Аннотация:
Кучево-дождевая облачность и сопутствующие ей метеоявления, такие как ливень, гроза, град являются опасными погодными явлениями для авиации. Для решения задачи классификации кучево-дождевой облачности и сопутствующих ей опасных метеоявлений был обоснован байесовский подход в условиях полной априорной неопределенности. Статистический анализ данных натурного эксперимента показал, что плотности распределения максимальной отражаемости и турбулентности по значениям и высоте имеют уникальный параметрический характер, описываемый обобщенным законом Райса. В работе представлена методика статистического анализа экспериментальных данных метеорологического радиолокационного комплекса ближней зоны для исследования распознавания опасных метеорологических явлений «ливеньгроза-град», на основании которой был создан программно-алгоритмический модуль, который расширил этап вторичной обработки информации в метеорологическом радиолокационном комплексе ближней зоны до непосредственного расчета карт опасных метеоявлений. Программно-алгоритмический модуль включает в себя автоматические расчёты вероятностей полной группы событий для ливня, грозы, града; также приведена реализация графика двумерных областей распознавания опасных метеоявлений по максимальной радиолокационной отражаемости. В работе показано, что оптимизация критериев в части применения объединения признаков для ливня, грозы, града на базе созданного программно-алгоритмического модуля является успешной.

Ключевые слова:
метеорологический радиолокатор, опасные метеорологические явления, классификация метеорологических явлений, распознавание образов, разделяющая функция признаков, программно-алгоритмический модуль, пороги принятия решений.

Об авторах:
Савельев А.Н., д.т.н., доцент, профессор кафедры радиоэлектронных устройств и систем МГТУ им. Н.Э. Баумана, e-mail: savelyev.an@bmstu.ru.

Васильев О.В., д.т.н., профессор, профессор кафедры Технической эксплуатации радиоэлектронного оборудования воздушного транспорта МГТУ ГА, e-mail: vas_ov@mail.ru

Бояренко Э.С., аспирант кафедры Технической эксплуатации радиоэлектронного оборудования воздушного транспорта МГТУ ГА, boyarenko. , e-mail: elvira@mail.ru

Галаева К.И., к.т.н., доцент кафедры Технической эксплуатации радиоэлектронного оборудования воздушного транспорта МГТУ ГА, e-mail: ks.galaeva@mail.ru

Аннотация:
Исследованы робастные методы обнаружения источников OFDM-сигналов, предложен новый, практически эффективный метод обнаружения сигналов гигагерцового диапазона, названный детектором Громова-Хаусдорфа. Предложенный метод детекции основан на обработке спектров наблюдений с использованием медианной версии метрики Громова-Хаусдорфа. Предложенный метод обеспечивает лучшие показатели метрик AUC, вероятности обнаружения и вероятности ошибок первого рода по сравнению с альтернативными методами детекции.

Произведен теоретический анализ точности детекторов сигналов, в том числе робастных к помехам, распределенным согласно модели ε-загрязнения Хубера. Создан действующий, физический макет обнаружителя OFDM-сигналов на основе детектора Громова-Хаусдорфа. Описание макета представлено в тексте статьи. Проведено численное и экспериментальное (в полевых условиях) сравнение качества работы детектора Громова-Хаусдорфа с детектором медианной мощности и с детектором Ходжа-Лемана. Полевые исследования показали, что детектор Громова-Хаусдорфа имеет преимущество и перед альтернативными детекторами по метрикам «вероятность правильного обнаружения» и «вероятность ложной тревоги».

Ключевые слова:
обнаружитель ГромоваХаусдорфа, OFDM-сигнал, робастная детекция, сканирование частотного диапазона.

Об авторах:
Тимофеев А.В., д.т.н., научный директор ТОО «Эквалайзум», Астана, Казахстан, e-mail: timofeev.andrey@gmail.com

Аннотация:
Исследование посвящено разработке и валидации методики классификации новообразований толстой кишки на основе эндоскопических изображений с использованием фундаментальных визуальных моделей. Основной задачей являлась оптимизация подготовки видеоданных: с помощью предобученной модели DINOv3 осуществлялось селективное прореживание видеопотока для отбора наиболее репрезентативных кадров, что позволило более чем в 20 раз сократить трудозатраты на разметку. На основе этого подхода создан аннотированный набор видеоизображений, включающий пять классов патологий: от отсутствия патологий до рака с глубокой инвазией. Проведено сравнительное тестирование различных нейросетевых архитектур, включая ResNet и ConvNeXt, на предмет точности классификации и вычислительной эффективности. Наилучший баланс между точностью и производительностью продемонстрировала модель ResNet-50, которая интегрировалась в прототип системы поддержки принятия врачебных решений. Результаты экспериментов подтвердили высокую клиническую значимость предложенного решения, обеспечивающего анализ эндоскопического видеопотока в реальном времени, с точностью, приемлемой для практического внедрения.

