Применение генеративно-состязательных нейронных сетей для синтеза ионограмм радиозондирования ионосферы: проблемы и предварительные результаты

Main Article Content

Александр Николаевич Сингин
Андрей Олегович Щирый

Аннотация

Рассмотрены особенности и методика применения генеративно-состязательных нейронных сетей (Generative adversarial networks, GAN) для синтеза ионограмм радиозондирования ионосферы в контексте построения статистической модели ионосферы. Предложена специфика наклонного радиозондирования ионосферы, показаны природа данных и их физический смысл. Данные представляют собой конфигурации сеансов радиозондирования, характеристики среды и ионограммы. Описана методика предобработки исходных данных для формирования обучающего корпуса. Приведена общая организация условных GAN, используемых в задачах генерации изображений. Рассмотрены ключевые модификации этого устройства применительно к синтезу ионограмм и схематично продемонстрирована архитектура. Выделены особенности выбора функции потерь, обусловленные знаниями о физическом смысле ионограммы. Как следствие, сформирована составная функция потерь, сочетающая ответ дискриминатора и эвристику. Приведены примеры полученных результатов. Обсуждены проблемы текущей реализации и поставлены задачи дальнейших исследований.

Article Details

Как цитировать
Сингин, А. Н., и А. О. Щирый. «Применение генеративно-состязательных нейронных сетей для синтеза ионограмм радиозондирования ионосферы: проблемы и предварительные результаты». Электронные библиотеки, т. 29, вып. 5, сентябрь 2026 г., сс. 2038-53, doi:10.26907/1562-5419-2026-29-5-2038-2053.

Библиографические ссылки

1. Radiozondirovanie ionosfery sputnikovymi i nazemnymi iono-zondami / Pod red. S.I. Avdyushina. Trudy instituta prikladnoj geofiziki im. akademika E.K. Fedorova. M.: IPG, 2008. URL: http://ipg.geospace.ru/publications/book-2008.pdf
2. Akimov V.F., Kalinin Yu.K. Vvedenie v proektirovanie ionosfernyh zagorizontnyh radiolokatorov. M.: Tekhnosfera, 2017. 492 s.
3. Nosikov I.A., Padohin A.M., Krasheninnikov I.V., Klimenko M.V., Bessarab P.F. Osobennosti raschyota minimal'nyh chastot mod v zadache prognozirovaniya uslovij ionosfernoj radiosvyazi // Izvestiya vysshih uchebnyh za-vedenij. Radiofizika. 2021. T. 64, № 8-9. S. 672–685.
4. Prognozirovanie sostoyaniya KV-radiokanala na protyazhennyh tras-sah putem matematicheskogo modelirovaniya ionogramm NZ: Otchet o NIR. Chast' I / Mosoblsovet VOIR; ruk. Yu.N. CHerkashin, I.V. Krasheninnikov. M., 1990. 27 s.
5. Programmy rascheta traektornyh harakteristik rasprostraneniya korotkih radiovoln: Sbornik / AN SSSR, In-t zemnogo magnetizma, ionosfery i rasprostraneniya radiovoln; Otv. red. kand. fiz.-mat. nauk E.M. Zhulina. M.: IZMI RAN, 1975. 58 s.
6. Chen J., Bennett J.A., Dyson P.L. Synthesis of oblique ionograms from vertical ionograms using quasi-parabolic segment models of the ionosphere // Journal of Atmospheric and Terrestrial Physics. 1992. Vol. 54, Issues 3–4. P. 323–331.
7. Laryunin O.A. Chislennyj sintez ionogramm v gorizontal'no-neodnorodnoj ionosfere na osnove modeli kombinirovannogo paraboliche-skogo sloya // Solnechno-zemnaya fizika. 2016. №. 3. S. 52–58. https://doi.org/10.12737/18656
8. Settimi A., Pezzopane M., Pietrella M., Bianchi C., Scotto C., Zuccheretti E., Makris J. Testing the IONORT-ISP system: A comparison between synthesized and measured oblique ionograms // Radio Science, March 2013. Vol. 48, No. 2. P. 167–179. https://doi.org/10.1002/rds.20018
9. Shiriy A.O. HF channel transmit function module measurement // Proceedings of the 5th International Conference on Actual Problems of Electron Devices Engineering, APEDE 2002. 2002. Vol. 5. P. 365–369. https://doi.org/10.1109/apede.2002.10449645
10. Shiriy A.O. Razrabotka i modelirovanie algoritmov avtomatiche-skogo izmereniya harakteristik ionosfernyh korotkovolnovyh radiolinij: Avtoref. dis. … kand. tekhn. nauk: Sankt-Peterburgskij gos. un-t telekommuni-kacij im. prof. M.A. Bonch-Bruevicha. SPb., 2007. 19 c. EDN: QMISDO
11. Shiriy A.O. Arhitektura programmnoj chasti apparatno-programmnogo kompleksa distancionnogo nazemnogo radiozondirovaniya ionosfery // Novye informacionnye tekhnologii v avtomatizirovannyh si-stemah. 2015. № 18. S. 144–152.
12. Shiriy A.O. Algoritmy i programmnoe obespechenie avtomatizacii processov izmerenij i obrabotki dannyh operativnoj diagnostiki ionosfery i ionosfernyh radiolinij // Zhurnal radioelektroniki. 2022. №10. https://doi.org/10.30898/1684-1719.2022.10.4
13. Shiriy A.O. Ispol'zovanie nejronnyh setej dlya dal'nejshego razvitiya programmnoj chasti apparatno-programmnyh kompleksov radiozondirovaniya ionosfery // Elektromagnitnye volny i elektronnye sistemy. 2024, T. 29. № 5. S. 55–60. https://doi.org/10.18127/j15604128-202405-08
14. Bryunelli B.E., Namgaladze A.A. Fizika ionosfery / Otv. red. G.S. Ivanov-Holodnyj, M.I. Pudovkin; AN SSSR, In-t zemnogo magnetizma, ionosfery i rasprostraneniya radiovoln. M.: Nauka, 1988. 526 s.
15. Tsagouri I., Themens D. R., Belehaki A. et al. Ionosphere variability II: Advances in theory and modeling // Advances in Space Research. 2023. Vol. 72, No. 3. P. 567–611. https://doi.org/10.1016/j.asr.2023.07.056
16. Goddard Space Flight Center (GSFC). Space Physics Data Facility (SPDF). OMNIWeb Service – NASA. URL: https://omniweb.gsfc.nasa.gov/html/ow_data.html
17. Sola J.V., Sevilla J. Importance of input data normalization for the appli-cation of neural networks to complex industrial problems // IEEE Transactions on Nuclear Science. 1997. Vol. 44, No. 3. P. 1464–1468. https://doi.org/10.1109/23.589532
18. Oliveira L. de, Paganini M., Nachman B. Learning Particle Physics by Ex-ample: Location-Aware Generative Adversarial Networks for Physics Synthesis // Comput. Softw. Big. Sci. 2017. 1. 4.
19. Brock J. Donahue, Simonyan K. Large scale GAN training for high fidelity natural image synthesis. URL: https://arxiv.org/abs/1809.1109
20. Park T., Liu M.-Y., Wang T.-C., Zhu J.-Y. Semantic Image Synthesis with Spatially-Adaptive Normalization. URL: https://arxiv.org/abs/1903.07291


Наиболее читаемые статьи этого автора (авторов)