bsuirДоклады БГУИРDoklady BGUIR1729-76482708-0382БГУИР10.35596/1729-7648-2026-24-5-33-41bsuir-4445Research ArticleСтатьиМетодика синтеза устройства двухальтернативного радиолокационного распознавания на основе метода опорных векторов и последовательного критерия ВальдаMethodology for Synthesizing a Binary Radar Re­ cognition Device Based on Support Vector Machines and Wald’s Sequential CriterionЧигряйВ. Г.ChyhraiV.

Чигряй В. Г., адъюнкт каф. автоматики, радиолокации и приемо-передающих устройств

Минск

Chyhrai V., Adjunct of the Department of Automation, Radar and Transceivers

Minsk

СолонарА. С.SolonarA.

Солонар А. С., канд. техн. наук, доц., вед. науч. сотр.

Минск

Solonar A., Сand. Sci. (Tech.), Associate Professor, Leading Researcher

Minsk

ХраменковА. С.KhramiankouA.

Храменков Андрей Сергеевич, канд. техн. наук, доц., зам. нач. каф. автоматики, радиолокации и приемо-передающих устройств Тел.: +375 17 287-42-46

220057, Минск, просп. Независимости, 220

Khramiankou Andrei, Сand. Sci. (Tech.), Associate Professor, Deputy Head of the Department of Automation, Radar and Transceivers Тel.: +375 17 287-42-46

220057, Minsk, Nezavisimosti Ave., 220

xras.tech@mail.ruВоенная академия Республики БеларусьБеларусьMilitary Academy of the Republic of BelarusBelarusОАО «КБ Радар» управляющая компания холдинга «Системы радиолокации»БеларусьJSC “KB Radar” Managing Company of “Radar Systems” HoldingBelarus2026071120262453341Copyright © Чигряй В.Г., Солонар А.С., Храменков А.С., 20262026Чигряй В.Г., Солонар А.С., Храменков А.С.Chyhrai V., Solonar A., Khramiankou 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/4445

В статье рассматривается задача синтеза устройства двухальтернативного радиолокационного распознавания при отсутствии априорных аналитических моделей распределения классификационных признаков. Предложена методика последовательного распознавания радиолокационных объектов, основанная на совместном применении метода опорных векторов и последовательного критерия отношения вероятностей Вальда. На этапе обучения формируется разделяющая гиперплоскость, относительно которой многомерное признаковое пространство преобразуется в одномерную решающую величину – ориентированное расстояние до границы разделения классов. По обучающей выборке оцениваются условные вероятности правильного и ложного распознавания, используемые для формирования приращений решающей статистики. На этапе распознавания статистика рекуррентно накапливается и сравнивается с пороговыми уровнями до принятия решения. Методика сохраняет единую алгоритмическую структуру при изменении состава признаков и допускает адаптацию путем повторного обучения классификатора.

The article considers the synthesis of a binary radar recognition device in the absence of a priori analytical models of classification feature distributions. A methodology for sequential radar target recognition is proposed, based on the combined use of support vector machines and Wald’s sequential probability ratio test. At the training stage, a separating hyperplane is constructed, with respect to which the multidimensional feature space is transformed into a one-dimensional decision variable represented by the signed distance to the class-separation boundary. Based on the training sample, the conditional probabilities of correct and false recognition are estimated and used to form increments of the decision statistic. At the recognition stage, the statistic is recursively accumulated and compared with threshold levels until a decision is made. The methodology preserves a unified algorithmic structure when the feature set changes and allows adaptation through repeated classifier training.

радиолокационное распознаваниедвухальтернативная классификацияпоследовательный критерий отношения вероятностейметод опорных векторовradar recognitionbinary classificationsequential probability ratio testsupport vector machinesReferencesFu K. (1971) Sequential Methods in Pattern Recognition and Machine Learning. Moscow, Nauka (in Russian).Fu K. (1971) Sequential Methods in Pattern Recognition and Machine Learning. Moscow, Nauka (in Russian).Khramiankou A. S., Yarmolik S. N. (2013) The Comparative Analysis of Radar-tracking Searchers Based on Neiman-Pierson Criterion and Sequential Probability Ratio Test. Doklady BGUIR. (6), 72–78 (in Russian).Khramiankou A. S., Yarmolik S. N. (2013) The Comparative Analysis of Radar-tracking Searchers Based on Neiman-Pierson Criterion and Sequential Probability Ratio Test. Doklady BGUIR. (6), 72–78 (in Russian).Kent S., Kasapoglu N. G., Kartal M. (2008) Radar Target Classification Based on Support Vector Machines and High Resolution Range Profiles. Proceedings of the IEEE Radar Conference (RADAR 2008). Rome, Italy. 1–6. https://doi.org/10.1109/RADAR.2008.4721107.Kent S., Kasapoglu N. G., Kartal M. (2008) Radar Target Classification Based on Support Vector Machines and High Resolution Range Profiles. Proceedings of the IEEE Radar Conference (RADAR 2008). Rome, Italy. 1–6. https://doi.org/10.1109/RADAR.2008.4721107.Jasinski T., Brooker G., Antipov I. (2021) W-Band Multi-Aspect High Resolution Range Profile Radar Target Classification Using Support Vector Machines. Sensors. 21 (7). https://doi.org/10.3390/s21072385.Jasinski T., Brooker G., Antipov I. (2021) W-Band Multi-Aspect High Resolution Range Profile Radar Target Classification Using Support Vector Machines. Sensors. 21 (7). https://doi.org/10.3390/s21072385.Bufler T. D., Narayanan R. M. (2016) Radar Classification of Indoor Targets Using Support Vector Machines. IET Radar, Sonar & Navigation. 10 (8), 1468–1476. https://doi.org/10.1049/iet-rsn.2015.0580.Bufler T. D., Narayanan R. M. (2016) Radar Classification of Indoor Targets Using Support Vector Machines. IET Radar, Sonar & Navigation. 10 (8), 1468–1476. https://doi.org/10.1049/iet-rsn.2015.0580.Murphy K. P. (2012) Machine Learning: A Probabilistic Perspective. Cambridge, MIT Press.Murphy K. P. (2012) Machine Learning: A Probabilistic Perspective. Cambridge, MIT Press.

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