Использование апостериорной информации при реализации систем радиолокационного распознавания с применением нейросетевых технологий

Введение. Существующая в настоящее время необходимость получения актуальной, полной и достоверной информации о воздушных объектах определяет постоянное совершенствование современных систем радиолокационного распознавания (СРЛР), входящих в состав систем управления. Развитие современных СРЛР создает объективные предпосылки для использования прогрессивных и разработки новых методов и алгоритмов обработки сигналов с помощью нейронных сетей. Применение искусственных нейронных сетей, обладающих свойством обучаемости, позволяет расширить множество признаков распознавания за счет использования полученной в процессе контроля воздушного пространства информации.

Цель работы. Формулировка задачи и разработка предложений по использованию апостериорной информации для контроля воздушного пространства в системах радиолокационного распознавания при применении нейросетевых технологий.

Материалы и методы. На основе анализа структуры единого информационного пространства сформулирован подход к развитию СРЛР на основе обучающих технологий. С применением метода синтеза предложены примеры технических решений, позволяющие использовать современные методы и алгоритмы обработки сигналов на основе апостериорной информации, формируемой системой управления.

Результаты. Сформулированы принципы обучения нейронной сети при решении задачи распознавания в процессе функционирования радиоэлектронных средств (РЭС). Предложены технические решения, учитывающие функционирование интегрированной радиолокационной системы и позволяющие в едином информационном поле получать требуемые для обучения СРЛР информационные параметры. Показано, что снятие ограничений, связанных с автономностью функционирования РЭС, позволяет использовать апостериорную информацию при реализации систем радиолокационного распознавания. Этот факт дает возможность увеличить количество используемых в алгоритмах признаков распознавания и пополнить базы портретов.

Заключение. СРЛР может развиваться посредством обучения за счёт снятия ограничений, связанных с автономностью функционирования РЭС. Это позволяет повысить адекватность оценки обстановки и оптимизировать принимаемые управленческие решения.

1. Кобан А. Я., Самотонин Д. Н. Научно-технические проблемы развития федеральной системы разведки и контроля воздушного пространства Российской Федерации и пути их решения // Военная мысль. 2017. № 4. С. 14–19.

2. Tait P. Introduction to Radar Target Recognition / Institution of Electrical Engineers, London, 2005. IET radar series. № 18. 396 p.

3. Радиолокационные системы воздушной разведки, дешифрирование радиолокационных изображений / Л. А. Школьный, Е. Ф. Толстов, А. Н. Детков, О. А. Карпов; ВВИА им. Н. Е. Жуковского, М., 2008. 531 с.

4. Методы радиолокационного распознавания и их моделирование / Я. Д. Ширман, С. А. Горшков, С. П. Лещенко, Г. Д. Братченко, В. М. Орленко // Радиолокация и радиометрия. 2000. № 2. С. 5–65.

5. Татузов А. Л. Нейронные сети в задачах радиолокации. М.: Радиотехника, 2009. 432 с.

6. Толстикова Е. В. Параметрическая оптимизация нелинейных нейронных сетей // Науч. записки Украинского НИИ связи. 2014. № 1. С. 16–21.

7. Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. 1104 с.

8. Барский А. Б. Нейронные сети. Распознавание, управление, принятие решений. М.: Финансы и статистика, 2004. 176 с.

9. Осовский С. Нейронные сети для обработки информации / пер. с польск. И. Д. Рудинского. М.: Финансы и статистика, 2002. 344 с.

10. Тархов Д. А. Нейронные сети. Модели и алгоритмы. Кн. 18. Сер. Нейрокомпьютеры и их применение. М.: Радиотехника, 2005. 256 с.

11. Математические модели радиолокационных сигналов, отраженных от воздушных целей разных классов / В. А. Абатуров, О. В. Васильев, В. А. Ефимов, В. Е. Макаев // Радиотехника. 2006. № 7. С. 28–33.

12. Построение и обучение радиально-базисных нейросетей для приема телеграфно-кодовых конструкций / Д. А. Чистопрудов, В. А. Козлов, М. Р. Бибарсов, Д. А. Потягов, Н. Я. Карасик // Изв. вузов России. Радиоэлектроника. 2017. № 6. С. 28–35.

13. Макаев В. Е., Васильев О. В. Метод радиолокационного распознавания воздушной цели по турбинному эффекту // Радиотехника. 2000. № 11. С. 30–33.

14. Жердев Д. А., Казанский Н. Л., Фурсов В. А. Распознавание объектов по диаграммам электромагнитного рассеяния электромагнитного излучения на основе метода опорных пространств // Компьютерная оптика. 2014. № 38. С. 503–510.

15. Митрофанов Д. Г. Применение нейросетевой технологии для распознавания целей по радиолокационным изображениям // Нейрокомпьютеры: разработка и применение, 2006. № 3. C. 60–68.

16. Костоусов В. Б., Костоусов А. В. Моделирование процесса наведения движущихся объектов по радиолокационным изображениям // Гироскопия и навигация. 2004. Т. 2. С. 37–47.