آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 1,192 |
| تعداد مقالات | 8,579 |
| تعداد مشاهده مقاله | 6,988,704 |
| تعداد دریافت فایل اصل مقاله | 4,032,550 |
تشخیص هدف از چف دریایی در مد جستجو مبتنی بر الگوریتم یادگیری عمیق | ||
| رادار | ||
| مقاله 3، دوره 10، شماره 1 - شماره پیاپی 27، تیر 1401، صفحه 75-85 اصل مقاله (903.52 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| سید وحید علوی پناه زو1؛ نادعلی زارعی* 2؛ مهدی ملازاده گل محله2 | ||
| 1کارشناسی ارشد، دانشگاه جامع امام حسین(ع)، تهران، ایران | ||
| 2استادیار، دانشگاه جامع امام حسین(ع)، تهران، ایران | ||
| تاریخ دریافت: 08 مرداد 1401، تاریخ بازنگری: 24 مهر 1401، تاریخ پذیرش: 02 اسفند 1401 | ||
| چکیده | ||
| امروزه اهمیت جنگ الکترونیک در حوزه دفاعی برکسی پوشیده نیست. از بین تکنیک‌های مختلف جنگ الکترونیک، چف می‌تواند نقش موثری را ایفا کند. چف دارای قابلیت‌های متعددی است. از جمله می‌توان به سهولت ساخت و بکارگیری آن، اخلال ارزان قیمت و پوشش باند فرکانسی وسیع آن اشاره کرد. همچنین می‌توان به فریب در زاویه و فاصله، ایجاد خطای ردیابی و تاثیر بر رادار قربانی در ابعاد زمان، فرکانس و پلاریزاسیون اشاره نمود. برای تشخیص چف از ویژگی‌های متعددی می‌توان بهره برد. در این پژوهش از بین ویژگی‌های مختلف جهت تشخیص آن، از ویژگی تموج که همان میزان تغییرات سطح مقطع راداری می‌باشد، استفاده شده است. همچنین در این پژوهش جهت دستیابی به دقت تشخیص بهتر و خطای کمتر، از الگوریتم‌ها و شبکه‌های مختلف یادگیری عمیق استفاده شده است. در این راستا ضمن اینکه توانستیم شناسایی هدف از چف را مبتنی بر یادگیری عمیق انجام دهیم، به دقت تشخیص بهتر از کارهایی که تاکنون منتشر شده است، دست یابیم. بعنوان مثال در نسبت توان سیگنال به نویز dB6 در این پژوهش به بهبود عملکرد 15% نسبت به مقالاتی که در این حوزه منتشر شد، دست یافتیم و در نسبت توان سیگنال به نویز dB12 دقت تشخیص 99.5% درصد حاصل شده است. علاوه بر این توانستیم در این کاربرد، از بین ساختار‌های مختلف یادگیری عمیق، مناسب ترین ساختار را پیشنهاد دهیم. | ||
| کلیدواژه‌ها | ||
| جنگ الکترونیک؛ چف؛ هدف؛ تشخیص؛ یادگیری عمیق | ||
| عنوان مقاله [English] | ||
| discrimination of sea chaff in search mode based on deep learning algorithm | ||
| نویسندگان [English] | ||
| seyed vahid alavi panah zo1؛ NadAli Zarei2؛ Mehdi Molazadeh Golmahaleh2 | ||
| 1Master's degree, Imam Hossein University, Tehran, Iran | ||
| 2Assistant Professor, Imam Hossein University, Tehran, Iran | ||
| چکیده [English] | ||
| Today, the importance of electronic warfare in the field of defense is not hidden. Among the various techniques of electronic warfare, chaff can play an effective role, which we discussed in this research. The chaff has many capabilities. Among these capabilities, it can be mentioned that it is ease to make and use, low cost jamming and wide band frequency coverage. It can also refer to deception in angle and distance, angle tracking error, and effect on the victim's radar in time, frequency, and polarization domain. Many features can be used for discrimination of chaff from target (ship). In this research, among the various features to discrimination it, the fluctuation feature, which is the variation of radar cross section, has been used. Also, in this research, in order to achieve better discrimination rate and less error, different deep learning algorithms and networks have been used. In addition, while we were able to discrimination the target of chaff based on deep learning, we achieved better recognition rate than the works that have been published so far. For example, in this study, we achieved a 15% improvement in performance compared to the resent published articles in the signal to noise ratio power of 6 dB and in the signal to noise ratio of 12 dB, the discrimination rate is 99.5%. Furthermore, we proposed the most suitable structure among the various deep learning structures in this application. | ||
| کلیدواژه‌ها [English] | ||
| Electronic warfare, chaff, target, discrimination, deep learning | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 297 تعداد دریافت فایل اصل مقاله: 36 |
||