آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 1,192 |
| تعداد مقالات | 8,579 |
| تعداد مشاهده مقاله | 6,988,715 |
| تعداد دریافت فایل اصل مقاله | 4,032,570 |
طراحی مسیر برای پهپادهای همکار جهت فریب شبکة راداری در حضور نایقینی در موقعیت رادارها | ||
| رادار | ||
| مقاله 7، دوره 9، شماره 1 - شماره پیاپی 25، شهریور 1400، صفحه 63-73 اصل مقاله (988.49 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| سید محمد مهدی دهقان بنادکی* 1؛ عبدالرضا کاشانی‌نیا2 | ||
| 1استادیار، مجتمع دانشگاهی برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران | ||
| 2استادیار، دانشگاه صنعتی مالک اشتر، تهران، ایران | ||
| تاریخ دریافت: 18 فروردین 1400، تاریخ بازنگری: 29 شهریور 1400، تاریخ پذیرش: 22 آذر 1400 | ||
| چکیده | ||
| ایجاد هدف مجازی جهت فریب شبکة راداری به کمک پهپادهای همکار به‌عنوان یک راهکار مؤثر برای مقابله با شبکه‌های راداری توسعه یافته است. در پژوهش‌های پیشین، الگوریتم طراحی مسیر پهپادهای همکار برای ایجاد یک هدف مجازی به کمک مؤلفه طراحی مسیر و با الهام از رفتار شکارچی و شکار در طبیعت توسعه داده شده‌است. یکی از فرضیات به‌کار گرفته شده در این الگوریتم، مشخص بودن موقعیت رادارهای سامانه پدافندی برای پهپادهای همکار می‌باشد. در کاربردهای واقعی موقعیت رادارها دارای نایقینی فراوانی است. وجود نایقینی در موقعیت رادار باعث می‌شود تا یک هدف مجازی مشترک برای تمامی رادارهای موجود در شبکة راداری ایجاد نشود. در این حالت، بین اهداف مجازی ایجاد شده توسط پهپادهای همکار فاصله به‌وجود می‌آید و شبکة راداری به کمک این فاصله، فریب را تشخیص می‌دهد. در این پژوهش تأثیر نایقینی در موقعیت رادار بر القای هدف مجازی مشترک در شبکة راداری تحلیل شده و با تنظیم خودکار حد پایین برای مؤلفه طراحی مسیر، حرکت پهپادها در مسیرهایی که احتمال شناسایی فریب را افزایش می‌دهد، محدود می‌شود. این قید با توجه به حداکثر نایقینی در موقعیت رادارها، میزان دقت آنها و مسیر هدف مجازی مشخص می‌گردد. نتایج شبیه‌سازی نشان می‌دهد که با تنظیم خودکار این قید در الگوریتم طراحی مسیر پیشنهادی برای پهپادهای همکار، احتمال شناسایی فریب به ازای مقادیر مختلف نایقینی در موقعیت رادارها نسبت به روشهای مرسوم طراحی مسیر مبتنی بر حد پایین ثابت کاهش محسوسی مییابد. | ||
| کلیدواژه‌ها | ||
| پهپادهای همکار؛ شبکة راداری؛ فریب رادار؛ هدف مجازی؛ نایقینی در موقعیت رادار | ||
| عنوان مقاله [English] | ||
| Phantom track generation for radar network deception in the presence of inaccuracy in the radar position | ||
| نویسندگان [English] | ||
| Seyyed M. Mehdi Dehghan1؛ Abdolreza KashaniNia2 | ||
| 1Assistant Professor, University of Electrical and Computer Complex, Malek Ashtar University of Technology, Tehran, Iran | ||
| 2Assistant Professor, Malek Ashtar University of Technology, Tehran, Iran | ||
| چکیده [English] | ||
| Radar network deception through phantom track generation using cooperative unmanned aerial vehicles (UAVs) is an effective way of encountering sophisticated radar networks. In previous studies a method based on virtual motion camouflage (VMC) and path control parameter (PCP) has been developed to design the trajectory of cooperative UAVs during the phantom track generation mission. In these studies, the radar locations are assumed to be known. In real situations, the knowledge of radar locations has an inaccuracy. The radar position inaccuracy leads to an incoherent phantom track. The radar network can recognize the phantom track according to the distance between the false targets created by each UAV. In this paper, the effect of the inaccuracies of the radar position on the generated phantom track is considered. By adding a constraint that limits the flyable range of UAVs, the phantom track is generated such that the probability of the radar network detecting the deception is minimized. The mentioned constraint is specified based on the maximum radar position inaccuracy, the radar error, and the false target trajectory. The simulation results show that using this constraint in the trajectory design for UAVs, reduces effectively the recognition rate of the phantom track for various ranges of inaccuracies. | ||
