Визначення типу ворожих БПЛА за допомогою нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorПриходько, Ірина Олександрівна
dc.contributor.authorРибас, Олександр Олександрович
dc.date.accessioned2025-01-27T13:29:57Z
dc.date.available2025-01-27T13:29:57Z
dc.date.issued2024
dc.description.abstractТекстова частина магістерської дисертації містить: 98 с., 12 рис., 12 табл., 4 додатки, 20 використаних джерел. Мета роботи: Реалізувати ефективний метод машинного навчання для класифікації сигналів безпілотних літальних апаратів (БПЛА) на основі аналізу спектрограм, використовуючи різні алгоритми та архітектури нейронних мереж. У процесі виконання роботи було зібрано дані з використанням SDR (Software-Defined Radio), проведено їх сегментацію та перетворення у спектрограми. Було виконано порівняльний аналіз традиційних методів машинного навчання, таких як Random Forest, Decision Tree і SVM, для класифікації сигналів. На основі результатів аналізу було розроблено, навчено та протестовано згорткову нейронну мережу (CNN), яка продемонструвала високу точність класифікації спектрограм. Модель було інтегровано у систему, здатну працювати на одноплатних комп’ютерах, таких як Raspberry Pi 4. Результати показали, що розроблена система дозволяє ефективно класифікувати сигнали БПЛА з точністю до 92.7%, що робить її придатною для використання у військових та цивільних задачах. Проведений аналіз підтвердив переваги CNN над класичними алгоритмами машинного навчання у задачах обробки візуальних даних. Система забезпечує економічно вигідне рішення порівняно з комерційними аналогами. Подальше вдосконалення системи може включати розширення та оптимізацію датасету шляхом додавання реальних сигналів, удосконалення архітектури моделі для роботи на ресурсно обмежених пристроях та інтеграцію додаткових модулів, таких як акустичні чи оптичні сенсори, для підвищення її універсальності.
dc.description.abstractotherThe text of the master's thesis contains: 98 pages, 12 figures, 12 tables, 4 appendices, and 20 references. The purpose of the work: To implement an effective machine learning method for classifying signals of unmanned aerial vehicles (UAVs) based on spectrogram analysis, utilizing various algorithms and neural network architectures. In the course of the study, data were collected using SDR (Software-Defined Radio), segmented, and transformed into spectrograms. A comparative analysis of traditional machine learning methods, such as Random Forest, Decision Tree, and SVM, was conducted to evaluate their suitability for signal classification. Based on the findings, a convolutional neural network (CNN) was developed, trained, and tested, demonstrating high accuracy in spectrogram classification. The model was integrated into a system capable of running on single-board computers, such as the Raspberry Pi 4. The results show that the developed system can effectively classify UAV signals with an accuracy of up to 92.7%, making it suitable for use in both military and civilian applications. The analysis confirmed the superiority of CNN over traditional machine learning algorithms for visual data processing tasks. The system offers a cost-effective alternative compared to commercial solutions. Further development of the system may involve expanding and optimizing the dataset by including real-world signals, improving the model architecture for deployment on resource-constrained devices, and integrating additional modules, such as acoustic or optical sensors, to enhance the system's versatility.
dc.format.extent99 c.
dc.identifier.citationРибас, О. О. Визначення типу ворожих БПЛА за допомогою нейронних мереж : магістерська дис. : 172 Електронні комунікації та радіотехніка / Рибас Олександр Олександрович. – Київ, 2024. – 99 c.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72213
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectкласифікація сигналів
dc.subjectнейронна мережа
dc.subjectспектрограма
dc.subjectSDR
dc.subjectrandom forest
dc.subjectdecision tree
dc.subjectsvm
dc.subjectзгорткові нейронні мережі (CNN)
dc.subjectбезпілотні літальні апарати
dc.subjectUAV signal classification
dc.subjectneural network
dc.subjectspectrogram
dc.subjectSVM
dc.subjectconvolutional neural network (CNN)
dc.subject.udc621.396
dc.titleВизначення типу ворожих БПЛА за допомогою нейронних мереж
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
Rybas_magistr.docx
Розмір:
1.02 MB
Формат:
Microsoft Word XML
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (РЕ)
Магістерські роботи