PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Model neuronowy ekstraktora obrazów sygnałów radiolokacyjnych

Identyfikatory
Warianty tytułu
EN
Neural model of radiolocation signal patterns extractor
Języki publikacji
PL EN
Abstrakty
PL
Przeprowadzono badania symulacyjne programowego modelu ekstraktora neuronowego, który realizuje detekcję obiektu oraz określa jego położenie na tle szumu. Do symulacji sygnału radiolokacyjnego użyty został model sygnału, który jest sumą dwóch niezależnych procesów: sygnału odbitego od obiektu oraz szumu. Model ten uwzględnia impulsowe sondowanie, charakterystykę promieniowania obracającej się anteny, fluktuację po-wierzchni skutecznej obiektu oraz dopplerowskie przesunięcie częstotliwości nośnej. Do badań porównawczych przyjęto model ekstraktora powierzchniowego oraz powierzchnio-wo-amplitudowego. W wyniku zebranych doświadczeń podczas pracy projektowej do za-dań postawionych ekstraktorowi neuronowemu najlepszą strukturą sieci okazała się trój-warstwowa sieć uczona metodą wstecznej propagacji błędu, posiadająca dwie warstwy ukryte, z tangensoidalną funkcją aktywacji oraz ruchomym progiem.
EN
Simulation researches have been conducted of programmable neural extractor model which realizes object detection and determines its position on the background of noise. For the simulation of radiolocation signal the model of signal has been used which is a sum of two independent processes, namely signal reflected from an object, and noise. This model takes into account impulse sounding, radiation characteristics of rotating aerial, fluctuation of echoing area of an object, and Doppler shift of carrier frequency. For comparative re-searches, models of superficial and superficial-amplitude extractors have been adopted. As a result of experience gathered during project work, the best network structure for the tasks given to neural extractor appeared to be a three-layer network trained by means of back propagation, having two hidden layers with tangensoidal activation function and a moveable threshold.
Rocznik
Tom
Strony
145--166
Opis fizyczny
pol.,s.167--188ang.,Bibliogr.11poz.,rys.
Twórcy
autor
autor
  • Politechnika Warszawska
Bibliografia
  • 1. Brenner T, Krajeński A.: Teoria radiolokacji – Ćwiczenia laboratoryjne. WAT, Warsza-wa 1992.
  • 2. Hertz J., Krogh A., Palmer G.P.: Wstęp do teorii obliczeń neuronowych. Wyd. 2, WNT, Warszawa 1995.
  • 3. Korbicz J., Obuchowicz A., Uciński D.: Sztuczne sieci neuronowe. Podstawy i zasto-sowania. Akademicka Oficyna Wydawnicza, Warszawa 1994.
  • 4. Krukar W., Niedziela T., Szymczak R.: A method for extraction of contours of aircraft targets from infrared images. Mat. – 7th International Conference AIRCRAFT AND HELICOPTER DIAGNOSTICS AIRDIAG 2001, Warszawa/Kielce (Ameliówka), Oct. 16–19 2001.
  • 5. Kuczerski T., Brenner T.: Wyniki badań symulacyjnych neuronowego modelu ekstrak-tora sygnału echa radarowego. WAT, Warszawa 1996.
  • 6. Niedziela T., Krukar W., Rakowska J.: Optymalizacja konstrukcji komórkowej sieci neuronowej za pomocą algorytmu genetycznego. „Prace Naukowe Instytutu Technicz-nego Wojsk Lotniczych” 2002, 14, s. 85–101.
  • 7. Niedziela T., Krukar W.: Metody ekstrakcji konturów obiektów z obrazów monochroma-tycznych. „Prace Naukowe Instytutu Technicznego Wojsk Lotniczych” 2003, 16, s. 137–160.
  • 8. Niedziela T., Krukar W.: Metody ekstrakcji konturów obiektów z obrazów kolorowych. „Prace Naukowe Instytutu Technicznego Wojsk Lotniczych 2006, 20, s. 103–120.
  • 9. Niedziela T., Krukar W.: Sieć neuronowa realizująca ekstrakcje konturów obiektów z obrazów zaszumionych. „Prace Naukowe Instytutu Technicznego Wojsk Lotniczych” 2003, 16, s. 61–79.
  • 10. Osowski S.: Sieci neuronowe. WNT, Warszawa 1994.
  • 11. Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza, Warszawa 1993.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BWM4-0022-0053
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.