Application of convolutional neural networks for improving the accuracy of multistatic localization of radio emission sources

The study addresses the scientific and practical problem of improving the accuracy of localization of radio emission sources (RES) in the high-frequency (HF) band by combining classical direction-finding and amplitude analysis methods with modern intelligent technologies. The relevance of the proble...

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2025
Автор:	Dziuba, Volodymyr
Формат:	Стаття
Мова:	Ukrainian
Опубліковано:	Kyiv National University of Construction and Architecture 2025
Теми:	information technologies ecosystem marine waters geographic information systems control system military influence spectral channels remote methods
Онлайн доступ:	https://es-journal.in.ua/article/view/343599
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	Environmental safety and natural resources

Репозитарії

Environmental safety and natural resources

id	es-journalinua-article-343599
record_format	ojs
institution	Environmental safety and natural resources
baseUrl_str
datestamp_date	2025-11-17T08:22:59Z
collection	OJS
language	Ukrainian
topic	information technologies ecosystem marine waters geographic information systems control system military influence spectral channels remote methods
spellingShingle	information technologies ecosystem marine waters geographic information systems control system military influence spectral channels remote methods Dziuba, Volodymyr Application of convolutional neural networks for improving the accuracy of multistatic localization of radio emission sources
topic_facet	information technologies ecosystem marine waters geographic information systems control system military influence spectral channels remote methods інформаційні технології екосистема морські акваторії геоінформаційні системи система керування військовий вплив спектральні канали дистанційні методи
format	Article
author	Dziuba, Volodymyr
author_facet	Dziuba, Volodymyr
author_sort	Dziuba, Volodymyr
title	Application of convolutional neural networks for improving the accuracy of multistatic localization of radio emission sources
title_short	Application of convolutional neural networks for improving the accuracy of multistatic localization of radio emission sources
title_full	Application of convolutional neural networks for improving the accuracy of multistatic localization of radio emission sources
title_fullStr	Application of convolutional neural networks for improving the accuracy of multistatic localization of radio emission sources
title_full_unstemmed	Application of convolutional neural networks for improving the accuracy of multistatic localization of radio emission sources
title_sort	application of convolutional neural networks for improving the accuracy of multistatic localization of radio emission sources
title_alt	Застосування згорткових нейронних мереж для підвищення точності багатопозиційної локалізації джерел радіовипромінювання
description	The study addresses the scientific and practical problem of improving the accuracy of localization of radio emission sources (RES) in the high-frequency (HF) band by combining classical direction-finding and amplitude analysis methods with modern intelligent technologies. The relevance of the problem is determined by the fact that traditional methods for determining the coordinates of signals largely depend on ionospheric disturbances, geomagnetic activity, and intentional electronic countermeasures, which significantly reduce their effectiveness.The aim of the study is to develop a multistatic architecture of software-defined receivers with embedded convolutional neural network (CNN) modules capable of analyzing spectral–spatial signal characteristics and identifying hidden patterns in input data. The paper describes the principles of constructing algorithms for joint processing of amplitude and angular information, taking into account the electrophysical parameters of the ionosphere and factors of electromagnetic inaccessibility. Simulation results confirmed that the application of a hybrid approach makes it possible to reduce the uncertainty area of localization to 8–30% of its initial size.Special attention is given to the analysis of localization errors, their physical causes, and minimization methods, which ensure stability and reliability of the system even under conditions of electromagnetic countermeasures. The proposed approach enhances the efficiency of radiomonitoring and electronic intelligence systems.
publisher	Kyiv National University of Construction and Architecture
publishDate	2025
url	https://es-journal.in.ua/article/view/343599
