[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلی :: آخرین شماره :: تمام شماره‌ها :: ارسال مقاله :: نقشه پايگاه :: ثبت نام :: جستجو :: تماس با ما ::
:: دوره 5، شماره 1 - ( 6-1400 ) ::
جلد 5 شماره 1 صفحات 35-19 برگشت به فهرست نسخه ها
شناسایی و کلاس‌بندی سیگنال رادارهای LPI با استفاده ازآنالیز زمان فرکانس و یادگیری عمیق
قادر قدیمی*
چکیده:   (91 مشاهده)
چکیده
رادارهای LPI (Low Probability of Intercept) و یا با احتمال رهگیری پائین، رادارهایی هستند که به‌دلیل توان کم، پهنای باند گسترده و فرکانس متغیر، احتمال رهگیری آنها توسط سیستم‌‍‍‍‌های شناسایی بسیار پائین است. بنابراین با ظهور این نوع تکنولوژی از رادارها، همواره روش‌های جدیدی در حوزه پردازش سیگنال و تصویر مورد نیاز است تا با استفاده از این روش‌ها، بتوان سیگنال‌های مذکور را در مرحله اول تشخیص داده و در مرحله دوم کلاس‌بندی کرده و در مرحله آخر بتوان مشخصات آنها را استخراج کرد. برای حل مسئله، امروزه یادگیری عمیق به‌عنوان یکی از روش‌‌های جدید در حوزه پردازش سیگنال و تصویر مطرح است. در این مقاله با استفاده از روش یادگیری عمیق امکان آشکارسازی و کلاس‌بندی انواع مدولاسیون‌ رادارهای LPI، همانند LFM، مدولاسیونهای چندفازی (P1, P2, P3, P4) و مدولاسیونهای چند زمانه (T1, T2, T3, T4)بررسی خواهد شد. در این راستا ابتدا سیگنال دریافتی با استفاده از تحلیل فوریه زمان-کوتاه، در حوزه زمان-فرکانس مورد تجزیه‌وتحلیل قرار گرفته و خروجی این بخش به‌صورت یک تصویر، به  بهبود یافته دو شبکه الکس‌نت و گوگل‌نت که از شبکه‌های یادگیری عمیق هستند و بعنوان‌های method1,method2 در این مقاله شناخته شده‌اند، برای آشکارسازی و کلاس‌بندی انواع مدولاسیون‌های مورد استفاده در رادارهای LPI، داده خواهد شد. نتایج به‌دست‌آمده از این شبیه‌سازی‌ها نشان می‌دهد که درSNR  (نسبت سیگنال به نویز) ،dB15- دقت عملکرد روش الکس‌نت 80% و دقت عملکرد روش گوگل‌نت 100% است که نشان از عملکرد بهتر روش گوگل‌نت است.
واژه‌های کلیدی: یادگیری عمیق، شبکه عصبی کانولوشن، تحلیل فوریه زمان-کوتاه، رادارهای LPI
متن کامل [PDF 942 kb]   (29 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: هوش مصنوعی
دریافت: 1399/11/15 | پذیرش: 1400/6/27 | انتشار: 1400/9/21
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

ghadimi G. A Deep Learning-Based Approach for Low Probability of Intercept Radar Signal Detection and Classification. C4I Journal. 2021; 5 (1) :19-35
URL: http://ic4i-journal.ir/article-1-221-fa.html

قدیمی قادر. شناسایی و کلاس‌بندی سیگنال رادارهای LPI با استفاده ازآنالیز زمان فرکانس و یادگیری عمیق. فصلنامه علمی-پژوهشی فرماندهی و کنترل. 1400; 5 (1) :35-19

URL: http://ic4i-journal.ir/article-1-221-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 5، شماره 1 - ( 6-1400 ) برگشت به فهرست نسخه ها
فصلنامه علمی-پژوهشی فرماندهی و کنترل C4I Journal

 
Persian site map - English site map - Created in 0.04 seconds with 30 queries by YEKTAWEB 4374