سید مهدی ضیایی - دانشجوی دکترا، دانشگاه جامع امام حسین (ع)، تهران، ایران
پوریا اعتضادی فر - استادیار، دانشگاه جامع امام حسین (ع)، تهران، ایران
یاسر نوروزی - استادیار، دانشگاه صنعتی امیرکبیر، تهران، ایران

استفاده از چف برای منحرف کردن رادار هدایت کننده موشک و یا جستجوگر موشک یک روش  متداول و موثر دفاعی در شناورهای نظامی است. برای مقابله با این روش دفاعی، روش های تشخیص هدف از چف توسعه یافته اند که عموما بر روی ویژگی های خاص از چف یا هدف تمرکز دارند. این ویژگی ها بایستی بتوانند در شرایط مختلف عملکردی رادار و یا شرایط محیطی مختلف که رفتار چف را تغییر می دهد، عملکرد مناسبی داشته باشند. اما یک ویژگی موثر و منحصر به فرد که بتواند در تمامی شرایط با دقت مناسب چف را از هدف تشخیص دهد وجود ندارد و ویژگی های متفاوت، در شرایط محیطی مختلف و یا پارامترهای کاری رادار مانند شکل موج های متفاوت، عملکرد یکسانی ندارند و عملکرد آنها تغییر می کند. در این مقاله با استفاده از شبکه عصبی مصنوعی، ساختاری برای تشخیص چف و هدف در یک رادار ارائه شده است که  در شرایط محیطی و شکل موج های مختلف عملکرد بهتری نسبت به روش های موجود داشته و توانسته است دقت تشخیص هدف از چف را بهبود قابل توجهی داده و دقت مطلوبی را نتیجه دهد. هم چنین برای بهبود عملکرد رادار با رویکرد شناختی، شکل موج ارسالی آن در هر مرحله به طور بهینه انتخاب می شود و تغییر می کند. بدین منظور نیز از یک شبکه عصبی پسخور با لایه های LSTM استفاده شده است که وظیفه دارد با توجه به روند تغییرات محیط، شکل موج بهینه را پیشنهاد دهد. ساختار کلی روش پیشنهادی به این صورت است که ابتدا با استفاده از پیش پردازش بر روی داده های دریافتی رادار، ویژگی های متمایزکننده تقارن، پخش شدگی داپلر و AGCD از آن استخراج می شود که حاوی اطلاعات جداکننده چف و هدف از هم باشند. سپس برای حذف اثر نویز بر روی ویژگی ها از آستانه گذاری بر روی آنها استفاده می شود. در آخر، این ویژگی ها برای تشخیص درست چف از هدف وارد شبکه عصبی پیشخور با لایه های کاملا متصل استفاده می شود. از طرفی در هر مرحله، با استفاده از شبکه پیشنهاد شکل موج، شکل موج بهینه برای لحظه بعدی انتخاب می شود و مورد استفاده قرار می گیرد. بدین ترتیب ساختار پیشنهادی، ماشین هوشمندی است که علاوه بر تشخیص هدف از چف در هر لحظه، تعیین می کند در لحظه بعدی، شکل موج بهینه چه باشد. در انتها اثربخشی این روش در مقایسه با روش های پیشین، یعنی آستانه گذاری بر روی ویژگی های تقارن، داپلر و AGCD در تشخیص هدف از چف، بررسی می شود. مشاهده می شود که عملکرد سیستم پیشنهادی بهبود قابل توجهی را ایجاد نموده است.

چف, هدف, رادار, شکل موج, شبکه عصبی مصنوعی, رادار شناختی