Ключевые слова:
классификация патологий, глубокое машинное обучение, фундаментальные визуальные модели, эндоскопические изображения, системы поддержки принятия врачебных решений.

Об авторах:
Хрящев В.В., к.т.н., доцент кафедры цифровых технологий и машинного обучения Ярославского государственного университета им. П.Г. Демидова, e-mail: vhr@yandex.ru

Назаровский А.Е., к.т.н., научный сотрудник центра цифровых компетенций Ярославского государственного медицинского университета, e-mail: nazarovsky@mail.ru

Завьялов Д.В., д.м.н., доцент кафедры онкологии с гематологией Ярославского государственного медицинского университета, e-mail: zavialoff@mail.ru

Приоров А.Л., д.т.н., профессор кафедры цифровых технологий и машинного обучения Ярославского государственного университета им. П.Г. Демидова, e-mail: andcat@yandex.ru

Аннотация:
Предложен метод фильтрации спекл-шума радиолокационных изображений (РЛИ) на основе обработки пространственно-ориентированных деревьев (ПОД) вейвлет-преобразования с применением нейронной сети, построенной на архитектуре трансформера. Предлагаемый метод сочетает кратномасштабный вейвлетанализ, эффективно выявляющий иерархическую структуру признаков по масштабам и ориентациям, с механизмом внимания трансформера, способным моделировать как локальные, так и глобальные зависимости ПОД. Каждое ПОД представляется в виде последовательности токенов и обрабатывается предложенной модифицированной архитектурой трансформера. Эксперименты показывают, что предложенный метод превосходит другие методы по метрикам СКО, ПОСШ, SSIM и по визуальному качеству.

Ключевые слова:
спекл-шум, кратномасштабный вейвлет-анализ, пространственноориентированные деревья, нейронная сеть, трансформер.

Об авторах:
Бехтин Ю.С., д.т.н., профессор кафедры АИТУ РГРТУ им. В.Ф. Уткина, e-mail: yuri.bekhtin@yandex.ru

Чинь В.Т., аспирант кафедры АИТУ РГРТУ им. В.Ф. Уткина, e-mail: vantoan.vkhk92@gmail.com

Аннотация:
Рассмотрены алгоритмы совместного обнаружения-измерения неэквидистантной последовательности радиолокационных сигналов. Для аддитивной смеси неэквидистантной пачки сигналов и собственного шума приемника приведено статистическое описание, на основе которого путем вычисления отношения правдоподобия и последующего его усреднения синтезирован инвариантный к доплеровской фазе алгоритм обнаружения. Методом максимального правдоподобия синтезирован алгоритм оценивания разностной доплеровской фазы, на основе оценки которой при линейном изменении периода повторения получено выражениг для оценки радиальной скорости цели и сформулированы условия ее однозначного измерения. Синтезированные алгоритмы совместного обнаружения-измерения когерентно-импульсных сигналов с линейным изменением периода повторения позволяют однозначно измерять радиальную скорость цели в заданном диапазоне при сохранении однозначного измерения дальности. Приведена структурная схема, реализующая синтезированные алгоритмы совместного обнаружения-измерения неэквидистантных сигналов с линейным изменением периода повторения. С учетом асимптотической эффективности и асимптотической нормальности оценки максимального правдоподобия разностной доплеровской фазы использовано выражение Крамера-Рао, на основе которого получено выражение для дисперсии оценки разностной доплеровской фазы, характеризующее потенциальную точность измерения. Для практических целей приведены эвристические выражения для среднеквадратичной ошибки измерения. Проведенное имитационное статистическое моделирование на ЭВМ предложенных алгоритмов позволило получить наиболее достоверные результаты. Установлено, что синтезированные алгоритмы обнаружения-измерения по сравнению с известными алгоритмами обладают выигрышами в пороговом отношении сигнал/шум и в точности измерения радиальной скорости цели.

Ключевые слова:
алгоритмы обнаруженияизмерения, анализ, неэквидистантные сигналы, отношение правдоподобия, синтез, радиальная скорость, структурная схема, фаза.

Об авторах:
Попов Д.И., д.т.н., профессор кафедры радиотехнических систем Рязанского государственного радиотехнического университета им. В.Ф. Уткина, e-mail: adop@mail.ru