Найти

Результаты поиска

• ОЦЕНКА ПРОСТРАНСТВЕННОГО ПОЛОЖЕНИЯ БОРТОВОЙ КАМЕРЫ ПУТЕМ СОПОСТАВЛЕНИЯ АЭРОФОТОСНИМКОВ И ДАННЫХ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ

  А.Ю. Будко , Т.А. Гайда , З.А. Понимаш

  2026-02-27

  Аннотация ▼

  Описан метод оценки пространственного положения бортовой камеры летательного аппарата, заключающийся в сопоставлении аэрофотоснимков и геопривязанных данных дистанционного зондирования Земли (ДДЗ) путем обнаружения нейросетевым детектором устойчивых в пространстве и времени реперных точек в обоих наборах данных и дальнейшим решением известной задачи Perspective-n-Point (PnP) для оценки матриц поворота и перемещения, минимизирующих ошибку перепроецирования, исходя из соответствий точек 3D мирового пространства и 2D точек их проекций на матрицу бортовой камеры, что может быть использовано для решения актуальной задачи локализации летательных аппаратов в условиях отсутствия сигналов глобальной навигационной спутниковой системы. В качестве устойчивых реперных точек, хорошо выделяемых на данных ДДЗ и аэрофотоснимках, в работе выбраны перекрестки дорог, альтернативным выбором могут являться другие локальные семантические паттерны изображений, характерные для конкретной местности. Поскольку прямое сопоставление снимков ДДЗ и бортовых снимков затруднено вследствие существенной разницы условий съемки, предлагается применение устойчивых детекторов реперных точек на основе алгоритмов искусственных нейронных сетей (ИНС). Для обучения устойчивого детектора создан смешанный датасет на основе спутниковых снимков и данных бортовой съемки. При разметке данных смешанного датасета использована функция нормализованного к единице 3D гауссиана с вершиной в центре перекрестка, график которой проецируется на 2D маску обучающего набора. Параметры функции гауссиана рассчитываются на основе радиуса окружности, описывающей перекресток. Использование функции нормализованных гауссиан с вершиной в геометрическом центре проекции перекрестка позволяет обучить сеть предсказывать вероятность принадлежности каждого пикселя изображения к перекрестку, с максимумом в центре перекрестка, что увеличивает точность позиционирования за счет более точной геопривязки реперной точки мирового 3D набора. В качестве детектора перекрестков в работе обучена ИНС архитектуры типа U-Net, в качестве метрики качества обучения использован дифференцируемый аналог метрики Dice, в качестве оптимизатора использован AdamW в связке с косинусным планировщиком скорости обучения CosineAnnealingLR. В заключительной части работы приведены результаты сопоставления спутниковых данных и бортового снимка предложенным методом

• МЕТОД И АЛГОРИТМ ИЗВЛЕЧЕНИЯ ПРИЗНАКОВ ИЗ ЦИФРОВЫХ СИГНАЛОВ НА БАЗЕ НЕЙРОСЕТЕЙ ТРАНСФОРМЕР

  З.А. Понимаш, М.В. Потанин

  52-64

  2025-01-13

  Аннотация ▼

  В последнее время нейросетевые модели стали одним из наиболее перспективных направле-
  ний в области автоматического извлечения признаков из цифровых сигналов. Традиционные под-
  ходы, такие как статистический, временной, частотный и частотно-временной анализ, требуют
  значительных экспертных знаний и часто оказываются недостаточно эффективными при рабо-
  те с нестационарными и сложными сигналами, например, биомедицинскими (ЭКГ, ЭЭГ, ЭМГ) или
  промышленными сигналами (примером могут служить токограмы). Перечисленные выше методы
  имеют ряд ограничений, когда требуется анализировать многоканальные данные с изменяющейся
  частотной структурой, либо когда разметка сигналов слишком трудоёмка или дорогостоящая.
  Современные архитектуры нейросетей, такие как трансформеры, показали высокую эффектив-
  ность в автоматическом извлечении признаков из сложных данных. Трансформеры превзошли
  традиционные свёрточные и рекуррентные нейронные сети по многим ключевым характеристикам, особенно в задачах прогнозирования временных рядов, классификации мультимодальных данных
  и извлечения признаков из последовательностей. Их способность моделировать сложные временные
  зависимости и нелинейные зависимости в данных делает их идеальными для таких задач, как
  фильтрация шумов и обработка мультимодальных сигналов. В данной статье предложен метод
  извлечения признаков из цифровых сигналов, основанный на модифицированной архитектуре транс-
  формера, включающей нелинейный слой после модуля самовнимания. Этот подход позволил улуч-
  шить способность модели выявлять сложные и нелинейные зависимости в данных, что особенно
  важно при работе с биомедицинскими и полученных от промышленных систем сигналов. Приводит-
  ся описание архитектуры и проведенных экспериментов, демонстрирующих высокие показатели
  модели при решении задач классификации, прогнозирования и фильтрации сигналов. Ожидается,
  что данная модель может применяться для широкого спектра приложений, включая диагностику
  заболеваний и сбоев, прогнозирование параметров сигналов и системное моделирование.

• МЕТОД И АЛГОРИТМ МОДЕЛИРОВАНИЯ СИГНАЛОВ В СИСТЕМАХ ЛОКАЦИИ И БЕСПРОВОДНОЙ СВЯЗИ С ПОДВИЖНОЙ ГЕОМЕТРИЕЙ

  А.А. Марьев , З.А. Понимаш

  2024-01-05

  Аннотация ▼

  Работа посвящена вопросам моделирования сигналов в радиотехнических и гидроаку-
  стических системах с подвижными объектами. Актуальность задачи определяется рас-
  тущим интересом к применению сверхширокополосных сигналов, прогрессом в области
  создания гиперзвуковых летательных и низкоорбитальных космических аппаратов, а так-
  же широким распространением локационных систем с длительным накоплением сигналов.
  Приводится геометрия задачи локации для достаточно общего случая (бистатическая
  локация с подвижными передатчиком, отражателем и приемником), а также метод и
  алгоритм решения задачи моделирования эхосигнала для упрощенного случая однородной и
  изотропной среды. Обоснована необходимость применения численных методов для реали-
  зации предложенного метода моделирования, даны предложения по выбору численных ме-
  тодов: для решения дифференциальных уравнений предложено использование метода Рун-
  ге-Кутта, для решения алгебраических уравнений – метода Ньютона. Даны рекомендации
  по выбору параметров каждого из численных методов. Показана применимость предло-
  женных метода и алгоритма к задаче беспроводной связи с подвижными объектами. Рас-
  смотрены важные частные случаи для каждой из задач с указанием областей радиотех-
  ники и гидроакустики, в которых актуален каждый из частных случаев. Показано, что в
  ряде простых частных случаев предложенный метод приводит к решениям, полученным
  другими авторами и опубликованным в открытых источниках. Даны рекомендации по
  обобщению алгоритма на более сложные варианты постановки задачи