Найти

Результаты поиска

• ПРИМЕНЕНИЕ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ТЕХНИЧЕСКОГО РАСПОЗНАВАНИЯ ОБЪЕКТОВ В ИНТЕРЕСАХ РАДИОМОНИТОРИНГА

  Д. В. Шумков , И.В. Титков , П.А. Гулевич

  2025-04-27

  Аннотация ▼

  Рассматривается исследование возможности применения свёрточных нейронных сетей
  (СНС) для технического распознавания объектов (ТРО) в контексте радиомониторинга. Основное
  внимание уделяется разработке и оптимизации алгоритмов обработки радиолокационных сигна-
  лов с использованием глубоких нейронных сетей. Исследования показали, что применение СНС
  позволяет существенно повысить точность классификации радиосигналов по сравнению с тради-
  ционными методами обработки. Разработанный подход основан на извлечении иерархических
  признаков из спектральных изображений радиосигналов и их последующей классификации с помо-
  щью обученной нейронной сети. В работе представлены результаты экспериментальных исследо-
  ваний, проведённых на наборе данных, включающем более 10 000 образцов радиосигналов различ-
  ных типов. Показано, что предложенная методика обеспечивает точность распознавания до 93%
  при работе с зашумлёнными сигналами и вероятность ложной тревоги не более 0,05. Особое вни-
  мание уделено вопросам выбора архитектуры нейронной сети под специфику задачи радиомони-
  торинга. Также было детально рассмотрены варианты преобразования в спектральное изобра-
  жение радиосигналов, для обработки в режиме реального времени. Разработаны методы предва-
  рительной обработки данных, включающие нормализацию амплитуды, частотную коррекцию и
  устранение помех. Результаты исследования могут найти применение в системах контроля ра-
  диоэфира и обеспечения электромагнитной совместимости радиоэлектронных средств. Получен-
  ные результаты демонстрируют перспективность использования СНС в задачах технического
  распознавания объектов радиомониторинга и открывают новые возможности для развития ме-
  тодов интеллектуальной обработки радиолокационной информации. Перспективные направления
  дальнейших исследований включают разработку адаптивных методов обучения нейронных сетей
  в условиях изменяющейся радиообстановки и создание гибридных систем, сочетающих традици-
  онные методы обработки сигналов с современными нейросетевыми алгоритмами