Писарев Илья Сергеевич – магистр по направлению "Электроника и наноэлектроника" (2023, Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В. И. Ульянова (Ленина)), аспирант кафедры электронных приборов и устройств. Автор 10 научных работ. Сфера научных интересов: цифровая обработка сигналов; дальнометрия; машинное обучение.
ул. Профессора Попова, д. 5 Ф, Санкт-Петербург, 197022
Ilya S. Pisarev, Master's degree in Electronics and Nanoelectronics (2023, Saint Petersburg Electrotechnical University), Postgraduate student of the Department of Electronic Devices. The author of 10 scientific publications. Area of expertise: digital signal processing; rangefinder; machine learning.
5 F, Professor Popov St., St Petersburg 197022
Ухов Андрей Александрович – доктор технических наук (2015), доцент (2001), профессор кафедры электронных приборов и устройств. Автор 152 научных работ. Сфера научных интересов: спектрометрия, цифровая обработка сигналов, дальнометрия
ул. Профессора Попова, д. 5 Ф, Санкт-Петербург, 197022
Andrey A. Uhov, Dr Sci. (Eng.) (2015), Associate Professor (2001), Professor of the Department of Electronic Devices. The author of 152 scientific publications. Area of expertise: spectrometry; digital signal processing; rangefinder.
5 F, Professor Popov St., St Petersburg 197022
Введение. При измерении расстояния лазерным дальномером на пути следования луча встречаются помехи, влияющие на точность измерения расстояния. Классические алгоритмы фильтрации, анализирующие характеристики полученного сигнала, не могут отделить сигналы от естественных помех и целей. В рамках описываемой работы был предложен алгоритм классификации объектов с использованием методов обработки сигналов эхолокационной трассы, полученных при вертикальном зондировании с помощью лазерного дальномера. Основной задачей является селекция полезных сигналов на фоне естественных помех, таких, как атмосферные аэрозоли, дымка и облака. Для решения проблемы предложен метод выделения пиков интенсивности на эхолокационной трассе с последующей их классификацией с использованием методов машинного обучения. Благодаря предобработке сигнала возможна работа алгоритма с системами, имеющими разные параметры излучателя и приемного канала.
Цель работы. Разработать алгоритм выделения и классификации объектов на эхолокационной трассе, полученной при вертикальном зондировании с помощью лазерного дальномера.
Материалы и методы. Вертикальное зондирование осуществлялось с помощью экспериментального стенда, включающего в себя лазерный дальномер с источником излучения 100 мДж, длиной волны 1064 нм, что позволило собрать данные в различных метеорологических условиях. В выборку вошли эхолокационные трассы, полученные от разных объектов с различными характеристиками, например монолитные конструкции, решетчатые конструкции и естественные помехи, встречающиеся при вертикальном зондировании. В статье проведен сравнительный анализ алгоритмов: логистической регрессии, случайного леса, градиентного бустинга и нейросетевого алгоритма. Для оценки качества предсказания моделей были выбраны метрики accuracy и F1-score. Обучение моделей выполнялось на датасете, включающем облачные структуры, с разделением на обучающую и тестовую выборки.
Результаты. Модель градиентного бустинга продемонстрировала сопоставимый результат с нейросетевым алгоритмом, показав результат F1-score 0.89 на тестовой выборке, что позволяет использовать его в менее производительных системах без потери качества предсказания.
Заключение. Результаты подтверждают эффективность алгоритма для выделения полезного сигнала, полученного от объектов в условиях помех, что актуально для геодезии, навигации и спутникового зондирования.
Introduction. When measuring the distance with a laser rangefinder, interference along the path of the beam can significantly affect measurement accuracy. Classical filtering algorithms, which rely on the characteristics of the received signal, are unable to reliably distinguish the useful signals from natural interference and targets. In this work, we propose an algorithm for classifying objects based on processing echolocation path signals obtained by vertical laser rangefinder sensing. The main task is to distinguish useful signals against the background of natural interference, such as atmospheric aerosols, haze, and clouds. The problem is solved by a method based on isolating intensity peaks on an echolocation path, followed by their classification using machine learning methods. Owing to the preprocessing of the signal, the algorithm is compatible with systems having different parameters of the emitter and the receiving channel.
Aim. To develop an algorithm for identifying and classifying objects on an echolocation path obtained by vertical sensing using a laser rangefinder.
Materials and methods. Vertical sensing was carried out using an experimental stand, which includes a laser rangefinder with a radiation source of 100 mJ and a wavelength of 1064 nm. This made it possible to collect data in various meteorological conditions. The sample included echolocation traces obtained from different objects with different characteristics, such as monolithic structures, lattice structures, and natural interference encountered during vertical sensing. A comparative analysis of the following algorithms was conducted: logistic regression, random forest, gradient boosting, and a neural network algorithm. The metrics accuracy and F1-score were chosen to evaluate the prediction quality of the models. The models were trained on a dataset containing cloud structures, with a split into training and test sets.
Results. The gradient boosting model demonstrated performance comparable with that of the neural network algorithm, achieving an F1-score of 0.89 on the test set. This makes it suitable for deployment in resource-limited systems without compromising predictive performance.
Conclusion. The results confirm the effectiveness of the algorithm for useful signal discrimination under interference conditions, which is important for geodesy, navigation, and satellite sensing.
The authors declare that there are no conflicts of interest present.