پردازش داده‌های راداری با استفاده از ترکیب روش‌های تجزیه‌وتحلیل مؤلفه اصلی و شبکه‌های عصبی خودسازمانده و رقمی‌ساز بردار یادگیر

نویسندگان

1 دانشگاه علوم و فنون هوایی شهید ستاری

2 دانشیار، ریاست دانشگاه جامع امام حسین

doi
چکیده

در سیستم‌های مخابراتی نظامی تکنیک‌های پیشرفته‌ای برای شنود و پردازش سیگنال‌های بلادرنگ بکار می‌رود که برای تصمیم‌گیری‌های مربوط به عملیات جنگ الکترونیک و سایر عملیات تاکتیکی حیاتی‌اند. امروزه ضرورت سیستم‌های هوشمند با تکنیک‌های پردازش سیگنال مدرن، به‌خوبی احساس می‌شود. وظیفه اصلی چنین سیستم‌هایی شناخت رادارهای موجود در محیط عملیاتی و طبقه‌بندی آن‌ها بر اساس آموخته‌های قبلی سیستم و انجام عملیات لازمه با سرعت‌بالا و بلادرنگ است بخصوص در مواردی که سیگنال دریافت شده مربوط به یک تهدید آنی مانند موشک است و باید سیستم‌های جنگ الکترونیک در کوتاه‌ترین زمان ممکن پاسخ لازم را به‌عنوان هشداردهنده بدهند. هدف‌هایی که به دنبال آن هستیم استفاده از نتایج این تحقیق در کلاسه‌بندی اطلاعات استخراج‌شده توسط سیستم‌های شنود راداری است که این امر بعد از مراحل انتخاب سیگنال ورودی و انتخاب صحیح الگوریتم‌های دسته‌بندی، محقق می‌شود و دیگری افزایش سرعت با استفاده از روش رقمی‌ساز بردار یادگیر است در این مقاله با استفاده از ﺷﺒﮑﻪ‌های ﻋﺼﺒﯽ رقمی‌ساز بردار یادگیر و خود سازمانده ﯾﮏ روش ﮐﺎرا ﺑﺮای ﮐﻼسﺑﻨﺪی داده‌ها اراﺋـﻪ نموده‌ایم. در اﯾﻦ روش اﺑﺘﺪا از اﻟﮕﻮرﯾﺘﻢ شبکه عصبی خود سازمانده ﺑﺮای ﯾﺎﻓﺘﻦ کدﻫﺎی موردنیاز اﺳﺘﻔﺎده کرده و ﺳـﭙﺲ در ﻣﺮﺣﻠـﻪ ﺑﻌـﺪ از اﻟﮕـﻮرﯾﺘﻢ رقمی‌ساز بردار یادگیر ﺑﺮای ﮐﻼسﺑﻨﺪی دادهﻫﺎ استفاده‌شده است. ﻫﻤﭽﻨﯿﻦ در اﯾﻦ ﻣﻘﺎﻟﻪ ﺑﻪ ﺑﺮرﺳﯽ ﺗﺄﺛﯿﺮ ﻣﻌﯿﺎر ﻓﺎﺻﻠﻪ ﺑـﯿﻦ داده‌ها ﺧـﻮاﻫﯿﻢ ﭘﺮداﺧﺖ. ﻧﺘﺎﯾﺞ ﺑﺪﺳﺖ آﻣﺪه از اﺟﺮای اﻟﮕﻮرﯾﺘﻢ ﭘﯿﺸـﻨﻬﺎدی ﺑـﺮ روی دیتاست‌های اﺳـﺘﺎﻧﺪارد جهانی فرماندهی و کنترل و ﻣﻘﺎﯾﺴـﻪ آن ﺑـﺎ ﺑﺮﺧـﯽ از روشﻫﺎی ﻣﺘﺪاول ﮐﻼسﺑﻨﺪی، پرداخته‌ایم که نشان می‌دهد ترکیب این اﻟﮕﻮرﯾﺘﻢ‌ها ﮐﺎراﯾﯽ بسیار بالایی داشته و مناسب ﺑﺮای ﻣﺴﺌﻠﻪ ﮐﻼسﺑﻨﺪی است.