Диссертация (Анализ и идентификация радиолокационных дальностных портретов воздушных целей на основе технологий вычислительного интеллекта), страница 16
Описание файла
Файл "Диссертация" внутри архива находится в папке "Анализ и идентификация радиолокационных дальностных портретов воздушных целей на основе технологий вычислительного интеллекта". PDF-файл из архива "Анализ и идентификация радиолокационных дальностных портретов воздушных целей на основе технологий вычислительного интеллекта", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве РТУ МИРЭА. Не смотря на прямую связь этого архива с РТУ МИРЭА, его также можно найти и в других разделах. Архив можно найти в разделе "остальное", в предмете "диссертации и авторефераты" в общих файлах, а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата технических наук.
Просмотр PDF-файла онлайн
Текст 16 страницы из PDF
Предложен комплекс новых информативных признаков, представляющихспектральные, морфологические и геометрические характеристики ДП иобеспечивающих эффективное распознавание воздушных целей.2. Предложен многосекторный принцип решения задачи распознавания ВЦ,основанный на разбиении полного диапазона изменения курсовых углов ВЦна сектора и построение банка секторных распознавателей.1263. Выявлены и проанализированы эффекты неробастности характеристик ипотери различимости ДП ВЦ при малых изменениях условий радиолокационного наблюдения (курсовых углов).
Показаны принципиальные недостаткисхем статического распознавания ВЦ вследствие действия этих эффектов.4. Разработана концепция и схемы динамического распознавания ВЦ на основе агрегировании данных, полученных для разных курсовых углов в процессе радиолокационного сопровождения обнаруженной ВЦ.5. Разработан алгоритм распознавания ВЦ на основе метода построения бинарных деревьев классификации и регрессии CART.6. Разработаны алгоритмы распознавания ВЦ на основе многослойных персептронов (MLP-сети) и радиально-базисных нейронных сетей (PNN-сети).7. Проведен сравнительный анализ технологий нейронных сетей и деревьеврешений применительно к рассматриваемому классу задач.
Показаны существенные преимущества многослойных персептронов.8. Предложен метод вейвлет-сглаживания ДП с целью повышения степениробастности алгоритмов распознавания ВЦ.9. Предложен корреляционный метод распознавания ВЦ, основанный на использовании вейвлет-коэффициентов ДП и формализации задачи распознавания ВЦ как задачи многокритериального принятия решений.10.
Предложен критерий оценки информативности вейвлет-коэффициентовДП ВЦ и на его основе дано решение проблемы рационального выбора базисного вейвлета для алгоритмов распознавания ВЦ.Полученные результаты отличаются научной новизной и оригинальностью и могут найти практическое применение в радиолокационных системахразличного назначения. Кроме этого, изложенные идеи, предложенные схемные и алгоритмические решения могут быть полезными и в других областяхинженерных приложений современных компьютерных технологий системного анализа и цифровой обработки сигналов.127СПИСОК ЛИТЕРАТУРЫ1.
Алешин С.В. Распознавание динамических образов. М.: Изд-во МГУ.1996. – С. 97.2. Ахиезер Н.И. Классическая проблема моментов и некоторые вопросыанализа. связанные с нею. М.: Физматлит. 1961. – 311 с.3. Бакулев П.А. Радиолокационные системы. Учебник для вузов М.: Радиотехника. 2007. – 376 с.4. Бакулев П.А. Радиолокационные системы. Учебник для вузов. М.: Радиотехника. 2004. 320 с.5. Барсегян А.А.. Куприянов М.С.. Степаненко В.В.. Холод И.И.
Технологиианализа данных: Data Mining. Visual Mining. Text Mining. OLAP. СПб.:Изд-во БХВ-Петербург. 2007. – 384 с.6. Бахвалов Н.С. Численные методы (анализ, алгебра, обыкновенные дифференциальные управления). М: Наука. 1973 631с.7. Белоцерковский Г.Б. Основы радиолокации и радиолокационные устройства. М.: Советское радио. 1975. – 336 с.8. Блаттер К. Вейвлет-анализ. Основы теории.
М.: РИЦ Техносфера. 2004. –280 с.9. Браун В.О., Долгушин В.П., Лоза В.Н., Пампуха И.В. Исследование возможностей и характеристик методов снижения уровня шума при обработке сигналов. основанных на применении вейвлет-технологии // Журналрадиоэлектроники.2014.№7.[Электронныйресурс].URL:http://jre.cplire.ru/iso/jul14/6/text.html.10. Варакин Л.Ε.
