МАТЕМАТИЧНІ МОДЕЛІ ІМІТАЦІЇ ВІДБИТТЯ ЛУНА-СИГНАЛУ РАДАРА ВІРТУАЛЬНОГО ТРЕНАЖЕРА
https://doi.org/10.33815/2313-4763.2025.1.30.092-101
Анотація
Дистанційне навчання у закладах вищої освіти у сучасних умовах не надає достатньо практичних навичок майбутнім судноводіям. Наявність локально встановлених тренажерів вимагає присутності курсанта в аудиторії, що в деяких регіонах є небезпечним. Також внаслідок складності тренажерів, одночасне використання екранів ECDIS, RADAR, Conning display досить суттєво обмежує можливості закладу вищої освіти у придбанні хмарних комплексних тренажерів внаслідок високих цін і обмеженої пропозиції. Побудова комплексних тренажерів без фізичної локалізації надасть безпечні і комфортні умови для набуття навичок роботи на навігаційному містку. Стаття присвячена побудові математичних моделей, призначенням яких є графічна імітація відбиття луна-сигналу радара на рухомих і нерухомих надводних об’єктах. Запропоновано метод динамічних кутових тіньових інтервалів. Побудова синусоїдального луна-сигналу на «видимих» сегментах (2D-фасетах) ламаної (контур Land Danger) дозволяє візуалізувати луна-сигнал радара з урахуванням геометрії надводних об’єктів. При цьому здійснюється об’єднання синусоїдальних профілів у загальний радарний відгук у полярному радіусі. Надано модель унікальної метрики «видимості» 2D-фасета в полярному секторі, яка обраховується аналітично, а не побудована бітовою маскою. Логіка динамічного «накопичення тіні» — розширення кутових тіньових інтервалів у часі – є новою реалізацією концепції «динамічного перекриття» у полярній області від рухомого судна-спостерігача.
Посилання
2. Petrovskyi, A. V. (2025). Certificate of state registration of copyright for the computer program “SimulationBridgeMasterE” No. 135550.
3. Petrovskyi, A. V. (2025). Certificate of state registration of copyright for “Mathematical Models of Radar Echo Simulation” No. 136680.
4. Petrovskyi, A. V., Sokurenko, Ya. O., & Ziablov, D. O. (2025). Development of a radar simulation software module “Bridge Master E” for distance learning conditions. In Proceedings of the 17th International Scientific and Practical Conference “Modern Information and Innovative Technologies in Transport” (Odesa, Ukraine, May 28–30, 2025) (pp. 87–89).
5. Reichl, M., Dünger, R., Schiewe, A., Klemmer, T., Hartleb, M., Lux, C., & Fröhlich, B. (2010). GPU-based ray tracing of dynamic scenes. Journal of Virtual Reality and Broadcasting.
6. Petrovs'kyi, A. V., & Lytovchenko, V. I. (2025). Study of the structure of modern ENC charts in S57 format. In Proceedings of the 17th International Scientific and Practical Conference “Modern Information and Innovative Technologies in Transport” (Odesa, Ukraine, May 28–30, 2025) (pp. 90–93).
7. Havel, J., & Herout, A. (2010). Yet faster ray–triangle intersection (using SSE4). IEEE Transactions on Visualization and Computer Graphics, 16(3), 434–438. https://doi.org/10.1109/TVCG.2009.85.
8. Sobota, B., Korečko, Š., Szabó, C., & Hrozek, F. (2014). Acceleration of ray tracing method using predictive evaluation and GPGPU technology. Central European Journal of Computer Science, 4(2), 118–126. https://doi.org/10.2478/s13537-014-0203-2.
9. Li, J., Wang, X., & Zhang, Y. (2016). A fast ray tracing algorithm based on a hybrid structure. Multimedia Tools and Applications, 75(5), 1883–1898. https://doi.org/10.1007/s11042-014-2380-9.
10. Kautz, J., Widmer, S., Pajak, D., & Schulz, A. (2015). An adaptive acceleration structure for screen-space ray tracing. Proceedings of High-Performance Graphics.
11. Vitek, O., & Mrazek, P. (2019). Iterative ray-traced collision detection algorithm for GPU architectures. Academia.edu.
12. Wald, I., Boulos, S., & Shirley, P. (2011). Ray tracing deformable scenes using dynamic bounding volume hierarchies. ACM Transactions on Graphics, 26(1), 6. https://doi.org/10.1145/1186640.1186647.
13. Liu, X., et al. (2010). Real-time ray tracing with massively parallel bounding volume hierarchy construction. ACM Transactions on Graphics, 29(6), 1–10. https://doi.org/10.1145/1882261.1866206.
14. Cho, S., Park, J., Kim, J., & Lee, S. (2014). HART: A hybrid architecture for ray tracing animated scenes. Proceedings of the 2014 IEEE Symposium on Interactive Ray Tracing. https://doi.org/10.1109/RT.2014.6893655.
15. Willis, A. R., Hossain, M. S., & Godwin, J. (2020). Hardware-accelerated SAR simulation with NVIDIA RTX technology. arXiv preprint arXiv:2005.09736. https://doi.org/10.48550/arXiv.2005.09736.
16. Geng, H., & Wang, S. (2023). Shooting and bouncing rays (SBR) method for electromagnetic simulation. In Electromagnetic Scattering Handbook (pp. 121–142). Springer. https://doi.org/10.1007/978-3-030-47373-8_5.
17. Wei, J., Lu, Y., Zhang, X., & Xu, F. (2024). Learning surface scattering parameters from SAR images using differentiable ray tracing. arXiv preprint arXiv:2402.06547. https://doi.org/10.48550/arXiv.2402.06547.
18. Liang, D., Zhang, Z., & Huang, J. (2023). Ray-tracing-assisted SAR image simulation under range Doppler imaging geometry. Electronics, 12(3), 589. https://doi.org/10.3390/electronics12030589.
19. Chan, K. C., et al. (2013). GRay: A geometrically-based ray tracing engine. Computer Graphics Forum, 32(6), 123–134. https://doi.org/10.1111/cgf.12237.
