Розпізнавання об'єктів під поверхнею ґрунта за допомогою імпульсного опромінювання антеною типу «метелик» та штучної нейронної мережі

  • I. D. Persanov Харківський національний університет імені В. Н. Каразіна http://orcid.org/0000-0002-7136-283X
  • O. M. Dumin Харківський національний університет імені В. Н. Каразіна http://orcid.org/0000-0001-5067-9689
  • V. A. Plakhtii Харківський національний університет імені В. Н. Каразіна http://orcid.org/0000-0002-0442-2716
  • D. V. Shyrokorad Запорізький національний технічний університет http://orcid.org/0000-0002-2784-4081
Ключові слова: підповерхневий радіолокатор, імпульсна електромагнітна хвиля, антена «метелик», штучна нейронна мережа, виявлення об'єктів

Анотація

Актуальність. Задачі підповерхневої радіолокації займають важливе місце в сучасному світі, наприклад в геології, будівництві та гуманітарному розмінуванні. Складною проблемою, що перешкоджає широкому застосуванню підповерхневих радарів, є обробка та інтерпретація параметрів відбитого електромагнітного поля.

Мета роботи. Ця робота має на меті вирішити проблему розпізнавання об'єктів під поверхнею ґрунта за допомогою імпульсного опромінювання антеною типу «метелик» та штучної нейронної мережі (ШНМ).

Матеріали та методи. Задача розпізнавання циліндричного ідеальнопровідного об’єкта, який знаходиться під поверхнею землі, розв’язуються ШНМ. Межа розділу повітря-земля опромінюється антеною типу «метелик», яка збуджується імпульсним струмом наносекундної тривалості. Таке опромінення майже точковим джерелом, на відміну від падіння пласкої нестаціонарної електромагнітної хвилі, яке розглядалось у наших попередніх роботах, характеризується значним зниженням енергії поля, що досягає прихованого об’єкта, відбивається від нього і приймається антеною. Більше того, таке зниження енергії поля стає відчутнішим пропорційно віддаленню об’єкту від радару. Ці складнощі можуть ставити під сумнів можливість застосування підходу на основі ШНМ. Електродинамічна задача розв’язуються шляхом числового моделювання за допомогою методу FDTD. В якості вихідних даних використовувались часові залежності амплітуд електричних компонентів поля різної поляризації, які були отримані у чотирьох точках над поверхнею землі, що, в свою чергу, утворювали форму квадрату. На основі отриманих даних була натренована ШНМ з метою визначення положення об’єкта під поверхнею ґрунта.

Результати. Якість розпізнавання ШНМ була перевірена тестовими даними з додаванням гаусового шуму та даними, отриманими для випадку, коли приймальна система зміщена відносно об’єкта на величину, на яку ШНМ не була натренована.

Висновки. Антенна система такого типу в поєднанні з ШНМ показує гарні результати визначення відстані до об’єкту навіть за наявності шумів.

Завантаження

Дані завантаження ще не доступні.

Біографії авторів

I. D. Persanov, Харківський національний університет імені В. Н. Каразіна

Україна, 61022, м. Харків, м. Свободи,4

O. M. Dumin, Харківський національний університет імені В. Н. Каразіна

Україна, 61022, м. Харків, м. Свободи,4

V. A. Plakhtii, Харківський національний університет імені В. Н. Каразіна

Україна ,61022, м. Харків, м. Свободи,4

D. V. Shyrokorad, Запорізький національний технічний університет

Україна, 69063, м.Запоріжжя, вул.Жуковського, 64

Посилання

Taylor JD, editor. Ultrawideband radar: applications and design. Boca Raton, London, NewYork: CRC Press. 2012. 536 p.

Pochanin GP, Ruban VP, Kholod PV, Shuba OA, Pochanina IYe, Batrakova AG, Urdzik SN, Batrakov DO, Golovin DV. Advances in ground penetrating radars for road surveying. Ultrawideband and Ultrashort Impulse Signals; 2014 15-19 Sep; Kharkiv, Ukraine; p. 13-18.

Pochanin G, Ruban V, Ogurtsova T, Orlenko O, Pochanina I, Kholod P, Capineri L, Falorni P, Bulletti A, Dimitri M, Bossi L, Bechtel T, Crawford F. Application of the Industry 4.0 Paradigm to the Design of a UWB Radiolocation System for Humanitarian Demining. Proc. 9th International Conference on Ultrawideband and Ultrashort Impulse Signals (UWBUSIS–2018); 2018 4-7 Sep; Odessa, Ukraine, p. 50-56.

Pochanin G, Masalov S, Pochanina I, Capineri L, Falorni P, Bechtel T. Modern trends in development and application of the UWB radar systems. 8th International Conference on Ultrawideband and Ultrashort Impulse Signals (UWBUSIS); 2016; Odessa; p. 7-11.

