ارائه الگوریتمی هوشمند برای بخش پردازش در سیستم های شنود راداری

نویسندگان

دانشکده و پژوهشکده فناوری اطلاعات و اتباطات

چکیده

در این مقاله الگوریتمی هوشمند برای خوشه‌بندی، تشخیص مدولاسیون بین پالسی و جداسازی و شناسایی رشته پالس‌های متداخل رادارها ارائه می‌گردد. در الگوریتم پیشنهادی برای خوشه‌بندی پالس‌های متداخل دریافتی از شبکه عصبی خودسازمانده SOFM (بدلیل دقت بالای آن در مقایسه با شبکه‌های عصبی دیگر مانند شبکه عصبی CLNN و شبکه عصبی Fuzzy ART) و تشخیص نوع مدولاسیون بین پالسی از روش ضرب ماتریسی و برای شناسایی نوع رادار از شبکه عصبی RBF استفاده شده است. نتایج بدست آمده از شبیه‌سازی الگوریتم پیشنهادی، نشان می‌دهد که با حضور 5٪ نویز و 5٪ پالس گمشده، بخش خوشه‌بندی الگویتم پیشنهادی دقتی معادل 8/91%، بخش تشخیص نوع مدولاسیون بین‌پالسی، دقتی معادل 98% و بخش شناسایی دقتی معادل 2/99% دارد و در مجموع برآیند دقت الگوریتم پیشنهادی معادل 244/89% می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

The Proposed Intelligent Algorithm for Process Section in the Radar Interception Systems

چکیده [English]

In this paper an intelligent algorithm for clustering, between pulse modulation detection and interleaved pulses train identification is offered. In the proposed algorithm, for interleave pulses received clustering from SOFM neural network (due to its high accuracy compared with other neural networks such CLNN neural network and Fuzzy ART neural network) and for between pulse modulation detection from matrix multiplication method and for radar type identification from RBF neural network is used. The results of the proposed algorithm simulation shows with the presence of 5% noise and 5% missing pulses , clustering section accuracy is equal 91.8% , between pulse modulation detection section accuracy is equal 98% and radar type identification section accuracy is equal 99.2% .thus the resultant accuracy of the proposed algorithm is 89.244%.

کلیدواژه‌ها [English]

  • Pulse Train
  • Matrix Multiplication Method
  • Radar Identification
  • Neural Networks