Ардашев И.О. «Формирование обучающей выборки искусственной нейронной сети для детектирования пролета воздушных судов на основе спектра шума» Тезисы докладов XX научно-технической конференции по аэроакустике (24–29 сентября 2023 г.) М.: Центральный аэрогидродинамический институт им. проф. Н.Е. Жуковского (2023), с. 253-254 (2023)

Проведение достоверных измерений и дальнейшая оценка шумовой обстановки на местности, а также корректировка по результатам измерений шумовой зоны аэродрома напрямую зависят от полноты и точности фиксируемых единичных шумовых событий создаваемыми пролетами воздушными судами вблизи места проведения мониторинга. С учетом того, что пункты мониторинга размещаются в густонаселенных районах, где присутствуют иные источники шума, задача детектирования пролета ВС становится наиболее актуальна в отсутствие данных о положении ВС необорудованных транспондерами АЗН-В информации. Специфика региона, в пределах которого проводится наибольшее количество работ по мониторингу авиационного шума, а именно г. Москва и Московская область, заключается в близком размещении 8 аэродромов, выполняющих как регулярные пассажирские рейсы, так и аэродромы экспериментальной и государственной авиации. Все эти особенности приводят к тому, что разметка и выделение шумовых событий пролетов ВС требует значительных человеческих ресурсов, включая необходимость проведения прямых наблюдений (присутствия человека) при проведении измерений уровней шума для составления расписания полетов для каждого отдельного места мониторинга. В настоящий момент испытательная лаборатория Центра экологической безопасности гражданской авиации в Московском регионе единовременно провидит долгосрочный круглосуточный мониторинг шума более чем в 40 точках, что не позволяет осуществлять наблюдение с присутствием человека. Решение данной задачи было возложено на построение искусственной нейронной сети, позволяющей определять периоды слышимости ВС в месте проведения мониторинга по 1/3 октавному спектру шума, получаемого в режиме реального времени для всех мест проведения измерений. В данной работе описан подход к разработке архитектуры ИНС на основе сверточной нейросети YOLO v4 с детальным обзором механизма формирования обучающей выборки с учетом определения требований к вариативности данных как по спектральным характеристикам детектируемых воздушных судов, так и разнообразию пространственного расположения пунктов мониторинга шума относительно траекторий осуществления полетов. Применение изложенного подхода к разработке ИНС и формированию обучающей выборки позволил решить поставленные перед системой мониторинга задачи, а именно добиться высокой точности автоматического детектирования пролета воздушного судна вблизи места размещения пункта мониторинга шума, а также дополнительной фильтрации данных даже при наличии информации, полученной по АЗН-В технологии.