Sato M, Feng X, Hamada Y, Zeng Z, Guangyou F, Kong F. GPR using an array antenna for landmine detection. European Association of Geoscientists & Engineers, Near Surface Geophysics; 2004 Feb; p. 7-13.

Liberal I, Caratelli D, Yarovoy A, Cicchetti R, Russo M. Conformal butterfly antennas for Ultra-Wideband Radio Direction finding applications. The 40th European Microwave Conference; 2010; Paris; p. 846-849.

Gao X, Podd F, Verre W, Daniels DJ, Peyton AJ. Investigating the Performance of Bi-Static GPR Antennas for Near-Surface Object Detection. Sensors (Basel, Switzerland). 5 Jan. 2019;19(1):170.

Qiubo Ye, Zhi Ning Chen, Terence SP.See. Characteristics of an Ultra-Wideband (UWB) Butterfly-Shaped Monopole Antenna. Ultra Wideband Communications: Novel Trends - Antennas and Propagation. 2011 August; Avaible from: https://www.intechopen.com/books/ultra-wideband-communications-novel-trends-antennas-and-propagation/characteristics-of-an-ultra-wideband-uwb-butterfly-shaped-monopole-antenna doi: DOI: 10.5772/16717

Haykin S. Neural Networks. 2nd ed. New Jersey: Prentice-Hall, 1999;

Drobakhin O, Doronin A. Estimation of thickness of subsurface air layer by neuron network technology application to reflected microwave signal. Proc. XII Int. Conf. on MMET; 2008; Odessa; p. 150-152.

Drobakhin OO, Doronin AV. Neural network application for dielectric structure parameter determination by multifrequency methods. Proc. of Third International Conference of Ultrawideband and ultrashort impulse signals; 2006; Sevastopol, Ukraine; р. 358-360.

Travassosa L, Avilab L, Ida N. Artificial Neural Networks and Machine Learning techniques applied to Ground Penetrating Radar: A review. Applied Computing and Informatics. 29 June 2018. Avaible from: https://www.sciencedirect.com/science/article/pii/S2210832718302266 doi: 10.1016/j.aci.2018.10.001

Tomecka-Suchoń S, Szymczyk P, Szymczyk M. Neural Networks as a Tool for Georadar Data Processing. Int. J. Appl. Math. Comput. Sci. 2015;25(4):955-960.

Shyrokorad D, Dumin O, Dumina O. Time domain analysis of reflected impulse fields by artificial neural network. Proc. IV Conf. on UWBUSIS; 2008; Sevastopol; p. 124-126.

Dumin O, Dumina O, Shyrokorad D. Time domain analysis of fields reflected from model of human body surface using artificial neural network. In Proc. EuCAP; 2009; Berlin; p. 235-238.

Shyrokorad D, Dumin O, Dumina O, Katrich V, Chebotarev V. Approximating properties of artificial neural network in time domain for the analysis of electromagnetic fields reflected from model of human body surface. Proc. MSMW; 2010 21-26 Jun; Kharkiv; p. 1-3. doi: 10.1109/MSMW.2010.5546075.

Shyrokorad D, Dumin O, Dumina O, Katrich V, Analysis of transient fields reflected from model of human body surface using convolutional neural network. Proc. MMET. 2010 6-8 Sept; Kyiv; p. 1-4. doi: 10.1109/MMET.2010.5611389

Ogurtsova T, Ruban V, Pojedinchuk A, Pochanin O, Pochanin G, Capineri L, Falorni P, Borgioli G, Bechtel T, Crawford F. Criteria for Selecting Object Coordinates at Probing by the Impulse UWB GPR with the “1Tx + 4Rx” Antenna System. Proc. 9th Int. Conf. on Ultrawideband and Ultrashort Impulse Signals (UWBUSIS-2018); 2018 4-7 Sep; Odessa, Ukraine; p. 161-164.

Dumin O, Prishchenko O, Pochanin G, Plakhtii V, Shyrokorad D. Subsurface Object Identification by Artificial Neural Networks and Impulse Radiolocation. IEEE Second Int. Conf. on Data Stream Mining & Processing (DSMP-2018); 2018 21-25 August; Lviv, Ukraine; p. 434-437.

Dumin OM, Prishchenko O, Shyrokorad D, Plakhtii V. Application of UWB Electromagnetic Waves for Subsurface Object Location Classification by Artificial Neural Networks. Proc. 9th Int. Conf. on Ultrawideband and Ultrashort Impulse Signals (UWBUSIS–2018); 2018 4-7 Sep. Odessa, Ukraine. p. 290–293.

Taflove A, Hagness S. Computational Electrodynamics: The Finite-Difference Time-Domain Method. 3rd ed. Boston, London: Artech House; 2005. 997 p.

Опубліковано
2018-12-28
Цитовано
0 статей

Найбільш популярні статті цього автора (авторів)