نشریه علمی پژوهش های نوین در سامانه های دفاع الکترونیکی

نشریه علمی پژوهش های نوین در سامانه های دفاع الکترونیکی

طبقه‌بندی خودکار مدولاسیون درون پالسی ترکیبی راداری

نوع مقاله : مقاله پژوهشی

نویسندگان
1 دانشکده مهندسی برق و کامپیوتر، دانشگاه جامع امام حسین (ع)، تهران، ایران
2 کارشناسی ارشد مهندسی برق مخابرات گرایش جنگ الکترونیک ،دانشگاه امام حسین (ع)، تهران، ایران
10.22034/joeds.2024.465697.1053
چکیده
در این مقاله، طبقه‌بندی خودکار مدولاسیون‌های درون پالسی ترکیبی راداری با بهره گیری از ویژگی های مبتنی بر طیف در نسبت سیگنال به نویزهای مختلف و با استفاده از روش‌های مختلف یادگیری ماشین در حوزه طبقه‌بندی مدولاسیون انجام پذیرفته است. ابتدا به بیان اهمیت و بررسی مدولاسیون‌های ترکیبی راداری پرداخته‌شده است و در ادامه معرفی ویژگی‌های مبتنی بر طیف سیگنال و بررسی رفتار هریک از این ویژگی‌ها برای مدولاسیون‌های راداری پرداخته‌شده است. در گام بعدی، روش‌های طبقه‌بندی مدولاسیون برای سیگنال‌های ترکیبی راداری موردبررسی و مقایسه قرار گرفته‌شده است و در انتها روش بهینه طبقه‌بندی خودکار برای مدولاسیون‌های ترکیبی انتخاب و به کار گرفته‌شده است.پس از 1000 بار آموزش هریک از روش‌های طبقه‌بندی خودکار، عملکرد سیستم تا حد خوبی بهبود می یابد. این طرح برای SNR بسیار پایین نیز عملکرد بسیار خوبی دارد و همچنین، در مقایسه با روش های بررسی‌شده دقت بسیار بالاتری را در خروجی طبقه‌بندی ارائه می دهد. مهم‌ترین ویژگی روش پیشنهادی این است که برخلاف روش های پیشین، در SNR بسیار پایین نیز کار آیی مؤثری از خود نشان می دهد. نتایج حاصل از شبیه سازی نیز عملکرد بسیار خوب این روش را در شرایط مختلف تأیید می کند
کلیدواژه‌ها

عنوان مقاله English

Automatic Classification of Radar Hybrid IntraPulse Modulation

نویسندگان English

pouriya etezadifar 1
, Gholamreza Garmabdari 2
1 Electrical & Computer Engineering, Imam Hussein Comprehensive University, Tehran, Iran
2 MSc in Electronic Warfare, Imam Hussain University of Tehran, Iran
چکیده English

In this paper, the automatic classification of radar hybrid intra-pulse modulations has been performed using spectrum-based characteristics in signal-to-noise ratio and using different methods in the field of modulation classification. First, the importance of combining radar modulations is discussed. Then the characteristics based on the signal spectrum and the behavior of each of these features for radar modulations are introduced. In the next step, the modulation classification methods for radar hybrid signals are examined and compared. At the end, the most optimal automatic classification method for combined modulations is selected and used. After 1000 trainings of each automatic classification method, the performance of the system improves to a great extent. This design also performs very well for very low SNRs and also offers much higher accuracy in that, unlike the previous methods, it shows effective efficiency in very low SNRs. The simulation result also confirms this method's very good performance in different conditions.

کلیدواژه‌ها English

Pulse Radars
Hybrid Modulation Classification
Spectrum-based features
Machine Learning