ЖУРНАЛ РАДИОЭЛЕКТРОНИКИ. ISSN 1684-1719. 2022. №11
Оглавление выпуска

DOI: https://doi.org/10.30898/1684-1719.2022.11.19

УДК: 621.376.52

О ПРИМЕНЕНИИ ТЕОРИИ МАССОВОГО ОБСЛУЖИВАНИЯ К ЗАДАЧАМ ОЦЕНКИ ПРИЗНАКОВОГО ПРОСТРАНСТВА ИСТОЧНИКОВ РАДИОИЗЛУЧЕНИЯ В МАШИННОМ ОБУЧЕНИИ

А.В. Кваснов

Санкт-Петербургский политехнический университет Петра Великого, 195251, г. Санкт-Петербург, ул. Политехническая, д.29

Статья поступила в редакцию 31 октября 2022 г.

Аннотация. Оценка признакового пространства для анализа радиосигналов, источниками которых являются искусственные объекты (самолеты, корабли, навигационные станции т.д.), является важным элементом машинного обучения. С точки зрения теории массового обслуживания математическая модель сложного детектированного сигнала может быть представлена как простейший поток событий, описываемый распределением Пуассона для случайно изменяющихся параметров радиосигнала. В работе демонстрируется ортогональность признакового пространства источников радиоизлучения на основе оценки энтропии. Мы показываем, что информационная мера расхождения (расхождение Кульбака-Лейблера) между сигналами с внутриимпульсной модуляции и частотно-модулированными сигналами сокращается при увеличении длительности импульса. Таким образом, в распознавании источников радиоизлучений, использующих методы машинного обучения, можно ограничиваться признаками без алгоритмов обработки внутриимпульсной модуляции.

Ключевые слова: источник радиоизлучения, теория массового обслуживания, расхождение Кульбака-Лейблера, машинное обучение.

Финансирование: «Исследования выполнены при финансовой поддержке Минобрнауки России в рамках реализации программы Научного центра мирового уровня по направлению «Передовые цифровые технологии» СПбПУ (соглашение № 075-15-2020-934 от 17.11.2020).

Автор для переписки: Кваснов Антон Васильевич, Kvasnov_AV@spbstu.ru

Литература

1. Kvasnov A.V. Methodology of classification and recognition of the radar emission sources based on Bayesian programming. IET Radar, Sonar & Navigation. 2020. V.14. №8. P.1175-1182. DOI: 10.1049/iet-rsn.2019.0380

2. Кваснов А.В. Применения байесовского программирования в задачах распознавания и классификации источников радиоизлучения. Радиотехника. 2020. Т.84. №3(5). С.5-14.

3. Richard G. Wiley. ELINT: The Interception and Analysis of Radar Signals. Artech House. 2006. 451 p.

4. Соколова А.В. Пассивная радиолокация: методы обнаружения объектов. Москва, Радиотехника. 2008. 320 с.

5. Dudczyk J. A method of feature selection in the aspect of specific identification of radar signals. Bulletin of the polish academy of sciences technical sciences. 2017. V.65. №1. P.113.

6. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение. Москва, ДМК. 2018. 652 с.

7. Chenxi W., Xiaobo W. A Target Recognition Method of Multi-radar. Fifth International Conference on Fuzzy Systems and Knowledge Discovery 2008. P.162-166.

8. Кваснов А.В. Определение дальности до источника радиоизлучения по энергопотенциалу принимаемого сигнала. Датчики и системы. 2020. Т.243. №1. С.29-34. DOI: 10.25728/datsys.2020.1.5

9. Аджемов С.С., Кленов Н.В., Терешонок М.В., Чиров Д.С. Методы распознавания видов цифровой модуляции сигналов в когнитивных радиосистемах. Радиофизика, электроника, акустика. 2015. №6. С.19-27.

10. Аджемов С.С., Терешонок М.В., Чиров Д.С. Распознавание видов цифровой модуляции радиосигналов с использованием нейронных сетей. ВМУ. Физика. Астрономия. 2015. №1. 2015. С.23.

11. Jiang Q. Network Radar Countermeasure Systems. Heidelberg New York Dordrecht London, Springer. 2016. 315 p.

12. Мельников Ю.П. Воздушная радиотехническая разведка (методы оценки эффективности). Москва, Радиотехника. 2005. 304 с.

13. Смирнов Ю.А. Радиотехническая разведка. Москва, Воениздат. 2001. 456 с.

14. Kuschel H., Cristallini D. and Olsen K.E. Tutorial: Passive radar tutorial. IEEE Aerospace and Electronic Systems Magazine. 2019. V.34. №2. P.2-19.

15. Кваснов А.В. Исследование информационной полноты радиолокационных данных в задачах классификации точечных воздушных объектов. Журнал радиоэлектроники [электронный журнал]. 2021. №11. https://doi.org/10.30898/1684-1719.2021.11.13

16. Кваснов А.В. Повышение информационной полноты классификатора в задачах дистанционного зондирования воздушных точечных объектов. Датчики и системы. 2022. Т.262. №3. С.9-14. DOI 10.25728/datsys.2022.3.2.

17. Ивченко Г.И., Каштанов В.А., Коваленко И.Н. Теория массового обслуживания. Учебное пособие для вузов. Москва, Высшая школа. 1982. 256 с.

18. Кваснов А.В. Оценка построения трассы радиолокационной цели неподвижным лучом АФАР в дальней зоне наблюдения. Радиотехника. 2017. №2. С.4-12.

Для цитирования:

Кваснов А.В. О применении теории массового обслуживания к задачам оценки признакового пространства источников радиоизлучения в машинном обучении. Журнал радиоэлектроники [электронный журнал]. 2022. №11. https://doi.org/10.30898/1684-1719.2022.11.19