Виявлення та класифікація наземних мін за допомогою надширокосмугового радару та штучних нейронних мереж

  • О. М. Думін Харківський національний університет імені В. Н. Каразіна http://orcid.org/0000-0001-5067-9689
  • О. А. Прищенко Харківський національний університет імені В. Н. Каразіна http://orcid.org/0000-0001-7143-9545
  • В. А. Плахтій Харківський національний університет імені В. Н. Каразіна http://orcid.org/0000-0002-0442-2716
  • Г. П. Почанін Інститут радіофізики та електроніки ім. О.Я. Усикова Національної академії наук України https://orcid.org/0000-0002-1977-2217
Ключові слова: підповерхневий радар, надкороткий електромагнітний імпульс, штучна нейронна мережа, надширокосмугова антена, розпізнавання об'єктів, гуманітарне розмінування

Анотація

Актуальність. У сучасному світі задача виявлення підземних об’єктів зустрічається у багатьох галузях діяльності людини: швидкий огляд території на предмет наявності підземних інженерних комунікацій для проведення земельних робіт, знаходження розташування конструкцій заземлення, обриву кабелю або його замикання, дистанційне зондування для виявлення та картографування археологічних об’єктів. Також в Україні є важливим питання гуманітарного розмінування в Донецькій та Луганській областях. Новітні пристрої дистанційного обстеження землі, такі як надширокосмуговий підповерхневий радар, вже стали на поміч військовим саперам у розвинених країнах, щоб зробити процес розмінування безпечнішим.

Мета роботи. Метою даної роботи є покращення розпізнавання підповерхневих об’єктів шляхом використання штучної нейронної мережі (ШНМ) для обробки сигналів, перевірка впливу завад у сигналах, що надходять від надширокосмугової антенної системи, на надійність визначення положення об’єкта в досліджуваній област та його типу.

Матеріали та методи. В даній роботі використаний метод ШНМ для розпізнавання прихованих об’єктів надширокосмуговим підповерхневим радаром. Процес поширення електромагнітного поля моделюється методом скінченних різниць у часовому просторі (FDTD). Тестування нейронної мережі проводиться шляхом додавання до вхідного сигналу Гаусового шуму різних рівнів. Для виключення випадковості розпізнавання для різних реалізацій шуму моделювання задачі проводиться 1000 разів.

Результати. Отримані гістограми розпізнавання об’єктів для двох типів мін та шести різновидів бляшанок. Великий набір хибних об’єктів для тренування нейронної мережі дав гарні результати розпізнавання протипіхотних мін, що відобразилося на чудовій стійкості визначення положення та типу об’єкту навіть за наявності завад із високим рівнем співвідношення сигнал-шум.

Висновки. Задача підповерхневого зондування може бути розв’язана використанням повнозв’язної нейронної мережі з п’ятьма прихованими шарами нейронів. Визначено, що використання штучного інтелекту дає гарні результати розпізнавання підземних об’єктів, якщо попередньо підготувати якісний навчальний набір даних для штучної нейронної мережі. Показана задовільна стійкість до роботи із зашумленими сигналами, що є перспективним для подальшого тестування розробленого методу у застосуванні до підповерхневого радару в умовах реального експерименту.

Завантаження

##plugins.generic.usageStats.noStats##

Біографії авторів

О. М. Думін, Харківський національний університет імені В. Н. Каразіна

майдан Свободи 4, м. Харків, 61022

О. А. Прищенко, Харківський національний університет імені В. Н. Каразіна

майдан Свободи 4, м. Харків, 61022

В. А. Плахтій, Харківський національний університет імені В. Н. Каразіна

майдан Свободи 4, м. Харків, 61022

Г. П. Почанін, Інститут радіофізики та електроніки ім. О.Я. Усикова Національної академії наук України

вул. Акад. Проскури 12, м. Харків, 61085

Посилання

NATO supports humanitarian demining in Ukraine [Internet]. NATO News. 27 May 2016. Available from:https://www.nato.int/cps/en/natohq/news_131607.htm?selectedLocale=en

Maki KH. Development of robot and navigation techniques for humanitarian demining. 6th IEEE International Conference on Industrial Informatics; 2008 13-16 July Daejeon, South Korea; 2008. https://doi.org/10.1109/INDIN.2008.4618135

Earp SL, Hughes ES, Elkins TJ, Vickers R. Ultra-wideband ground-penetrating radar for the detection of buried metallic mines. Proceedings of the 1996 IEEE National Radar Conference; 1996 13-16 May; USA, Ann Arbor, MI,; 1996. https://doi.org/10.1109/NRC.1996.510648

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

Millot P, Castanet L, Casadebaig L, Maaref N, Gaugue A, Ménard M, Khamlichi J, Louis G, Fortino N, Dauvignac J-Y, Clementi G, Schortgen M, Quellec L, Laroche V. An UWB Through-The-Wall radar with 3D imaging, detection and tracking capabilities. European Radar Conference (EuRAD); 2015 9-11 September; Paris, France; 2015. https://doi.org/10.1109/EuRAD.2015.7346281

Hai-zhong Y, Yu-feng O, Hong C. Application of ground penetrating radar to inspect the metro tunnel. 14th International Conference on Ground Penetrating Radar (GPR); 2012 4-8 June, Shanghai, China; 2012. https://doi.org/10.1109/ICGPR.2012.6254963

