УДК: 
DOI: 
10.22389/0016-7126-2019-954-12-10-19
1 Нейман Ю.М.
2 Сугаипова Л.С.
Год: 
№: 
954
Страницы: 
10-19

Московский государственный университет геодезии и картографии (МИИГАиК)

1, 
2, 
Аннотация:
В статье кратко изложен принцип, лежащий в основе современной спутниковой альтиметрии. Тщательный анализ формы отражённого сигнала позволяет оценить не только высоту спутникового альтиметра над уровнем моря, но и параметры морской поверхности в изучаемом районе. Важное значение имеет используемая модель определения параметров отражённого сигнала. Наиболее распространённая модель Брауна – Хейне определяется четырьмя параметрами (в контексте данной статьи), значения которых находят на основе измерений с использованием тех или иных методов оптимизации. Особо отмечается, что рассматриваемая задача может быть успешно решена с помощью методов современной теории искусственных нейронных сетей. В среде MATLAB выполнено несколько численных экспериментов определения параметров отражённого сигнала альтиметрии с использованием реальных данных. Метод Левенберга – Марквардта и генетический алгоритм искусственных нейронных сетей показывают одинаковые результаты, но при этом последний вместо задания начальных значений параметров требует лишь задания пределов их возможного изменения.

Список литературы: 
1.   Бураков М. В. Генетический алгоритм: теория и практика – СПб.: ГУАП, – 2008. – 164 c.
2.   Бураков М. В. Нейронные сети и нейроконтроллеры – СПб.: ГУАП, – 2013. – 284 c.
3.   Гилл Ф., Мюррей У., Райт М. Практическая оптимизация / Пер. с англ. В. Ю. Лебедева; под ред. А. А. Петрова. – М.: Мир, – 1985. – 509 c.
4.   Каллан Р. Основные концепции нейронных сетей / Пер. с англ. А. Г. Сивака. – М.: Вильямc, – 2001. – 287 c.
5.   Плешаков Д. И. Определение высоты спутника «ГЕО-ИК-2» над морской поверхностью // Альманах современной метрологии. – 2015. – № 2 (3). – С. 132–141.
6.   Хайкин С. Нейронные сети / Пер. с англ. Н. Н. Куссуль. – М.: Вильямс, – 2016. – 1104 c.
7.   Brown G. S. (1977) The average impulse response of a rough surface and its applications // IEEE transactions on antennas and propagation. 25 (1), pp. 67-74. DOI: 10.1109/TAP.1977.1141536.
8.   Hayne G. S. (1980) Radar altimeter mean return waveforms from near-normal-incidence ocean surface scattering // IEEE Transactions on Antennas and Propagation. 28, 5, pp. 687-692.
9.   Hornik K., Stinchcombe M., White H. (1989) Multilayer feedforward networks are universal approximators // Neural Network. 2, pp. 359366.
10.   Levenberg K. (1944) A Method for the Solution of Certain Problems in Least Squares // Quarterly of Applied Mathematics. 2, pp. 164-168.
11.   Marquardt D. (1963) An Algorithm for Least Squares Estimation on Nonlinear Parameters // SIAM Journal on Applied Mathematics. 11, pp. 431-441.
12.   Rosmorduc V., Benveniste J., Bronner E., Dinardo S., Lauret O., Maheu C., Milagro M., Picot N., Ambrozio A., Escolà R., Garcia-Mondejar A., Restano M., Schrama E., Terra-Homem M. (2016) Radar Altimetry Tutorial. J. Benveniste and N. Picot (Eds) URL: www.altimetry.info (дата обращения: 20.08.2019).
13.   Sadollaha A., Sayyaadia H., Yadav A. (2018) A dynamic metaheuristic optimization model inspired by biological nervous systems: Neural network algorithm // Applied Soft Computing. 71, pp. 747-782.
Образец цитирования:
Нейман Ю.М., 
Сугаипова Л.С., 
Об определении параметров отражённого сигнала альтиметрии // Геодезия и картография. – 2019. – № 12. – С. 10-19. DOI: 10.22389/0016-7126-2019-954-12-10-19