آمار

تعداد نشریات39
تعداد شماره‌ها1,172
تعداد مقالات8,445
تعداد مشاهده مقاله6,340,702
تعداد دریافت فایل اصل مقاله3,587,335
قلندری, محمد جواد, علوی, سیدمحمد. (1398). طراحی الگوریتم بهینه مبتنی بر خوشه بندی سلسله مراتبی جهت تفکیک رشته پالس‌های راداری در پردازنده ESM. پدافند الکترونیکی و سایبری, 10(4), 23-31.
محمد جواد قلندری; سیدمحمد علوی. "طراحی الگوریتم بهینه مبتنی بر خوشه بندی سلسله مراتبی جهت تفکیک رشته پالس‌های راداری در پردازنده ESM". پدافند الکترونیکی و سایبری, 10, 4, 1398, 23-31.
قلندری, محمد جواد, علوی, سیدمحمد. (1398). 'طراحی الگوریتم بهینه مبتنی بر خوشه بندی سلسله مراتبی جهت تفکیک رشته پالس‌های راداری در پردازنده ESM', پدافند الکترونیکی و سایبری, 10(4), pp. 23-31.
قلندری, محمد جواد, علوی, سیدمحمد. طراحی الگوریتم بهینه مبتنی بر خوشه بندی سلسله مراتبی جهت تفکیک رشته پالس‌های راداری در پردازنده ESM. پدافند الکترونیکی و سایبری, 1398; 10(4): 23-31.

طراحی الگوریتم بهینه مبتنی بر خوشه بندی سلسله مراتبی جهت تفکیک رشته پالس‌های راداری در پردازنده ESM

پدافند غیرعامل
مقاله 3، دوره 10، شماره 4 - شماره پیاپی 40، اسفند 1398، صفحه 23-31    اصل مقاله (992.07 K)
نوع مقاله: مقاله پژوهشی
نویسندگان
محمد جواد قلندری1؛ سیدمحمد علوی* 2
1دانشجوی دکتری گروه الکترونیک دانشکده برق دانشگاه دریایی امام خمینی
2دانشیار دانشگاه جامع امام حسین(ع)
تاریخ دریافت: 24 اسفند 1397،  تاریخ بازنگری: 16 تیر 1398،  تاریخ پذیرش: 16 مرداد 1398 
چکیده
استخراج اطلاعات سیگنال‌هایی که توسط یک سیستم ESM در محیط شلوغ پالسی دریافت می‌شود، اولین گام شنود راداری است. قدم بعدی تفکیک پالس‌های راداری بر اساس داده‌های مرحله قبل، شناسایی منابع انتشاری و عوامل تهدید است. از مشکلات اساسی در بیشتر روش‌های تفکیک، انتخاب مناسب مراکز اولیه جهت خوشه‌بندی است. در الگوریتم پیشنهادی، ابتدا ماتریس تشابه برای داده‌های ورودی بر اساس شعاع همسایگی تعریف‌شده، تولید می‌گردد. سپس با تحلیل کدهای ماتریس تشابه و انتخاب سطرهای با بیشترین کد تشابه، دسته‌های متراکم‌تر به ترتیب جدا می‌شوند. ساختار این الگوریتم روش بهینه‌ای از الگوریتم‌های سلسله مراتبی است. در این الگوریتم معیار شباهت نقش به­سزایی دارد. با روش به‌کار رفته در این الگوریتم مقدار محاسبات و تکرار در خوشه‌بندی سلسله مراتبی به شدت کاهش می‌یابد.  الگوریتم حاصل نسبت به توابع موجود، داده را بر اساس شعاع همسایگی تعریف‌شده به تعداد خوشه‌های از پیش تعیین نشده با اولویت انتخاب دسته‌های متراکم تفکیک می‌نماید. از محاسن این روش نسبت به الگوریتم‌های مبتنی‌بر روش k-mean، دقت در انتخاب اولیه مراکز خوشه‌ها است. نتایج خوشه‌بندی روش پیشنهادی برای نمونه داده‌های راداری شامل 200 پالس با نتایج روش خوشه‌بندی حول رهبر که یکی از الگوریتم‌های مطرح درزمینه خوشه‌بندی پالس‌های راداری است، مقایسه و نتایج مطلوب به‌دست آمده است..



