| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Intelektuālas robotizētas sistēmas |
| Nosaukums |
U-NET arhitektūras konvolucionālo neironu tīklu izvērtējums navigācijas uzdevumiem, pielietojot radara datus |
| Nosaukums angļu valodā |
U-NET Architecture Convolutional Neural Networks for Navigation Tasks Using Radar Data |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Artūrs Ivanovs |
| Recenzents |
Pāvels Osipovs |
| Anotācija |
Bakalaura darbs ir veltīts U-NET arhitektūras konvolucionālo neironu tīklu
izvērtējumam navigācijas uzdevumos, izmantojot milimetra viļņu radara datus. Darbā
tiek analizēta problēma, ka navigācijas metodes, kas balstās uz kamerām un LiDAR
sensoriem, zaudē efektivitāti sarežģītos vides apstākļos.
Darba mērķis ir izpētīt un izvērtēt U-NET arhitektūras pielietojamību radara
datu apstrādē navigācijā, apvienojot teorētisko analīzi ar praktisko pieeju. Tiek veikta
literatūras analīze par radara tehnoloģijām, sensora sapludināšanu un dziļās mācīšanās
metodēm, kā arī apskatīti mūsdienīgi SLAM risinājumi un signāla apstrādes pieejas,
FMCW radara modeļi un Doplera informācijas izmantošana kustības novērtēšanai.
Īpaša uzmanība pievērsta radara datu specifikai to trokšņainībai un zemākai telpiskajai
izšķirtspējai un kā dziļās mācīšanās metodes var uzlabot šo datu interpretāciju. Kā arī
sensoru kombinācijā ar citām tehnoloģijām uzlabo navigācijas sistēmas robustumu. |
| Atslēgas vārdi |
U-NET, radara dati, autonomā navigācija, neironu tīkli, IMU, Zoom-FFT, FMCW |
| Atslēgas vārdi angļu valodā |
U-NET, radar data, autonomous navigation, neural networks, IMU, Zoom-FFT, FMCW |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
26.05.2026 16:17:40 |
