Details

Целью работы является повышение вероятности правильного обнаружения пика взаимной корреляционной функции в задаче спутниковой геолокации высоко-динамичного источника путем применения нейронных сетей. Основной задачей является разработка и применение нейронной сети для оценки зависимости частотного смещения сигналов от времени для дальнейшей его компенсации. В работе разработана имитационная модель спутникового канала связи, подвижного источника радиоизлучения и системы обнаружения данного источника. Также реализованы алгоритмический и нейросетевой методы оценки частотного сдвига с дальнейшим сравнением их эффективности в задаче геолокации. Моделирование и эксперименты проводились в программном пакете MATLAB. Обучение и применение нейронной сети осуществлялось в среде разработки Python.

The thesis focuses on increasing the probability of correctly detecting the peak of the cross-correlation in the task of satellite geolocation. The main objective is to develop and use a neural network to estimate the frequency shift of signals time dependency for further compensation. In this work, a simulation model of a satellite communication channel, a moving radio emitter, and a system for detecting this source has been developed. Algorithmic and neural network methods for estimating frequency shift were also implemented, and their effectiveness was compared in the geolocation task. Modeling and experiments were conducted using the MATLAB software package. The neural network was trained and applied using the Python development environment.