Теория сложных сигналов. М.: Советское радио. 1970. – 376с.11. Васильев В.И. Распознающие системы. Справочник. Киев: Наукова думка. 1983. – 423 с.12812. Вержбицкий В.М. Основы численных методов. М.: Высшая школа. 2002.– 840 с.13. Верхаген К., Дёйн Р., Грун Ф., Йостен Й., Вербек П. Распознавание образов состояние и перспективы. М.: Радио и связь. 1985.
– 103 с.14. Галушкин А.И. Теория нейронных сетей. Кн. 1. М.: ИПРЖР. 2000. – 416с.15. Горелик А.А.. Скрипкин В.А. Методы распознавания. М. Высш. шк..1989. – 232 с.16. Горелик А.Л., Барабаш Ю.Л., Кривошеев О.В., Эпштейн С.С. Селекция ираспознавание на основе локационной информации.
М.: Радио и связь.1990. – 240 с.17. Деревья решений CART математический аппарат: [Электронный ресурс]. URL: https://basegroup.ru/community/articles/math-cart-part1.18. Долгушин В.П., Лоза В.Н., Борзак А.Н., Жиров Б.Г. Распознавание классацелей методом оценки статистических параметров вектора вейвлетдекомпозиции сигнала // Сборник научных трудов Военного инст. Киевского национального университета им.
Т.Шевченко. Киев: ВИКНУ. 2014.№ 45. – С. 24–33.19. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир. 1976. –511 с.20. Зайченко Ю., Згуровский М. Системный анализ направлений вычислительного интеллекта // International Journal «Information Content and Processing». 2014. Vol. 1. N. 3. – P. 221–238.21. Коротков А.В. Частотно-временной анализ сигналов малозаметных радиолокационных станций с использованием вейвлет-преобразования //Научно-техн.
вестник СПбУ ИТМО. 2011. № 5. – С 44–47.22. Красников А.В., Андоющенков Е.Е., Соколов А.В. Алгоритм обработкисигнала в двухпозиционных РЛС с применением вейвлет анализа // До-129клады 8-й Междунар. конф. «Цифровая обработка сигналов и ее применение». М.: РНТОРЭС им. А.С.Попова. 2006. – С 303–306.23. Красовский Н.Н. Теория управления движением. Линейные системы. М.:Наука. 1968. – 476 с.24. Кудрявцев В.Б. Кафедра Математической теории интеллектуальных систем (МаТИС) // Интеллектуальные системы. Теория и приложения. 2014.№ 2 (18). – С.
5–30.25. Ле Д.Ф. Распознавание радиолокационных целей по дальностному портрету с использованием аппарата нейронных сетей в целях мониторингавоздушного пространства: Автореф. дис. канд. техн. наук. СПб.: Изд-воСПбГЭТУ «ЛЭТИ». 2006. – 17 с.26. Лепский А.Е., Броневич А.Г. Математические методы распознавания образов: Курс лекций. Таганрог: Изд-во ТТИ ЮФУ.
2009. – 155 с.27. Лещенко С.П. Развитие теории и техники радиолокационного распознавания воздушных целей // Прикладная радиоэлектроника. 2009. Том 8. № 4. C. 490–496.28. Лисьев В.П. Теория вероятностей и математическая статистика. М:МГУЭСИ. 2006. – 199 с.29. Лотов А.В., Поспелова И.И. Многокритериальные задачи принятия решений. М.: МАКС Пресс.
2008. – 197с.30. Малла С. Вейвлеты в обработке сигналов. М.: Мир. 2005. – 671 с.31. Медведев В.С. Потемкин В.Г. Нейронные сети. MATLAB 6. М.: ДИАЛОГ– МИФИ. 2002. 496 с.32. Местецкий Л.М. Математические методы распознавания образов. М.: Интернет-Университет информационных технологий. 2008. – 119 с.33. Небабин В.Г., Сергеев В.В. Методы и техника радиолокационного распознавания.
М.: Радио и связь. 1984. – 152 с.13034. Орленко В.М., Ширман Я.Д. Нейрокомпьютерное распознавание радиолокационных целей с учетом мешающих факторов // Радиолокация и радиометрия. 2000. № 2. Вып. III. – C. 82–85.35. Осовский С. Нейронные сети для обработки информации.