Hölbling Z, Mihaldinec H, Ambruš D, Džapo H, Bilas V, Vasić D. UWB localization for discrimination-enabled metal detectors in humanitarian demining. IEEE Sensors Applications Symposium (SAS); 2017 13-15 March; USA, Glassboro, NJ; 2017. https://doi.org/10.1109/SAS.2017.7894073

Morgenthaler A, Rappaport C. Fast GPR underground shape anomaly detection using the Semi-Analytic Mode Matching (SAMM) algorithm. IEEE International Geoscience and Remote Sensing Symposium – IGARSS; 201321-26 July; Australia, Melbourne, VIC; 2013. https://doi.org/10.1109/IGARSS.2013.6723051

Li W. Zhou H, Wan X. Generalized Hough Transform and ANN for subsurface cylindrical object location and parameters inversion from GPR data. 14th International Conference on Ground Penetrating Radar (GPR); 2012 4-8 June; China, Shanghai; 2012. https://doi.org/10.1109/ICGPR.2012.6254874

O Dumin, Plakhtii V, Pryshchenko O, Pochanin G. Comparison of ANN and Cross-Correlation Approaches for Ultra Short Pulse Subsurface Survey. 15th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET – 2020); 2020 February 25-29; Ukraine, Lviv-Slavske; 2020. https://doi.org/10.1109/TCSET49122.2020.235459

Sharma P, Kumar B, Singh D, Gaba SP. Metallic Pipe Detection using SF ­GPR: A New Approach using Neural Network. 2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS); 2016 10-15 July; China, Beijing; 2016. https://doi.org/10.1109/IGARSS.2016.7730726

Callan R. The essence of neural networks. New York: Prentice Hall Europe; 1999.

Dumin OM, Plakhtii VA, Pryshchenko OA, Shyrokorad DV. Recognition of objects under the earth's surface by ultra-wideband radio introscopy using artificial neural networks. Visnyk of V.N. Karazin Kharkiv National University, series “Radio Physics and Electronics”. 2018;28:24–29. [In Ukrainian].

Dumin OM, Plakhtii VA, Pryshchenko OA, Shyrokorad DV, Volvach YaS. The effect of reducing the noise of the input signal on the classification of the location of the object by an artificial neural network in ultra-wideband radio introscopy. Visnyk of V.N. Karazin Kharkiv National University, series “Radio Physics and Electronics”. 2019;31:27–35 [In Ukrainian]. https://doi.org/10.26565/2311-0872-2019-31-03

Dumin OM, Plakhtii VA, Pryshchenko OA, Shyrokorad DV. Discrete tomography method in data processing of ultra-wideband subsurface radar by artificial neural network. Visnyk of V.N. Karazin Kharkiv National University, series “Radio Physics and Electronics”. 2018;29:17–26. [In Ukrainian]. https://doi.org/10.26565/2311-0872-2018-29-03

Pochanin G, Capineri L, Bechtel T, Falorni P, Borgioli G, Ruban V, Orlenko O, Ogurtsova T, Pochanin O, Crawford F, Kholod P, Bossi L. Measurement of Coordinates for a Cylindrical Target Using Times of Flight from a 1-Transmitter and 4-Receiver UWB Antenna System. IEEE Transactions on Geoscience and Remote Sensing. 2020;58(2):1363-1372. https://doi.org/10.1109/TGRS.2019.2946064

Duque A, Perry W, Anderson-Cook C. Complex Microwave Permittivity of Secondary High Explosives. Propellants Explosives Pyrotechnics. 2013;39(2):275-283. https://doi.org/10.1002/prep.201300032

Vander Gaasta B, McFeeb J, Russella K, Fausta A. Design and validation of inert homemade explosive simulants for Ground Penetrating Radar. Proc. SPIE 9454, Detection and Sensing of Mines, Explosive Objects, and Obscured Targets XX; 2015 20-24 April; USA, Baltimore, Maryland; 2015 21 May. 945412 https://doi.org/10.1117/12.2175586

Zafrir H, Bregman Y, Wolf D, Hershler S. Super-sensitive, real time and wide coverage, all terrain ground robotic and hand held systems for mine and UXO detection and mapping. 1998 Second International Conference on the Detection of Abandoned Land Mines; 1998 12-14 October; UK, Edinburgh; IEE Conf. Publ. No. 458; 1998. https://doi.org/10.1049/cp:19980721

Dumin O, Pryshchenko O, Plakhtii V, Pochanin G. Landmine detection and classification using UWB antenna system and ANN analysis. 2020 IEEE Ukrainian Microwave Week (UkrMW); 2020 September 21-25; Ukraine, Kharkiv; 2020. p. 1030–1035. https://doi.org/10.1109/UkrMW49653.2020.9252574

Опубліковано
2020-11-17
Цитовано
Як цитувати
Думін, О. М., Прищенко, О. А., Плахтій, В. А., & Почанін, Г. П. (2020). Виявлення та класифікація наземних мін за допомогою надширокосмугового радару та штучних нейронних мереж. Вісник Харківського національного університету імені В. Н. Каразіна. Серія «Радіофізика та електроніка», (33), 7-19. https://doi.org/10.26565/2311-0872-2020-33-01