فهرست نشریات علمی دسترسی آزاد ایران

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 سامانه‌‍‍‍‌های شناسایی بسیار پائین است. بنابراین با ظهور این نوع فناوری 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، 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 دو شبکه الکس نت و لی‌نت که از شبکه‌های یادگیری عمیق هستند، 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) ،dB5- دقت عملکرد روش الکس‌نت 34/97% و دقت عملکرد روش لی‌نت 94% است که نشان از عملکرد بهتر روش الکس‌نت است.