The problem of developing the architecture of modern cognitive radar systems using artificial intelligence technologies is considered. The main difference from traditional systems is the use of a trained neural network. The heterogeneous multiprocessor system is rebuilt in the process of solving the problem, providing reliability and solving various types of problems of one class and deep learning of the neural network in real time. This architecture promotes the introduction of cognitive technologies that take into account the requirements for the purpose, the influence of external and internal factors.
Розглянуто проблему розробки архітектури сучасних когнітивних радіолокаційних систем із використанням технологій штучного інтелекту. Основною відмінністю від традиційних систем є використання навченої нейронної мережі. Гетерогенна багатопроцесорна система перебудовується в процесі розв’язування задачі, забезпечуючи надійність і вирішення різних типів задач одного класу і глибоке навчання нейронної мережі в режимі реального часу. Така архітектура сприяє впровадженню когнітивних технологій, які враховують вимоги по призначенню, вплив зовнішніх і внутрішніх факторів. Глибоке навчання нейронної когнітивної мережі радарних датчиків є функцією штучного інтелекту, який моделює роботу людського мозку таким чином, що обробляє дані та створює шаблони, які використовуються у прийнятті рішень. Система виявлення вчиться виявляти зміни не тільки в рівнях сигналу, а й у формі та параметрах сигналу. Експерименти показали, що система виявлення змін радіолокаційної інформації на основі нейронної мережі з глибоким навчанням є оптимальною для розробки сенсорних мережевих додатків і може бути успішно реалізована на доступних технологічних платформах