М.: Финансы истатистика. 2002. – 344 с.36. Патрик Э.А. Основы теории распознавания образов. М.: Советское радио.1972. – 408 с.37. Потапов А.С. Распознавание образов и машинное восприятие: Общийподход на основе принципа минимальной длины описания. СПб.: Политехника. 2007. – 548 с.38. Радиолокационные системы/ В.П.Бердышев, Е.Н.Гарин, А.Н.Фомин [идр.]; под общ. ред. В.П.Бердышева. Красноярск: СФУ. 2011. – 400 с.39. Радиолокацияирадиометрия:[Электронныйресурс].URL:http://radiolocate.com. (Дата обращения 7.04.2016).40.
Радиотехнические системы. /Ю.П.Гришин, В.П.Ипатов, Ю.М.Казаринов идр.; Под ред. Ю.М.Казаринова. М.: Высш. шк.. 1990. – 496 с.41. Рунион Р. Справочник по непараметрической статистике. М.: Финансы истатистика. 1982. – 198 с.42. Свистов В.М. Радиолокационные сигналы и их обработка. М.: Советскоерадио. 1977. – 448 с.43. Смоленцев Н.К.
Основы теории вейвлетов. Вейвлеты в MATLAB. М.:ДМК Пресс. 2005. – 304 с.44. Сосулин Ю.Г. Теоретические основы радиолокации и радионавигации.М.: Радио и связь. 1992. – 304 с.45. Татузов А.Л. Нейронные сети в задачах радиолокации. М.: Радиотехника.2009. – 432 с.46. Тоцкий А.В., Молчанов П.А., Поспелов Б.Б. Распознавание летательныхаппаратов по радиолокационным дальностным профилям // Авиационнокосмическая техника и технология. 2010. № 5 (72).
– С. 77–82.13147. Фаворская М.Н. Модели и методы распознавания динамических образовна основе пространственно-временного анализа последовательностейизображений. Автореф. дис. д-ра. техн. наук. Краснорск: СибГАУ. 2010. –35 с.48. Фам Ф.К. Задача анализа движений в системах видеонаблюдения //XXXIX Гагаринские чтения: Сб. науч. тр. междунар. молодеж. науч.конф. М.: МАТИ. 2013. Т.4. С. 111–11249.
Фам Ф.К. Нейросетевая схема распознавания воздушных целей по радиолокационным дальностным портретам // Междунанородный научно исследовательский журнал: Сб. науч. тр. Екатеринбург. 2016 C. 204–210.50. Фам Ф.К. Радиолокационное распознавание воздушных целей на основетехнологии деревьев решений // Искусственный интеллект: философия.методология. инновации: Сб. науч. тр. М.: МТУ.
2015. С. 3941.51. Филимонов А.Б., Фам Ф.К. Анализ данных на основе технологии деревьев решений // Вестник молодых ученых МГУПИ. 2014. № 16. С. 1522.52. Филимонов А.Б., Фам Ф.К. Динамическое распознавание воздушных целей по радиолокационным дальностным портретам // Информационныетехнологии. 2016. №6. С. 424–430.53.
Филимонов А.Б., Фам Ф.К. Задача анализа движений в системах видеонаблюдения // Современные технологии проектирования управляющих имехатронных систем: Материалы междунар. научн. техн. конф. Севастополь: СевНТУ. 2013. C. 216218.54. Филимонов А.Б., Фам Ф.К. Методы вейвлет-анализа в задачах обработкирадиолокационной информации // Вестник молодых ученых МГУПИ.2014. № 14. C. 52–57.13255. Филимонов А.Б., Фам Ф.К. Применение деревьев решений в задаче распознавания воздушных целей // Перспективные системы и задачи управления: Сб.
науч. тр. Ростов-на-Дону. 2016. С. 139142.56. Филимонов А.Б., Фам Ф.К. Формирование информативных признаков радиолокационных дальностных портретов // Мехатроника. Автоматизация.Управление. 2016. № 4. – С. 273282.57. Филимонов А.Б., Фам Ф.К. Проблема формирования классификационныхпризнаков для дальностных портретов радиолокационных целей // Интеллектуальные системы. управление и мехатроника: Сб. науч. тр.