شناسائی مدولاسیون رادارهای LPI با استفاده از یادگیری عمیق

رادارهائی LPI (Low Probability of interception Radar) و یا با احتمال رهگیری پائین ، رادارهائی هستند که بدلیل توان کم، پهنای باند گسترده و فرکانس متغیر، احتمال رهگیری آنها توسط سیستم‌‍‍‍های رهگیر بسیار پائین است. متعاقبا با ظهور این نوع تکنولوژی از رادارها، همواره روش‌های جدیدی در حوزه پردازش سیگنال و تصویرمورد نیاز است. امروزه یادگیری عمیق بعنوان یکی از روش‌‌های جدید در حوزه پردازش سیگنال و تصویر مطرح می‌باشد. در این مقاله با استفاده از روش یادگیری عمیق امکان شناسائی و کلاس‌بندی انواع مدولاسیون‌ رادارهای LPI امکان پذیر خواهد شد. در این راستا ابتدا سیگنال دریافتی با استفاده از تحلیل فوریه زمان-کوتاه در حوزه زمان-فرکانس مورد تجزیه و تحلیل قرار گرفته و خروجی این قسمت به صورت یک تصویر، به دو شبکه عصبی کانولوشن الکس نت و لی‌نت، برای کلاس‌بندی انواع مدولاسیون‌های مورد استفاده در رادارهای LPI، داده می‌شود. نتایج حاصل از این شبیه‌سازی‌ها نشان می‌دهد که در SNR=-5db روش الکس‌نت دارای دقت عمل 97.34% و روش لی‌نت دارای دقت عملکرد 94% است که نشانگر عملکرد بهتر روش الکس‌نت است.