دسته بندی و بازشناسی داده های راداری به کمک ویژگی های متمایز کننده

امروزه بازشناسی رادار ساطع کننده یک قسمت مهم از سیستم های هوشمند الکترونیک و سیستم های اقدامات پشتیبانی الکترونیک می باشد. وظیفه اصلی سیستم های پشتیبان الکترونیک بررسی محیط اطراف به منظور تعیین و تشخیص رادارهای موجود در محیط و آشکار کردن تهدیدهای احتمالی است. بخش شنود در سیستم های پشتیبان الکترونیک وظیفه دریافت سیگنال ها و استخراج ویژگی های پایه سیگنال را به عهده دارد. این مجموعه ویژگی ها در یک ساختار با نام کلمه توصیف گر پالس یا pdw قرار می گیرند. ویژگی های پایه عموماً شامل فرکانس رادیویی، پهنای پالس، زاویه ورود، بازه تکرار پالس، زمان ورود و دامنه پالس می باشند. پس از استخراج این ویژگی ها می توان به مساله تعیین رادار ساطع کننده پرداخت. در تعیین رادارهای موجود در محیط اطراف دو هدف اصلی وجود دارد. هدف اول تعیین تعداد ساطع کننده ها در محیط اطراف است و هدف دوم بازشناسی این رادارها بر اساس بانک اطلاعاتی موجود می باشد. در این پایان نامه از داده های راداری که از یک منطقه خاص ذخیره شده¬اند برای این اهداف استفاده شده است. در این پایان نامه یک مدل کامل که شامل سه لایه اصلی می¬باشد برای تعیین و بازشناسی رادار ساطع کننده ارائه شده است. در این مدل برای تشخیص تعداد رادارها و حذف ویژگی های مازاد روش بهینه سازی چندهدفه ازدحام ذرات به همراه معیار اعتبارسنجی خوشه بندی آمارگان فضای خالی پیشنهاد و استفاده شده است. همچنین به منظور برچسب زنی داده های موجود روش خوشه بندی rough k-means به همراه روش بهینه سازی رقابت استعماری ترکیب شده اند. سپس با استفاده از شبکه های عصبی این داده ها طبقه بندی شده اند. در قسمت طبقه بندی به منظور جلوگیری از گیر افتادن الگوریتم آموزش شبکه عصبی در مینیمم های محلی از روش های ترکیبی آموزش پس انتشار به همراه الگوریتم های بهینه سازی ژنتیک، ازدحام ذرات و رقابت استعماری استفاده شده است که نتایج خوبی را به همراه داشته است. مقایسه مدل پیشنهادی با سایر روش های موجود در این زمینه نشان می دهد که نتایج حاصل شده از مدل پیشنهادی روی داده های عملیاتی موجود بسیار رضایت بخش می باشند.