нейросетевой подход к решению задачи вторичной обработки информации в сверхширокополосных радиолокационных системах. Для описания откликов сложных целей используется линейная модель формирования радиолокационного изображения как суперпозиции точечных рассеивателей, формирующих цель, и гауссового шума. Анализ комплексных радиолокационных изображений направлен на выделение отдельных рассеивателей, формирующих сложные радиолокационные цели своей совокупностью. Для этого авторами предложено использовать искусственные нейронные сети прямого распространения сигнала на основе радиально-базисных функций, обучаемые по методу обратного распространения ошибки. Для представления такой сети используется системный подход, описывающий её в форме структурного графа взаимосвязанных элементов, в которых осуществляются преобразования сигналов, распространяющихся в сети в прямом и обратном направлениях. В экспериментальной части работы представлены результаты численного моделирования для решения задачи определения центров и эффективной ширины рассеивателей, приведены зависимости точности определения параметров от расстояния между рассеивателями и от отношения сигнал-шум. В заключении приведено качественное сравнение методов нейросетевой обработки с известным методом параметрической идентификации.

Ключевые слова

радиолокационные сигналы, сверхкороткоимпульсный локатор, модель рассеивателей, нейронные сети, радиальные базисные функции, параметрическая идентификация, сверхширокополосные системы, математические методы моделирования

Библиографический список

1. Татузов А.Л., Нейронные сети в задачах радиолокации. – М.: Радиотехника, 2009. – 432 с.: ил. (Научная серия «Нейрокомпьютеры и их применение», книга 28)
2. Д. Рутковская, М. Пилиньский, Л. Рутковский, Нейронные сети, генетические алгоритмы и нечёткие системы: Пер. с польск. – М.: Горячая линия – Телеком, 2006, 452 стр.
3. Иммореев И.Я., Сверхширокополосные радары. Особенности и возможности // Радиотехника и электроника, 2009, т. 54, №1, с 5–31.
4. Ефимов Е.Н., Шевгунов Т.Я., Построение нейронных сетей прямого распространения с использованием адаптивных элементов // «Журнал радиоэлектроники», электронный журнал, ISSN 1684-1719, №8, 2012, М.: ИРЭ РАН
5. Коновалюк М.А., Кузнецов Ю.В., Баев А.Б., Определение параметров многоточечных целей по спектру радиолокационного изображения // Вестник МАИ, том 17, № 3, стр. 193-198, 2010 г.
6. August W. Rihaczek, Stephen J. Hershkowitz, Theory and practice of radar target identification, Artech House, 2000.
7. M.T. Hagan, H.B. Demuth, M.H. Beale, Neural Network Design, Martin Hagan, 2002, 736 p.
8. Р. Тадеусевич и др., Элементарное введение в технологию нейронных сетей с примерами программ / Пер. с польск. – М.: Горячая линия – Телеком, 2011. – 408 с.
9. С. Хайкин, Нейронные сети: полный курс, 2-е изд., испр.: Пер. с англ. – М.: Вильямс, 2006, 1104 стр.
10. Свидетельство о государственной регистрации программы для ЭВМ, №2012610557, Python NeuralLib for SageMath, авторы: Т.Я. Шевгунов, Е.Н. Ефимов.
11. Ефимов Е.Н., Шевгунов Т.Я., Разработка и исследование методики построения нейронных сетей на основе адаптивных элементов // «Труды МАИ», электронный журнал, ISSN: 1727-6942, №51, 2012
12. S. Samarasinghe, Neural Networks for Applied Sciences and Engineering: From Fundamentals to Complex Pattern Recognition, Auerbach Publications; 1st ed., 2006, 570 p.
13. M. H. Hassoun, Fundamentals of Artificial Neural Networks, The MIT Press, 1995, 511 p.
14. Коновалюк М.А., Горбунова А.А., Кузнецов Ю.В., Баев А.Б., Алгоритм извлечения информации из комплексного радиолокационного изображения сложной цели, 4-я всероссийская конференция «Радиолокация и радиосвязь», Москва, ИРЭ им. ак. В.А. Котельникова РАН, декабрь 2010 г.

Скачать статью