Анализ информативности признаков распознавания малоразмерных беспилотных летательных аппаратов по реальным записям импульсного радиолокатора S-диапазона
https://doi.org/10.35596/1729-7648-2026-24-1-51-59
Аннотация
Разработан и исследован подход к анализу классификационных признаков радиолокационного распознавания малоразмерных беспилотных летательных аппаратов на основе спектральных радиолокационных портретов, сформированных по реальным записям импульсного радара S-диапазона. Рассмот рена задача выделения и оценки информативности сигнальных признаков, доступных для практической реализации в радиолокаторах обнаружения и сопровождения. Проведена обработка экспериментальных данных и сформирован набор физически интерпретируемых признаков, отражающих свойства планерной составляющей и вторичной микродоплеровской модуляции отраженного сигнала. Для количественной оценки разделяющей способности признаков использованы критерий Фишера, количество информации и нормированные межклассовые расстояния. Установлено, что наибольшей информативностью обладают признаки микродоплеровской природы, обеспечивающие устойчивое разделение мультикоптерных и гибридных типов беспилотных летательных аппаратов.
Об авторах
А. С. Храменков
Военная академия Республики Беларусь
Беларусь
Беларусь
Храменков Андрей Сергеевич - канд. техн. наук, доц., зам. нач. каф. автоматики, радиолокации и приемо-передающих устройств
220057, Минск, просп. Независимости, 220
Тел.: +375 17 287-42-46
В. Г. Чигряй
Военная академия Республики Беларусь
Беларусь
Беларусь
адъюнкт каф. автоматики, радиолокации и приемо-передающих устройств
Минск
Список литературы
1. Гейстер, С. Р. Адаптивное обнаружение-распознавание с селекцией помех по спектральным портретам / С. Р. Гейстер. Минск: Воен. акад. Респ. Беларусь, 2000.
2. Ground-Based Radar Detection Dataset of “Low Slow Small” Unmanned Aerial Vehicles Under Simple Field Background Conditions / Q. Lin [et al.] // Journal of Signal Processing. 2024. Vol. 40, No 11. P. 2095–2104. https://doi.org/10.12466/xhcl.2024.11.014.
3. Kretzschniar, R. A Comparison of Feature Sets and Neural Network Classifiers on a Bird Removal Approach for Wind Profiler Data / R. Kretzschniar, N. B. Karayiannis, H. Richner // Proceedings of the IEEE-INNSENNS International Joint Conference on Neural Networks (IJCNN 2000). 2000. Vol. 2. P. 279–284. https://doi.org/10.1109/IJCNN.2000.857909.
4. Oh, B.-S. A UAV Classification System Based on FMCW Radar Micro-Doppler Signature Analysis / B.-S. Oh, X. Guo, Z. Lin // Expert Systems with Applications. 2019. Vol. 132. P. 239–255. https://doi.org/10.1016/j.eswa.2019.05.007.
5. Exploring Radar Micro-Doppler Signatures for Recognition of Drone Types / J. Yan [et al.] // Drones. 2023. Vol. 7, No 4. P. 1–15. https://doi.org/10.3390/drones7040280.
6. Murphy, K. P. Machine Learning: A Probabilistic Perspective / K. P. Murphy. Cambridge: MIT Press, 2012.
Рецензия
Для цитирования:
Храменков А.С., Чигряй В.Г. Анализ информативности признаков распознавания малоразмерных беспилотных летательных аппаратов по реальным записям импульсного радиолокатора S-диапазона. Доклады БГУИР. 2026;24(1):51-59. https://doi.org/10.35596/1729-7648-2026-24-1-51-59
For citation:
Khramiankou A., Chyhrai V. Analysis of the Information Content of Recognition Features of Small-Sized Unmanned Aerial Vehicles Based on Real S-Band Pulse Radar Recordings. Doklady BGUIR. 2026;24(1):51-59. (In Russ.) https://doi.org/10.35596/1729-7648-2026-24-1-51-59
Просмотров:
216
JATS XML
Послать статью по эл. почте 