Використання комплекснозначних нейронних мереж для визначення повітряних суден

Анотація

У статті представлено підхід до розпізнавання літальних апаратів за допомогою комплекснозначних нейронних мереж. Метою цього дослідження є визначення ефективності комплекснозначних нейронних мереж порівняно з традиційними підходами до розпізнавання. Дослідження зосереджено на ідентифікації повітряних суден за допомогою фазових і амплітудних характеристик радіолокаційних сигналів, які є важливими для авіаційної безпеки та моніторингу повітряного простору. Метод дослідження включає теоретичний аналіз, моделювання та експериментальну перевірку. У статті обговорюються особливості архітектури штучних нейронних мереж, які використовують комплексні числа для обробки сигналів. Такий підхід дозволяє включати фазову інформацію, що значно підвищує точність аналізу радіолокаційних даних. Результати підтверджують, що комплекснозначні нейронні мережі перевершують традиційні моделі за точністю розпізнавання. Зокрема, включення фазової складової забезпечує підвищення точності до восьми з половиною відсотків. Крім того, комплекснозначні нейронні мережі демонструють високу стійкість до шумових перешкод, зберігаючи точність класифікації до дев’яноста двох і трьох десятих відсотка навіть при рівні шуму в тридцять відсотків. Незважаючи на ці переваги, основним обмеженням комплекснозначних нейронних мереж є їхня вища обчислювальна складність порівняно з реальнозначними моделями. Це вимагає значних ресурсів для навчання та впровадження, що може бути критичним фактором для додатків, де швидкість обробки сигналу в реальному часі є важливою. Дослідження також досліджує можливості оптимізації для штучних нейронних мереж шляхом розробки гібридних підходів, які поєднують сильні сторони різних типів мереж і шляхом спрощення архітектур без шкоди для точності. Отримані дані свідчать про те, що штучні нейронні мережі є ефективним інструментом для класифікації літальних апаратів, особливо у складних сигнальних середовищах та умовах із шумовими перешкодами. Ці мережі мають значний потенціал для широкого використання як у військових, так і в цивільних системах моніторингу повітряного простору, забезпечуючи підвищену точність і надійність у задачах розпізнавання. Результати, отримані в цьому дослідженні, відкривають нові можливості для вдосконалення технологій авіаційної безпеки та автоматизації систем розпізнавання літаків.