Дисертаційна робота присвячена розв’язанню актуальної проблеми – дослідженню експериментальних та теоретичних аспектів випромінювання та поширення нестаціонарних електромагнітних хвиль у середовищах зі складним просторовим розподілом. Також робота охоплює аналіз дифракції цих полів на об’єктах, розташованих у таких середовищах, застосування методів отримання та обробки відбитих сигналів, а також розробку алгоритмів розпізнавання прихованих об’єктів та визначення їхнього положення із застосуванням підходів штучного інтелекту.
Наукова новизна дисертаційної роботи полягає у таких її результатах:
1. З використанням граничних умов класичної електродинаміки вперше знайдено зв’язок між еволюційними коефіцієнтами з рівнянь Клейна-Гордона, що описують падаючу, пройдену і відбиту нестаціонарні хвилі у першому наближенні.
2. Вперше встановлено, що за наявності гаусового шуму у прийнятих сигналах, кінцеві результати розпізнавання позицій об’єкта штучними нейронними мережами мають перевагу перед методом взаємної кореляції при малих рівнях шуму, але при значній зашумленості ці два підходи не демонструють помітні переваги один перед одним, за виключенням того, що штучні нейронні мережі функціонують на порядки швидше, особливо за умови їхньої реалізації у вигляді спеціалізованої мікросхеми.
3. Вперше за допомогою методу дискретної томографії продемонстровано підсилення інформаційних складових, відбитих від прихованого об’єкту електромагнітних хвиль, у наближенні променевого подання цих хвиль із врахуванням їх часової форми, діелектричних параметрів ґрунту, процесів на границі повітря-ґрунт та використання декількох, розподілених над ґрунтом приймальних антен.
4. Вперше визначені оптимальні параметри системи на основі методу дискретної томографії: часове вікно, кількість приймальних антен, аугментація вхідних даних і частка попередньо оброблених вхідних сигналів, за наявності шумів високих рівнів у вхідних трактах приймачів антен.
5. Вперше було оцінено якість розпізнавання методу штучних нейронних мереж для задачі виявлення різних протипіхотних мін, таких як ПМН-1, ПМН-4 та ПФМ у неоднорідному середовищі при наявності білого шуму в прийнятих часових залежностях.
6. Вперше запропоновано новий підхід до визначення місцезнаходження прихованих об’єктів у ґрунті за допомогою колективного штучного інтелекту, що одночасно обробляє одні і ті ж часові залежності, отримані надширокосмуговим георадаром.
Практичне значення отриманих результатів:
1. Встановлений зв’язок між невідомими коефіцієнтами з рівнянь Клейна-Гордона, які описують проходження нестаціонарних хвиль у середовище, демонструє можливість концентрації енергії електромагнітної хвилі у ґрунті, подібно до явища “електромагнітного снаряду”, з метою збільшення енергії відбитої від прихованого об’єкту хвилі та, відповідно, покращення його розпізнавання.
2. Аналіз розпізнавання прихованих об’єктів штучними нейронними мережами та кореляційним підходом дозволяє суттєво покращити їх виявлення за умови їхнього одночасного застосування.
3. Застосування методу дискретної томографії для отримання додаткового набору вхідних даних для штучної нейронної мережі за рахунок використання особливостей фізичних процесів при поширенні імпульсних хвиль у ґрунті зменшує обсяг необхідних обчислювальних ресурсів без втрати точності розпізнавання прихованих об’єктів, що є корисним для нових радарів, здатних в реальному часі виявляти приховані небезпечні об’єкти.
4. Проведені дослідження з використання штучних нейронних мереж для виявлення протипіхотних мін, в тому числі в неоднорідному середовищі, дозволяє створити нові унікальні системи розмінування, спроможні виявляти приховані вибухові пристрої, що практично не мають у складі металевих частин.
5. Запропонований новий підхід до визначення місцезнаходження прихованих об’єктів у ґрунті за допомогою колективного штучного інтелекту з даних, отриманих надширокосмуговим георадаром, дозволяє підвищити не тільки точність місця розташування об’єкту, але і якість його розпізнавання, що має практичне значення для геологічних досліджень, будівництва та військових застосувань.
