Журналов:     Статей:        

Вопросы радиоэлектроники. 2019; : 13-17

Применение нейронных сетей для определения дальности до источника радиоизлучения

Бызов А. Н., Петров Ю. В., Рогожин В. А.

https://doi.org/10.21778/2218-5453-2019-6-13-17

Аннотация

В статье предлагается новый метод определения местоположения источников радиоизлучения с борта летательного аппарата, отличающийся применением искусственной нейронной сети. Метод основан на использовании  персептрона Румельхарта, представляющего собой многослойную сеть прямого распространения. Предложена структура построения персептрона, и определен набор входных параметров. Проведено обучение персептрона  с  помощью  алгоритма  обратного  распространения  ошибки  на  выбранном  множестве  обучающих  примеров. Сравнение предложенного метода с двумя ранее известными показало, что его точностные возможности не уступают характеристикам известных методов, а в некоторых случаях превышают их при различных значениях среднеквадратического отклонения ошибки измерения пеленга. Новый метод требует значительных вычислительных затрат, однако может быть реализован в перспективных бортовых комплексах.

Список литературы

1. Корляков В. В. Радиолокация на современном этапе [Электронный ресурс] // Воздушно-космическая оборона. URL: http://www.vko.ru/koncepcii/radiolokaciya-na-sovremennom-etape (дата обращения: 16.02.2019).

2. Мельников Ю. П., Попов С. В. О беспеленговых методах позиционирования летательных аппаратов относительно источников излучения // Успехи современной радиоэлектроники. 2002. № 12. С. 8–14.

3. Петров Ю. В., Бызов А. Н. Определение местоположения источника радиоизлучения пассивными средствами летательного аппарата // Вопросы радиоэлектроники. 2014. № 4. С. 47–56.

4. Суханов Н. В. Схема управления летательным аппаратом на основе нейронных сетей [Электронный ресурс] // Электронный журнал «Труды МАИ». № 65. URL: http://trudymai.ru/published.php? ID=36013 (дата обращения: 16.02.2019).

5. Нейросетевая реализация автоматического управления безопасной посадкой беспилотного летательного аппарата / А. Ю. Кузин, Д. В. Курмаков, А. В. Лукьянов, Д. А. Михайлин [Электронный ресурс] // Электронный журнал «Труды МАИ». № 70. URL: http://trudymai.ru/published.php? ID=44540 (дата обращения: 16.02.2019).

6. Фаустова К. И. Нейронные сети: применение сегодня и перспективы развития // Территория науки. 2017. № 4. С. 83–87.

7. Хайкин С. Нейронные сети: полный курс. 2-е изд. М.: Издательский дом «Вильямс», 2006. 1104 с.

8. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. 344 с.

9. Лукичев Д. В., Усольцев А. А. Синтез оптимальной структуры нейросетевых устройств // Научно-технический вестник информационных технологий, механики и оптики. 2005. № 20. С. 97–102.

10. Бызов А. Н. Программа проведения исследований методов определения местоположения источника радиоизлучения. Молодежь. Техника. Космос: труды VI Общероссийской молодежной научно-технической конференции. СПб.: БГТУ, 2014. C. 178–180.

Issues of radio electronics. 2019; : 13-17

APPLICATION OF NEURAL NETWORKS FOR DETERMINING DISTANCE TO RADIO SOURCE

Byzov A. N., Petrov Yu. V., Rogozhin V. A.

https://doi.org/10.21778/2218-5453-2019-6-13-17

Abstract

This article contains a new method for determining the location of sources of radio emission from the aircraft. Unlike the known methods in the new is using artificial neural network. The method is based on using Rumelhart perceptron, which represents a  multilayer  network  of  direct  distribution.  For  the  task  was  offered  perceptron  building  structure  and  was  determined  input parameter set. Perception training was also carried out using the back propagation of error algorithm for selected multitude of teaching example. This article compares the new method with two already know. Analysis of new method shows that its accuracy characteristics are not worse than in the known methods. In some cases accuracy characteristics of the new method are even better. Than known methods of different values of SD for bearing measurement error. However, the new method requires a lot of computational efforts. This method can be realized only for the advanced aircrafts.

References

1. Korlyakov V. V. Radiolokatsiya na sovremennom etape [Elektronnyi resurs] // Vozdushno-kosmicheskaya oborona. URL: http://www.vko.ru/koncepcii/radiolokaciya-na-sovremennom-etape (data obrashcheniya: 16.02.2019).

2. Mel'nikov Yu. P., Popov S. V. O bespelengovykh metodakh pozitsionirovaniya letatel'nykh apparatov otnositel'no istochnikov izlucheniya // Uspekhi sovremennoi radioelektroniki. 2002. № 12. S. 8–14.

3. Petrov Yu. V., Byzov A. N. Opredelenie mestopolozheniya istochnika radioizlucheniya passivnymi sredstvami letatel'nogo apparata // Voprosy radioelektroniki. 2014. № 4. S. 47–56.

4. Sukhanov N. V. Skhema upravleniya letatel'nym apparatom na osnove neironnykh setei [Elektronnyi resurs] // Elektronnyi zhurnal «Trudy MAI». № 65. URL: http://trudymai.ru/published.php? ID=36013 (data obrashcheniya: 16.02.2019).

5. Neirosetevaya realizatsiya avtomaticheskogo upravleniya bezopasnoi posadkoi bespilotnogo letatel'nogo apparata / A. Yu. Kuzin, D. V. Kurmakov, A. V. Luk'yanov, D. A. Mikhailin [Elektronnyi resurs] // Elektronnyi zhurnal «Trudy MAI». № 70. URL: http://trudymai.ru/published.php? ID=44540 (data obrashcheniya: 16.02.2019).

6. Faustova K. I. Neironnye seti: primenenie segodnya i perspektivy razvitiya // Territoriya nauki. 2017. № 4. S. 83–87.

7. Khaikin S. Neironnye seti: polnyi kurs. 2-e izd. M.: Izdatel'skii dom «Vil'yams», 2006. 1104 s.

8. Osovskii S. Neironnye seti dlya obrabotki informatsii. M.: Finansy i statistika, 2002. 344 s.

9. Lukichev D. V., Usol'tsev A. A. Sintez optimal'noi struktury neirosetevykh ustroistv // Nauchno-tekhnicheskii vestnik informatsionnykh tekhnologii, mekhaniki i optiki. 2005. № 20. S. 97–102.

10. Byzov A. N. Programma provedeniya issledovanii metodov opredeleniya mestopolozheniya istochnika radioizlucheniya. Molodezh'. Tekhnika. Kosmos: trudy VI Obshcherossiiskoi molodezhnoi nauchno-tekhnicheskoi konferentsii. SPb.: BGTU, 2014. C. 178–180.