Sažetak
Pokazana je implementacija mreže radijalnih baznih funkcija (RBF) u procesu nekoherentne detekcije i Viterbijevom procesu pridruživanja, u cilju detekcije i praćenja površinskih objekata u pozadinskoj smetnji mora nepoznate statistike kao što je Jadran, lokalno more za koje ne postoji dostupna literatura o statističkim osobinama elektromagnetskog raspršenja. Značajke implementacije mreže RBF ispitane su simulacijom smetnje mora na temelju uzoraka stvarne smetnje, prikupljenih radarom instrumentalne točnosti IPIX. Prikupljeni uzorci odgovaraju sta-njima mora koja odgovaraju značajnim visinama valova u Jadranu za dvije trećine vremena. Smatra se da uzorci potječu od nepoznate razdiobe zbog toga što razdioba vjerojatnosti odjeka za svaku pojedinu testnu ćeliju nije jednako dobro opisana jednom jedinstvenom K- ili Pareto-vom razdiobom. Pokazano je da implementacija mreže RBF sa samo četiri komponente rezul-tira operativnim značajkama koje razumno dobro odgovaraju dizajniranima te da se u scenariju praćenja površinskog cilja maskiranog valovima ostvaruje dobitak u vjerojatnosti zadržavanja staze. Teorijski su rezultati potkrijepljeni stvarnim podacima koji su ekstrahirani iz eksperi-mentalnog procesa praćenja površinskih ciljeva malog radarskog presjeka u Jadranu, pri uvje-tima ekstenzivnih lažnih detekcija.
Životopis
Bojan Vondra stekao je titulu diplomiranog inženjera elektrotehnike na Fakultetu elektrotehnike i računarstva Sveučilišta u Zagrebu, 1990. Od 1992. do 2001. zaposlen je u Pomorskom centru za elektroniku na poslovima tehničkog održavanja brodskih i obalnih radarskih sustava. Od 2001. do 2004. zaposlen je u podružnici tvrtke Siemens u Splitu gdje sudjeluje u projektima projektiranja radiofrekvencijskih krugova uređaja s Bluetooth-povezivošću, a od 2004. do 2013. radi u Pomorskom centru za elektroniku na projektima uvezivanja obalnih radarskih su-stava, fuzije podataka i algoritmima za radarsko praćenje malih ciljeva. Od 2013. voditelj je Odsjeka za radarsku tehniku Pomorskog centra za elektroniku. Od 2019. zaposlen je u emovis tehnologijama na poslovima primjene strojnog učenja za prepoznavanju oblika vozila, implementacijom konvolucijskih neuronskih mreža.