 
کلیدواژه‌ها
خرابی خوشه بندی پالس های راداری؛ الگوریتم سلسله مراتبی؛ Radar Pulse Sorting
مراجع
  1. قلندری، محمدجواد، آقابابایی، مجید، مرادی احسان، خوشه‌بندی به روش نزدیک‌ترین همسایه با اولویت انتخاب خوشه‌های متراکم تر در تحلیل ماتریس تشابه جهت تفکیک پالس‌های راداری، فصلنامه علمی پژوهشی دریافنون، دوره 4، شماره 4، صفحات 24-13، 1396.##
  2. احمدی، معین، محامدپور،کمال، تشخیص مدولاسیون فاصله تکرار پالس‌های راداری، مجله انجمن مهندسین برق و الکترونیک ایران، سال ششم، شماره دوم، 1388.##
  3. قلندری، محمدجواد، خوگر، احمدرضا، طراحی و شبیه‌سازی الگوریتم ارتباط و دسته‌بندی اهداف راداری در پردازشگر ESM، پایان‌نامه کارشناسی ارشد دانشگاه صنعتی مالک اشتر، 1381.##
  4. قلندری، محمدجواد، طراحی و شبیه‌سازی الگوریتم تفکیک پالس و دسته‌بندی رادارها در پردازشگر ESM با امکان شناسایی رادارهای ECCM، پایان‌نامه کارشناسی ارشد، دانشگاه آزاد واحد نور، 1393.##
  5. حسنی، حمید، شیخی، عباس، بیغش، مهرزاد، بررسی روشهای جداسازی پالس­های راداری براساسPDW، پایان­نامه برای اخذ درجه­ کارشناسی­ارشد رشته­ مهندسی برق– مخابرات سیستم، دانشگاه شیراز، 1396.##
  6. نادری، محمد، موسوی، احمد، جداسازی و نمایش پالس‌های راداری در سیستم‌های پشتیبانی جنگ الکترونیک، پایان‌نامه کارشناسی ارشد، دانشگاه علم و صنعت، 1379.##
  7. ناصری، علی، سعادتی مقدم، گودرز، ارائه یک الگوریتم هوشمند برای جداسازی سیگنال‌های متداخل راداری، هجدهمین کنفرانس مهندسی برق ایران، دانشگاه صنعتی اصفهان، صفحات 121-11، 1389.##
  8. نصرالهی، پویان، خداپرست، فرزاد، حسام­پور، کریم، دادگرنیا، ابوالفضل، خوشه‌بندی پالس­های متداخل راداری با استفاده از مدل مخلوط گوسی در محیط­های متراکم سیگنال، ششمین کنفرانس ملی جنگ الکترونیک ایران، مهر، 1392.##
  9. ناصری، علی، ارائه الگوریتم مناسب برای بخش پردازش سیستم‌های شناسایی رادار ELINT وESM، نشریه علمی پژوهشی انجمن کامپیوتر ایران، مجلد 10، 1391.##
    1. A. M. Kilincarslan, “A Study on Identification of Radar Emiters,” Atılım University, 2011.##
    2. R. Wiley, “ELINT: The Interception and Analysis of Radar Signals,” Artech House, 2006.##
    3. A. Naseri, H. S. Shahhoseini, and M. Naderi, “Data Clustering by Minimum Difference Tree and PRI Transform. IEEE proceedings, MELECON,” pp.    183-187, 2002.##
    4. Ai-Ling He, De-Guo Zeng, Jun Wang, and Bin Tang, “Multi-Parameter Signal Sorting Algorithm Based on Dynamic Distance Clustering,” Journal of Electronic Science and Tecnology of China, vol. 7, no. 3, 2009.##
    5. Dong-Weon Lee, Jin-Woo Hun, and Won-Don lee,  “Adaptive Radar Pulses Clustering Based on Density Cluster Window,” 23rd ITS-CSCC,1377-1380, 2008.##
      1. H. S. Shahhoseini, A. Naseri, and M. Naderi, “A New Matrix Method for Pulse Train Identification,” IEEE proceedings, MELECON, pp. 183-187, 2002.##
      2. M. W. Maier, “Processing Throughput Estimation for Radar Intercept Receivers,” IEEE Transactions on Aerospace and Electronic System, vol. 34, no. 1, 1998.##
      3. C. Malika, N. Ghazzali, V. Boiteau, and A. Niknafs, “NbClust: An R Package for Determining the Relevant Number of Clusters in a Data Set,” Journal of Statistical Software, vol. 61, pp. 1–36, 2014.## 
    6. P. Hansson, “analysis of some methods for deinterleaving of pulse trains,” Stockholm, Sweden, 2007.##
    7. S. Bailie, “An FPGA Implemention of Incremental Clustering for Radar Pulse Deinterleaving,” Master of Science at Northeastern University, Boston, 2010.##
    8. M. G. S. A, B. Tang, “Sorting radar signal from symmetry clustering perspective,” Journal of Systems Engineering and Electronics, vol. 28, no. 4, pp.  690 – 696, 2017.##
    9. S. Cao, S. Wang, and Y. Zhang, “Density-Based Fuzzy C-Means Multi-Center Re-Clustering Radar Signal Sorting Algorithm,” 17th IEEE International Conference on Machine Learning and Applications, 2018.##
آمار
تعداد مشاهده مقاله: 1,255
تعداد دریافت فایل اصل مقاله: 434