Рассматривается проблема распознавания образа надводного корабля (судна), подводной лодки, специального морского аппарата – далее морского технического объекта, находящегося в зоне возможностей штатного акустического комплекса. Предполагается, что анализируемые данные являются векторами многомерного евклидова пространства, где они располагаются в соответствии с некоторой функцией распределения. Каждый вектор это и есть объект, подлежащий распознаванию, а координаты вектора являются его признаками. Размерность пространства признаков всегда велика. Основной задачей исследования является выделение основных «обобщенных признаков», что снижает исходную размерность признаков и позволяет идентифицировать объект. Сжатие исходного пространства происходит поэтапно. На первом этапе временной нестационарный процесс, несущий информацию, обрабатывается по методике Колмогорова – Хинчина, на втором – используется репликативная сеть, позволяющая выделить объект. В настоящей работе рассматривается этап обработки признакового пространства для обеспечения задач классификации морских технических объектов нейросетевыми структурами.
Discussed is the image recognition problem for a surface ship (vessel), a submarine or a special marine vehicle (hereinafter collectively referred to as «marine technical objects») located within the reach of a regular acoustic system. It is assumed that the analyzed data are vectors of a multidimensional Euclidean space, where they are located according to a certain distribution function. Specifically, each vector is an object to be recognized, the vector’s coordinates being the object’s attributes. The dimension of the attribute space is always high. The main objective of the study is to find basic «generic attributes», which reduces original dimensions of attributes, allowing to identify the object. The compression of the original space occurs in stages. At the first stage, the temporary non-stationary process that contains the information is processed according to the Kolmogorov-Khinchin method, on the second stage, a replicative network is used, which makes it possible to single out an object. In this paper, we discuss the attribute space processing to enable the classification of marine technical objects by neural network structures.
1. Нейросетевая адаптивная система распознавания объектов по их акустическим излучениям: Пат. 2513719 RU / Борзов А.Б., Лихоеденко К.П., Павлов Г.Л. и др., 20.04.2014. Бюлю № 11.
2. Мироненко М.В., Василенко А.М., Пятакович В.А. Обнаружение и распознавание источников гидрофизических и геофизических полей, измеряемых в морской среде // Мониторинг. Наука и технологии. – 2017. – № 1(30) –
3. С. 16–19.
3. Малашенко А.Е., Мироненко М.В., Карачун Л.Э., Халаев Н.Л. Создание и эксплуатация радиогидроакустических систем комплексного мониторинга гидрофизических полей морских акваторий на основе разработок средств морского приборостроения: монография. – Владивосток: Издательский дом ДВФУ, 2012. – 264 с.
4. Мироненко М.В. Нелинейная гидроакустика в системах мониторинга гидрофизических и геофизических полей морских акваторий / Монография. – Владивосток: ВУНЦ ВМФ «ВМА» (филиал, г. Владивосток), 2013. – 324 с.
5. Пятакович В.А., Василенко А.М., Мироненко М.В. Структура нейросетевой экспертной системы распознавания и классификации объектов по их информационным полям в системе комплексного мониторинга морских акваторий. – М.: Науковедение, 2017. – Т. 9, № 2. Режим доступа: http: //naukovedenie.ru/PDF/55TVN217.pdf, доступ свободный. – Загл. с экрана. – Яз. рус., англ.
6. Пятакович В.А., Василенко А.М., Мироненко М.В. Технологии нелинейной просветной гидроакустики и нейро-нечетких операций в задачах распознавания морских объектов: монография. – Владивосток: ДВФУ, 2016. – 190 с.
7. Пат. 2593625. Российская Федерация, МПК G10K 11/00. Способ передачи информационных волн из морской среды в атмосферу и обратно / М.В. Мироненко, А.М. Василенко, В.А Пятакович; Владивосток. ТОВВМУ, № 2593625. заявл. 22.04.2015; опубл. 10.08.16, Бюл. № 22. 17 с.
8. Пат. 2593624. Российская Федерация, МПК G10K 11/00. Радиогидроакустическая система передачи информационных волн из морской среды в атмосферу и обратно / М.В. Мироненко, А.М. Василенко, В.А. Пятакович; Владивосток. ТОВВМУ, № 2593624. заявл. 22.04.2015. Опубл. 10.08.16. Бюл. № 22.
9. Пат. 2593673. Российская Федерация, МПК G01H 3/00. Радиогидроакустическая система параметрического приема волн источников атмосферы, океана и земной коры в морской среде: РФ обратно / М.В. Мироненко, А.М. Василенко, В.А. Пятакович; Владивосток. ТОВВМУ, № 2593673. заявл. 22.04.2015. Опубл. 10.08.16. Бюл. № 22.
10. Мошошин А.И. Особенности синтеза алгоритмов классификации подводных объектов по их гидроакустическому полю// Акустический журнал. – 1996. – Т. 42. № 2. – С. 27–32.
11. Бобровский А.И. и др. Классификация гидроакустических сигналов с помощью нейронных сетей // Изв. вузов. Приборостроение. – 1996. – Т. 39. № 1. – С. 17–21.
12. Моргунов Ю.Н., Безответных В.В., Буренин А.В., Войтенко Е.А. Исследование влияния гидрологических условий на распространение псевдослучайных сигналов из шельфа в глубокое море // Акуст. журн. – 2016. – Т. 62, № 3. – С. 341–347.