Academic Journal
Investigation of Methods for Determining the Aspect Angle of a Spatially Distributed Target in its Radar Image ; Исследование методов определения ракурса пространственно-распределенной цели на ее радиолокационном изображении
| العنوان: | Investigation of Methods for Determining the Aspect Angle of a Spatially Distributed Target in its Radar Image ; Исследование методов определения ракурса пространственно-распределенной цели на ее радиолокационном изображении |
|---|---|
| المؤلفون: | Dorosinskiy, L. G., Vinogradova, N. S. |
| المصدر: | URAL RADIO ENGINEERING JOURNAL; Том 8, № 2 (2024): Ural Radio Engineering Journal ; 2588-0462 ; 2588-0454 |
| بيانات النشر: | УрФУ |
| سنة النشر: | 2024 |
| المجموعة: | Ural Federal University: URFU Journal Systems / Журнальный портал УРФУ |
| مصطلحات موضوعية: | Spatially Distributed Target, Radar Image, Pattern Recognition, Aspect Angle, Signal-to-Noise Ratio (SNR), Neural Network, пространственно-распределенная цель, радиолокационное изображение, распознавание, ракурс, отношение сигнал/шум, нейронная сеть |
| الوصف: | The article is devoted to the problem of determining the aspect angle of a surface ship based on its radar image obtained in synthetic aperture radars.Among the main methods of solving this problem are the classical Bayesian method of multi-alternative hypothesis testing and its modifications, and/or the method of classifying surface ships located at different angles using artificial neural networks (ANNs).The study demonstrates that achieving high efficiency in aspect recognition using ANNs requires significant computational resources, as well as an access large, representative, and scalable training dataset. ANNs demonstrates high performance in various observation conditions in case sufficient computational and time resources; however, it is noteworthy that their effective training requires a substantial amount of processing time, reaching several hours.At the same time, classical methods are capable of performing calculations in fractions of a second, even on relatively low-powered devices. It is also worth noting that as the number of recognised classes increases, ANNs may consume up to tens of gigabytes of RAM, limiting the accessibility of this method in the aspect of task recognition of spatially distributed targets. ; Статья посвящена проблеме определения ракурса надводного корабля по его радиолокационному изображению, полученному в радиолокаторах с синтезированной апертурой.К основным методам решения названной задачи относятся классический байесов метод многоальтернативной проверки гипотез и его модификации и/или метод классификации надводных кораблей, расположенных под различными ракурсами, с помощью искусственных нейронных сетей (ИНС).В работе показано, что для достижения высокой эффективности распознания ракурсов при использовании ИНС необходимо обладать значительными вычислительными ресурсами, а также иметь доступ к большой, репрезентативной и масштабной обучающей выборке. При наличии достаточных вычислительных и временных ресурсов ИНС демонстрирует высокие результаты в разнообразных условиях ... |
| نوع الوثيقة: | article in journal/newspaper |
| اللغة: | Russian |
| Relation: | https://journals.urfu.ru/index.php/urj/article/view/7988/5659; https://journals.urfu.ru/index.php/urj/article/view/7988 |
| DOI: | 10.15826/urej.2024.8.2.001 |
| الاتاحة: | https://journals.urfu.ru/index.php/urj/article/view/7988 https://doi.org/10.15826/urej.2024.8.2.001 |
| Rights: | (c) 2024 L. G. Dorosinskiy, N. S. Vinogradova |
| رقم الانضمام: | edsbas.32B8ED61 |
| قاعدة البيانات: | BASE |
| DOI: | 10.15826/urej.2024.8.2.001 |
|---|