work_keys_str_mv	AT dziubavolodymyr applicationofconvolutionalneuralnetworksforimprovingtheaccuracyofmultistaticlocalizationofradioemissionsources AT dziubavolodymyr zastosuvannâzgortkovihnejronnihmereždlâpídviŝennâtočnostíbagatopozicíjnoílokalízacíídžerelradíovipromínûvannâ
first_indexed	2025-11-16T02:11:42Z
last_indexed	2025-11-18T02:18:17Z
_version_	1849092784450961408
spelling	es-journalinua-article-3435992025-11-17T08:22:59Z Application of convolutional neural networks for improving the accuracy of multistatic localization of radio emission sources Застосування згорткових нейронних мереж для підвищення точності багатопозиційної локалізації джерел радіовипромінювання Dziuba, Volodymyr information technologies ecosystem marine waters geographic information systems control system military influence spectral channels remote methods інформаційні технології екосистема морські акваторії геоінформаційні системи система керування військовий вплив спектральні канали дистанційні методи The study addresses the scientific and practical problem of improving the accuracy of localization of radio emission sources (RES) in the high-frequency (HF) band by combining classical direction-finding and amplitude analysis methods with modern intelligent technologies. The relevance of the problem is determined by the fact that traditional methods for determining the coordinates of signals largely depend on ionospheric disturbances, geomagnetic activity, and intentional electronic countermeasures, which significantly reduce their effectiveness.The aim of the study is to develop a multistatic architecture of software-defined receivers with embedded convolutional neural network (CNN) modules capable of analyzing spectral–spatial signal characteristics and identifying hidden patterns in input data. The paper describes the principles of constructing algorithms for joint processing of amplitude and angular information, taking into account the electrophysical parameters of the ionosphere and factors of electromagnetic inaccessibility. Simulation results confirmed that the application of a hybrid approach makes it possible to reduce the uncertainty area of localization to 8–30% of its initial size.Special attention is given to the analysis of localization errors, their physical causes, and minimization methods, which ensure stability and reliability of the system even under conditions of electromagnetic countermeasures. The proposed approach enhances the efficiency of radiomonitoring and electronic intelligence systems. Роботу присвячено розв’язанню науково-практичного завдання, що полягає у підвищенні точності локалізації джерел радіовипромінювання (ДРВ) у короткохвильовому (КХ) діапазоні шляхом поєднання класичних методів пеленгації та амплітудного аналізу із сучасними інтелектуальними технологіями. Актуальність проблеми зумовлена тим, що традиційні методи визначення координат сигналів значною мірою залежать від впливу іоносферних збурень, геомагнітної активності та навмисних радіоелектронних перешкод, що суттєво знижує їхню ефективність.Метою дослідження є розробка багатопозиційної архітектури програмно-керованих приймачів із вбудованими модулями згорткових нейронних мереж (CNN), які здатні аналізувати спектрально-просторові характеристики сигналів та виявляти приховані закономірності у вхідних даних. У роботі описано принципи побудови алгоритмів сумісної обробки амплітудної та кутової інформації, що враховують електрофізичні параметри іоносфери та фактори електромагнітної недоступності. Проведено моделювання, результати якого підтвердили, що застосування гібридного підходу дозволяє зменшити область невизначеності місцезнаходження до 8–30% від початкової.Особливу увагу приділено аналізу похибок локалізації, їхнім фізичним причинам і методам мінімізації, що забезпечує стійкість і надійність системи навіть в умовах електромагнітного протиборства. Запропонований підхід сприяє підвищенню ефективності систем радіомоніторингу та радіоелектронної розвідки. Kyiv National University of Construction and Architecture 2025-09-30 Article Article application/pdf https://es-journal.in.ua/article/view/343599 10.32347/2411-4049.2025.3.116-122 Environmental safety and natural resources; Vol. 55 No. 3 (2025): Environmental safety and natural resources; 116-122 Екологічна безпека та природокористування; Том 55 № 3 (2025): Екологічна безпека та природокористування; 116-122 2616-2121 2411-4049 10.32347/2411-4049.2025.3 uk https://es-journal.in.ua/article/view/343599/331427 Copyright (c) 2025 Volodymyr Dziuba http://creativecommons.org/licenses/by/4.0

Application of convolutional neural networks for improving the accuracy of multistatic localization of radio emission sources

Репозитарії

Схожі ресурси