Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 2008

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: ekstraktor sygnału radiolokacyjnego

Sortuj według:

Ogranicz wyniki do:

Model neuronowy ekstraktora obrazów sygnałów radiolokacyjnych

Krukar W., Niedziela T.

Prace Naukowe Instytutu Technicznego Wojsk Lotniczych

2008

nr 23

145-166

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.

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.