| Русский Русский | English English |
   
Главная Текущий номер
17 | 12 | 2018
10.14489/vkit.2018.09.pp.018-024

DOI: 10.14489/vkit.2018.09.pp.018-024

Мазко Ю. А.
РАСПОЗНАВАНИЕ ОБЪЕКТОВ ПО НЕСКОЛЬКИМ ИЗМЕРЕНИЯМ ИХ ПОЛЯРИЗАЦИОННЫХ ХАРАКТЕРИСТИК С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ
(c. 18-24)

Аннотация. Рассматривается задача распознавания двух объектов (конуса и цилиндра) по измерениям поляризационной матрицы рассеяния (ПМР) при вращении объекта относительно наблюдателя за некоторое фиксированное время наблюдений. Для описания объекта используется не одно, а несколько измерений ПМР, выполненных последовательно. Исследовано влияние нескольких измерений, подаваемых на вход нейронных сетей, на вероятность правильной классификации объектов. При использовании многослойного персептрона для распознавания двух объектов сложной формы (конуса и цилиндра) можно достигнуть вероятности правильной классификации 0,81034, при применении сети Кохонена – 0,971264.

Ключевые слова:  распознавание; нейронные сети; многослойный персептрон; сеть Кохонена; ракурс объекта; поляризационная матрица рассеяния; распознавание по нескольким измерениям ПМР.

 

Mazko Yu. A.
OBJECT RECOGNITION BY SEVERAL MEASUREMENTS OF THEIR POLARIZATION CHARACTERISTICS USING NEURAL NETWORKS
(pp. 18-24)

Abstract. In this article considered problem of recognition two objects (cone and cylinder) by measurements of polarization scattering matrix (PSM) while the objects rotates relative to the observer for some fixed observation time. To describe the object using several measurements of the PSM (three and five) performed in series. When recognizing complex shape objects from several measurements of PSM probability of correct classification increases by an average of 0,1 compared to recognizing by one measurement PSM by neural networks. Multilayer perceptron with architecture 30-30-2 achieves the probability of correct classification to 0,81034 (recognition by five measurements of PSM). Kohonen network with 40 neurons is able to recognize objects by PSM with probability of correct classification to 0,971264 (recognition by five measurements of PSM).

Keywords: Recognition; Neural networks; Multilayer perceptron; Kohonen network; Angle of object; Polarization scattering matrix; Recognition by several measurments of PSM.

Рус

Ю. А. Мазко (АО «Радиотехнический институт имени академика А. Л. Минца», Москва, Россия) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript  

Eng

Yu. A. Mazko (JSC «Academician A. L. Mints Radiotechnical Institute», Moscow, Russia) E-mail: Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript  

Рус

1. Интеллектуальные информационные радиофизические системы. Вводные лекции / А. О. Армяков и др.; под ред. С. Ф. Боева, Д. Д. Ступина, А. А. Кочкарова. М.: Изд-во МГТУ им. Н. Э. Баумана, 2016. 243 с.
2. Обнаружение и распознавание объектов радиолокации: монография / под ред. А. В. Соколова. М.: Радиотехника, 2006. 176 с.
3. Татузов А.Л. Нейронные сети в задачах радиолокации. М.: Радиотехника, 2009. 432 с. (Науч. сер. «Нейрокомпьютеры и их применение». Кн. 28).
4. Селекция и распознавание на основе локационной информации / А. Л. Горелик и др.; под ред. А. Л. Горелика. М.: Радио и связь, 1990. 240 с.
5. Волкова К. В. Классификация радиолокационных объектов на основе выявления кластерной структуры данных поляризационной матрицы рассеяния // Вторая Всерос. науч.-техн. конф. молодых конструкторов и инженеров «Минцевские чтения»: сб. тр. конф. Москва, 30–31 янв. 2015 г. М., 2015. С. 101 – 114.
6. Олюнин Н. Н., Виноградов А. Г., Сазонов В. В. Фасеточная модель в задачах рассеяния радиолокационных сигналов: монография /ОАО Радиотехнический ин-т им. акад. А.Л. Минца. М.: [б. и.], 2007. 21 с. (Сер. 0702 Препринт)
7. Мазко Ю. А. Выбор метода обучения нейронных сетей в задачах распознавания объектов по ПМР // Четвертая Всерос. науч.-техн. конф. молодых конструкторов и инженеров «Минцевские чтения: сб. тр. конф. Москва, 23 нояб. 2017 г. М., 2017. С. 154 – 162.
8. Widrow B., Stearns S.D. Adaptive Signal Processing. Englewood Cliffs, NY: Prentice-Hall, 1985. 474 p.
9. Мазко Ю. А. Нейронная сеть Кохонена с элементами памяти в задаче распознавания объектов по ПМР // Четвертая Всерос. науч.-техн. конф. молодых конструкторов и инженеров «Минцевские чтения: сб. тр. конф. Москва, 23 нояб. 2017 г. М., 2017. С. 163 – 174.