| کلیدواژه‌ها [English] | ||
| Cooperative Unmaned Aerial Vehicle, Radar Network, Radar Deception, Phantom Track, Radar Position Inaccuracy | ||
| مراجع | ||
|
[1] F. Andreas, J. Hasch, and Ch. Waldschmidt. “A cooperative MIMO radar network using highly integrated FMCW radar sensors”, IEEE Transactions on Microwave Theory and Techniques, vol.65, no.4, pp.1355-1366, 2017. [2] C. Yang, L. Feng, H. Zhang, S. He, and Z. Shi. A novel data fusion algorithm to combat false data injection attacks in networked radar systems. IEEE Transactions on Signal and Information Processing over Networks, vol. 4, pp.125-136, 2018. [3] M. J. Mears and M. R. Akella, “Deception of radar systems using cooperatively controlled unmanned air vehicles,” Proceedings. 2005 IEEE Networking, Sensing and Control. IEEE, 2005. [4] K. B. Purvis, P. R. Chandler, and M. Pachter. “Feasible flight paths for cooperative generation of a phantom radar track,” Journal of guidance, control, and dynamics, vol. 29, pp.653-61, 2006. [5] M. Pachter, P. Chandler, R. Larson, and K. Purvis. “Concepts for generating coherent radar phantom tracks using cooperating vehicles. InAIAA Guidance, Navigation, and Control Conference and Exhibit,” p. 5334 , 2004. [6] D. H. A. Maithripala and S. Jayasuriya, “Radar deception through phantom track generation. In Proceedings of the 2005, American Control Conference,” pp. 4102-4106, 2005. [7] N. Dhananjay, D. Ghose, and A. Kuduvalli. “Generation of a class of proportional navigation guided interceptor phantom tracks. Journal of Guidance, Control, and Dynamics, vol. 38, pp. 2206-2215, 2015. [8] Y. Xu. “Virtual motion camouflage and suboptimal trajectory design. In AIAA Guidance, Navigation and Control Conference and Exhibit,” p. 6348, 2007. [9] Y. Xu and G. Basset, “Pre and post optimality checking of the virtual motion camouflage based nonlinear constrained subspace optimal control. In AIAA guidance, navigation, and control conference,” p. 5991, 2009. [10] Y. Xu and G. Basset. “Virtual motion camouflage based phantom track generation through cooperative electronic combat air vehicles. Automatica,” vol. 46, pp.1454-1461, 2010. [11] Y. Xu, and G. Basse, “Real-time optimal coherent phantom track generation via the virtual motion camouflage approach. Journal of dynamic systems, measurement, and control,” vol.13, 2011. [12] Z. Ouyang, C. Xu, J. Feng, and B. Wang. “Research on Method of Phantom Track Generation Based on Cooperative Control of UAVs in Uniform Linear Motion,” In IOP Conference Series: Materials Science and Engineering [13] C. Feng, Q. Feng, and H. Li. “A Flight Path Planning for Cooperative Generation of a Phantom Radar Track,” 37 th Chinese Control Conference (CCC). IEEE, 2018. [14] X. Liu and D. Li, “A Three-Dimensional Phantom Track Generation for Radar Network Deception,” IEEE Access, vol. 7, pp. 27288-27301, 2019. [15] K. B. Purvis, K.J. Astrom, and M. Khammash. Estimation and optimal configurations for localization using cooperative UAVs. IEEE Transactions on Control Systems Technology, 16(5), pp.947-958, 2008. [16] دهقان، سید محمد مهدی، فریب شبکه ی راداری به کمک گروهی از پهپادهای همکار، هفتمین کنفرانس رادار و سامانه های مراقبتی ایران،تهرا ن،1399. | ||
|
آمار تعداد مشاهده مقاله: 256 تعداد دریافت فایل اصل مقاله: 276 |
||