Параметри
ВИБІР НЕЙРОМЕРЕЖЕВОГО КЛАСИФІКАТОРА ДЛЯ ВИРІШЕННЯ ЗАВДАННЯ АНАЛІЗУ СИГНАЛІВ РЕБ ТА ШТУЧНИХ ЗАВАД
Тип публікації :
Стаття
Дата випуску :
2024
Автор(и) :
Жиров, Г.Б.
Кольцов, Р.Ю.
Долінчук, К.О.
Мова основного тексту :
Ukrainian
eKNUTSHIR URL :
Випуск :
82
ISSN :
2524-0056
Цитування :
Жиров, Г., Кольцов, Р., Долінчук, К. (2024). SELECTION OF A NEURAL NETWORK CLASSIFIER FOR SOLVING THE PROBLEM OF ANALYZING THE SIGNALS OF RB AND ARTIFICIAL INTERFERENCE. Збірник наукових праць Військового інституту Київського національного університету імені Тараса Шевченка(82). https://doi.org/10.17721/2519-481X/2024/82-03
В даний час актуальною задачею є забезпечення якісного керування безпілотними літальними апаратами та передачі достовірної інформації в складній завадовій обстановці. Особливу актуальність дана задача набуває при застосуванні навмисних завад у вигляді сигналів протидії.Для виявлення і локалізації потужних джерел паразитного сигналу застосовуються різні методи, включаючи: методи аналізу в часовій області: аналіз спектру сигналу, аналіз кореляційної функції, аналіз фазового зсуву; методи аналізу в частотної області: аналіз амплітудної характеристики сигналу, аналіз фазової характеристики сигналу, аналіз спектральної щільності потужності; методи аналізу в просторової області: аналіз спрямованості антени, аналіз рівня сигналу в різних точках простору.Аналіз сигналів, які зазнають впливу РЕБ та штучних завад, є складною задачею. Традиційні методи аналізу сигналів часто не є ефективними для розв’язку такої задачі, оскільки вони не можуть враховувати складні характеристики РЕБ та штучних завад.Нейромережеві класифікатори є перспективним інструментом для аналізу сигналів з РЕБ та штучними завадами. Нейромережі можуть навчатися на великих наборах даних і виявляти складні закономірності, які неможливо виявити за допомогою традиційних методів.Дана стаття описує процес вибору нейромережевого класифікатора для аналізу сигналів РЕБ та штучних завад. Розглядаються різні фактори, які слід враховувати при виборі архітектури нейромережі, алгоритму навчання та параметрів мережі.У роботі представлено аналітичний огляд нейромережевих класифікаторів, їх різновидності та особливості, а також обрано оптимальний для вирішення поставленої задачі.
Тип зібрання :
Publication
Файл(и) :
Ескіз недоступний
Формат
Adobe PDF
Розмір :
425.31 KB
Контрольна сума:
(MD5):70552ac2e87b86c008dc66b75e5369f7
Ця робота розповсюджується на умовах ліцензії Creative Commons CC BY
10.17721/2519-481X/2024/82-03