Решение задачи сверхразрешения с использованием модели нейронной сети прямого распространения

Рассмотрена и решена задача повышения эффективности управления подвижными объектами при использовании новых алгоритмов, улучшающих качество изображений, получаемых при обзоре пространства. Существенное повышение качества основано на достижении угловой разрешающей способности, в десятки раз превышающей критерий Рэлея. Угловое сверхразрешение обеспечивает раздельное наблюдение нескольких объектов, не разрешаемых при прямом наблюдении, а сопутствующее повышение четкости изображений дает возможность фиксировать незаметные ранее детали образов сложных объектов. На этой основе возрастает вероятность правильных решений задач распознавания и идентификации. Для обеспечения углового сверхразрешения решена задача обучения полносвязной нейронной сети прямого распространения. Для многоэлементных приемо-передающих систем измерений предложен и обоснован экстраполяционный метод достижения углового сверхразрешения. Основу метода составляет экстраполяция значений комплексных амплитуд принятого сигнала отдельными элементами приемных устройств за пределы измерительной системы. Тем самым создаётся виртуальная система большего размера, для которой выполняется критерий Рэлея, превосходящий по показателям критерий для физической системы. В итоге эффективное угловое разрешение возрастает пропорционально возрастанию размеров виртуальной системы. Исследованы и представлены сравнительные результаты математического моделирования работы нейросети и других методов экстраполяции.