Eng

1. Boev S. F. (Ed.), Stupin D. D., Kochkarov A. A., Armyakov A. O. et al. (2016). Intellectual information radiophysical systems. Introductory lectures. Moscow: Izdatel'stvo MGTU im. N. E. Baumana. [in Russian language]
2. Sokolova A. V. (Ed.) (2006). Detection and recognition of radar objects: monograph. Moscow: Radiotekhnika. [in Russian language]
3. Tatuzov A. L. (2009). Neural networks in radar problems: a scientific series Neurocomputers and their application. Moscow: Radiotekhnika. [in Russian language]
4. Gorelik A. L. (Ed.) et al. (1990). The selection and recognition based on the location information. Moscow: Radio i svyaz'. [in Russian language]
5. Volkova K. V. (2015). Classification of radar objects on the basis of the identification of the cluster structure of the data of the polarization scattering matrix. II All-Russian Scientific and Technical Conference of Young Designers and Engineers "Mintsev Readings. Moscow: Izdatel'stvo MGTU im. N. E. Baumana, pp. 101-115. [in Russian language]
6. Olyunin N. N., Vinogradov A. G., Sazonov V. V. (2007). The phase model in problems of scattering of radar signals. Moscow: OAO RTI. [in Russian language]
7. Mazko Yu. A. (2017). The choice of the method of training neural networks in the problems of recognition of objects by TMR. IV All-Russian Scientific and Technical Conference of Young Designers and Engineers «Mintsev Readings». Moscow: Izdatel'stvo MGTU im. N. E. Baumana, pp. 154-162. [in Russian language]
8. Widrow B., Stearns S. D. (1985). Adaptive Signal Processing. Englewood Cliffs. New York: Prentice-Hall.
9. Mazko Yu. A. (2017). The neural network of Kohonen with memory elements in the problem of recognition of objects by TMR. IV All-Russian Scientific and Technical Conference of Young Designers and Engineers «Mintsev Readings». (pp. 163-174). Moscow: Izdatel'stvo MGTU im. N. E. Baumana. [in Russian language]

Рус

Статью можно приобрести в электронном виде (PDF формат).

Стоимость статьи 350 руб. (в том числе НДС 18%). После оформления заказа, в течение нескольких дней, на указанный вами e-mail придут счет и квитанция для оплаты в банке.

После поступления денег на счет издательства, вам будет выслан электронный вариант статьи.

Для заказа скопируйте doi статьи:

 10.14489/vkit.2018.09.pp.018-024

и заполните  форму 

Отправляя форму вы даете согласие на обработку персональных данных.

.

 

Eng

This article  is available in electronic format (PDF).

The cost of a single article is 350 rubles. (including VAT 18%). After you place an order within a few days, you will receive following documents to your specified e-mail: account on payment and receipt to pay in the bank.

After depositing your payment on our bank account we send you file of the article by e-mail.

To order articles please copy the article doi:

10.14489/vkit.2018.09.pp.018-024

and fill out the  form  

 

.

 

 

 
Поиск
Журнал КОНТРОЛЬ. ДИАГНОСТИКА
Баннер
Баннер
Баннер
Баннер
Rambler's Top100 Яндекс цитирования