bsuirДоклады БГУИРDoklady BGUIR1729-76482708-0382БГУИР10.35596/1729-7648-2025-23-5-58-65bsuir-4208Research ArticleСтатьиРаспознавание типов баллистических ракет с помощью нейронных сетей по траекторной информацииRecognition of Ballistic Missile Types Using Neural Networks Based on Trajectory InformationАпочкинаЕ. Ф.ApochkinaA. F.

Апочкина Е. Ф., инж.-програм.,

Минск.

Alena F. Apochkina, Engineer-Programmer, 

Minsk.

ПрокофьеваТ. В.ProkofievaT. V.

Прокофьева Татьяна Владимировна, вед. инж.-програм.,

220114, Минск, просп. Независимости, 117.

Тел.: +375 29 502-64-37.

Tatiana Vladimirovna Prokofieva, Leading Engineer-Programmer, 

220114, Minsk, Nezavisimosti Ave., 117.

Tel.: +375 29 502-64-37.

prokofieva@agat.byАпоровичВ. А.AparovichU. A.

Апорович В. А., канд. техн. наук, вед. сист. анал., 

Минск.

Uladzimir A. Aparovich, Cand. Sci. (Tech.), Leading Systems Analyst, 

Minsk.

ОАО «АГАТ – системы управления» – управляющая компания холдинга «Геоинформационные системы управления» (ОАО «АГАТ»)OJSC “AGAT – Control Systems” – Managing Company of “Geoinformation Control Systems” Holding (OJSC “AGAT”)2025291020252355865Copyright © Апочкина Е.Ф., Прокофьева Т.В., Апорович В.А., 20252025Апочкина Е.Ф., Прокофьева Т.В., Апорович В.А.Apochkina A.F., Prokofieva T.V., Aparovich U.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://doklady.bsuir.by/jour/article/view/4208

В статье представлены результаты решения задачи распознавания типов баллистических ракет с помощью нейронных сетей по траекторной информации. Для распознавания использовалась траекторная информация от радиолокационных станций, сопровождающих данные баллистические объекты. Рассмотрено распознавание с помощью нейронных сетей по параметрам «высота – энергетическая высота». Моделирование показало, что при примерно одинаковом времени решения задачи вероятность правильного распознавания для нейронных сетей прямого распространения (Feed forward neural network, FFNN) существенно больше, чем для алгоритма с разбиением плоскости на ячейки, использовавшегося для сравнения. 

This article presents the results of solving the problem of recognizing ballistic missile types using neural networks based on trajectory information. Trajectory information from radar stations tracking these ballistic objects was used for recognition. Recognition using neural networks based on the “altitude – energy altitude” parameters is considered. Simulations showed that, with approximately equal solution times, the probability of correct recognition for feedforward neural networks (FFNN) is significantly higher than for the plane-cell-based algorithm used for comparison.

баллистические ракетыраспознаваниерадиолокационное сопровождениетраекторная информацияэнергетическая высотанейронные сетиballistic missilesrecognitionradar trackingtrajectory informationenergy altitudeneural networksReferencesОхоцимский, Д. Е. Основы механики космических аппаратов / Д. Е. Охоцимский, Ю. Г. Сихарулидзе. М.: Наука, 1990.Ohocymsky D. E., Sikharulidze Y. G. (1990) Fundamentals of Spaceflight Mechanics. Moscow, Publishing House “Science” (in Russian).Кузьмин, С. З. Основы теории цифровой обработки радиолокационной информации / С. З. Кузьмин. М.: Сов. радио, 1974.Kuzmin S. Z. (1974) The Basics of the Theory of Digital Processing of Radar Information. Moscow, Publishing House “Soviet Radio” (in Russian).Медников, В. Н. Динамика полета и пилотирование самолетов / В. Н. Медников. Монино: Воен.-возд. акад. им. Ю. А. Гагарина, 1976. https://libcats.org/book/1238073.Mednikov V. N. (1976) Flight Dynamics and Aircraft Piloting. Monino, Yuri Gagarin Air Force Academy. https://libcats.org/book/1238073 (in Russian).Трофимова, Т. И. Курс физики. Учебное пособие для вузов / Т. И. Трофимова; изд. 9-е, перераб. и доп. М.: Изд. центр «Академия», 2004.Trofimova T. I. (2004) Physics Course. Textbook for High Schools. Moscow, Publishing Center “Academy” (in Russian).Бишоп, К. М. Распознавание образов и машинное обучение / К. М. Бишоп. М.: Изд. дом «Вильямс», 2020.Bishop C. M. (2020) Pattern Recognition and Machine Learning. Moscow, Publishing House “Williams” (in Russian).Апорович, В. А. Полиномиальная модель активного участка траектории ракеты-носителя / В. А. Апорович, В. И. Ольшанский, Н. С. Буглак // Прикладная радиоэлектроника. Состояние и перспективы развития: 1-й Междунар. радиоэлектрон. форум МРФ–2002. Ч. 1. Харьков, Украина, 2002. С. 31–33.Aporovich V. A., Olshansky V. I., Buglac N. S (2002) Polynomial Model of the Active Section of the Trajectory of the Carrier Missile. Applied Radioelectronics. Status and Prospects of Development, 1st International Radioelectronic Forum MYFF–2002. Part 1. Kharkov, Ukraine. 31–33 (in Russian).Космические траекторные измерения / Под ред. П. А. Агаджанова [и др.]. М.: Сов. радио, 1969. https://reallib.org/reader?file=1220987.Agajanov P. A., Dulevich V. E., Korostelev A. A. (1969) Space Trajectory Measurements. Moscow, Publishing House “Soviet Radio”. https://reallib.org/reader?file=1220987 (in Russian).Глобальная навигационная спутниковая система. Системы координат. Методы преобразований координат определяемых точек: ГОСТ 32453–2017. Введ. 01.07.2018.State Standard GOST 32453–2017. Global Navigation Satellite System. Coordinate Systems. Methods of Transformations for Determinated Points Coordinates. Introduced 01.07.2018.

The authors declare that there are no conflicts of interest present.