ЖУРНАЛ РАДИОЭЛЕКТРОНИКИ. eISSN 1684-1719. 2026. №5
Текст статьи (pdf)
DOI: https://doi.org/10.30898/1684-1719.2026.5.3
УДК: 621.396.96
МОДЕЛИРОВАНИЕ ДВУМЕРНЫХ ИЗОБРАЖЕНИЙ ОБЪЕКТОВ
ПРИ РАДИОЛОКАЦИОННОМ ЗОНДИРОВАНИИ ПЛОТНЫХ СРЕД
К.Ю. Гаврилов 1, И.В. Каменский 1, М.Д. Монахов 1,
А.А. Дубовский 1, Е.В. Руденко 1, Д.К. Балахнина 1,2
1 Московский авиационный институт (национальный исследовательский университет)
125993, Россия, Москва, Волоколамское шоссе, дом 4
2 Научно-производственное объединение «Алмаз» имени академика А.А. Расплетина
125190, Россия, Москва, Ленинградский проспект, дом 80, корпус 16
Статья поступила в редакцию 15 апреля 2026 г.
Аннотация. Разработана методика моделирования радиолокационных изображений (РЛИ) при подповерхностном зондировании плотных сред, учитывающая свойства неоднородности среды и наличие помеховых отражений, накладывающихся на полезные сигналы. Приведено описание разработанной методики, которая включает моделирование сигналов трех видов: отражения от объектов, представляющих интерес; отражения от протяженных областей неоднородностей среды; помеховые сигналы, соответствующие отражениям от мелких элементов среды, рассматриваемых как точечные отражатели. При моделировании неоднородностей среды использована модель случайного процесса авторегрессионного вида с последующей низкочастотной фильтрацией и процедурой изменения контраста. Для каждого из трех видов сигналов приведено описание процедуры моделирования и представлены примеры РЛИ при варьировании различных параметров моделей. Получены результаты, позволяющие моделировать близкие к реальным РЛИ подповерхностных объектов различных классов, которые можно использовать для обучения нейросетевых и других алгоритмов обнаружения и распознавания объектов на изображениях, а также для оценки вероятностных характеристик таких алгоритмов.
Ключевые слова: подповерхностная радиолокация, зондирование плотных сред, двумерное радиолокационное изображение, видеоимпульсный сигнал, случайный процесс типа авторегрессии, фильтрация изображений.
Автор для переписки: Монахов Максим Дмитриевич, maksimusmaks1998@gmail.com
Литература
1. Финкельштейн М.И. и др. Подповерхностная радиолокация. – М.: Радио и связь. – 1994. – Т. 44.
2. Daniels D.J. (ed.). Ground penetrating radar. – Iet, 2004. – Vol. 1. https://doi.org/10.1049/pbra015e
3. Persico R. Introduction to ground penetrating radar: inverse scattering and data processing. – John Wiley & Sons, 2014. https://doi.org/10.1002/arp.1756
4. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. Погружение в мир нейронных сетей. – Москва: Питер, 2025. – 480 с.
5. Аггарвал Чару. Нейронные сети и глубокое обучение: учебный курс. : Пер. с англ. – СПб. : ООО «Диалектика», 2020. – 752 с.
6. Goodman D. et al. GPR remote sensing in archaeology. – New York : Springer, 2013. – Vol. 9. – 233 p. https://doi.org/10.1007/978-3-642-31857-3
7. Чапурский В.В. Избранные задачи теории сверхширокополосных радиолокационных систем (3-е издание) / В.В. Чапурский. – Москва : Московский государственный технический университет им. Н.Э. Баумана, 2016. – 280 с. – ISBN 978-5-7038-4289-8. – EDN ZCOFQH.
8. Amin M.G. (ed.). Through-the-wall radar imaging. – CRC press, 2017. https://doi.org/10.1201/9781315218144
9. Annan P. Ground penetrating radar principles, procedures and applications // Sensors and software. – 2003. – Vol. 278.
10. Васильев К.К. Статистический анализ последовательностей изображений / К.К. Васильев, В.Р. Крашенинников. – Москва : Радиотехника, 2017. – 248 с. – ISBN 978-5-93108-160-1. – EDN YNCRIV.
11. Крашенинников В.Р. Статистические методы обработки изображений / В.Р. Крашенинников. – Ульяновск : Ульяновский государственный технический университет, 2015. – 167 с. – ISBN 978-5-9795-1451-2. – EDN WAHGHH.
12. Гонсалес Р.С. Цифровая обработка изображений / Р.С. Гонсалес, Р.Е. Вудс. – Издание 3-е, исправленное и дополненное. – Москва : Рекламно-издательский центр "Техносфера", 2012. – 1104 с. – (Мир цифровой обработки). – ISBN 978-5-94836-331-8. – EDN TIKLUW.
13. Гонсалес Р.С. Цифровая обработка изображений в среде MATLAB / Р.С. Гонсалес, Р.Е. Вудс, С.Л. Эддинс ; [пер. с англ. В.В. Чепыжова]. – Москва : Техносфера, 2006. – 615 с. – (Мир цифровой обработки). – ISBN 5-94836-092-X. – EDN QMQEFV.
14. Гаврилов К.Ю., Каменский И.В., Кирдяшкин В.В. Цифровая обработка изображений в Matlab. Учебное пособие для вузов. – М.: Горячая линия – Телеком, 2025. – 160 с.
15. Вайнштейн Л.А., Зубаков В.Д. Выделение сигналов на фоне случайных помех. – Сов. радио, 1960.
16. Ishitsuka K. et al. Object Detection in Ground‐Penetrating Radar Images Using a Deep Convolutional Neural Network and Image Set Preparation by Migration // International Journal of Geophysics. – 2018. – Vol. 1. – 9365184. https://doi.org/10.1155/2018/9365184
17. Al-Nuaimy W. et al. Automatic detection of buried utilities and solid objects with GPR using neural networks and pattern recognition // Journal of applied Geophysics. – 2000. – Т. 43. – №. 2-4. – С. 157-165. https://doi.org/10.1016/s0926-9851(99)00055-5
18. Pham M.T., Lefèvre S. Buried object detection from B-scan ground penetrating radar data using Faster-RCNN // IGARSS 2018-2018 IEEE international geoscience and remote sensing symposium. – IEEE, 2018. – С. 6804-6807. https://doi.org/10.1109/igarss.2018.8517683
Для цитирования:
Гаврилов К.Ю., Каменский И.В., Монахов М.Д., Дубовский А.А., Руденко Е.В., Балахнина Д.К. Моделирование двумерных изображений объектов при радиолокационном зондировании плотных сред // Журнал радиоэлектроники. – 2026. – № 5. https://doi.org/10.30898/1684-1719.2026.5.3