مجتبی عشرتی
عباسعلی ابراهیمی نیا
یونس پولادرنگ

در این کار پژوهشی یک طبقه بندی کننده اهداف راداری بر اساس داده های سینماتیکی طراحی شده است. از آنجاکه هر هدف راداری ویژگیهای فیزیکی منحصربه فرد خود را دارد، لذا دارای ویژگیهای سینماتیکی منحصر به خود است. بنابراین، میتوان از این ویژگیها برای مسئله دسته بندی استفاده کرد. درواقع ایده اصلی این است که هر هدف راداری محدودیتهای حرکتی (ماکزیمم و مینیمم سرعت، شتاب و...) منحصر به خود را دارد. ویژگیهای سینماتیکی واقعی و اندازه گیری شده با این پایگاه داده مقایسه شده و برای دسته بندی استفاده میشود. رادار میتواند با فرستادن و دریافت امواج به سمت هدف، یکسری ویژگیهای سینماتیکی و ویژگیهایی که مربوط به شکل و فرم هدف است را استخراج کند. برای استفاده هرچه بیشتر از این فضای ویژگی، از مشخصات سینماتیکی و ویژگیهایی که مربوط به شکل هدف(مانند سطح مقطع راداری) است، برای مسئله طبقه بندی استفاده شده است.روشهای هوش مصنوعی قدرت بالایی در تخمین توابع غیرخطی دارند. از طرفی، رابطه ای غیرخطی بین نوع هدف و مشخصات سینماتیکی و مشخصات مربوط به شکل هدف است. لذا، در این کار پژوهشی از روشهای هوش مصنوعی شبکه عصبی برای طراحی الگوریتم طبقه بندی کننده استفاده شده است. درنهایت الگوریتم طراحیشده برای طبقه بندی پنج هدف راداری که عبارتاند از: هواپیمایی بدون سرنشین، هواپیمایی جنگنده، هواپیمایی بمب افکن، هلیکوپتر و موشک کروز مورداستفاده قرار میگیرد. برای استفاده از الگوریتمهای ارائه شده، یک رابط با محیط گرافیکی که به سادگی بتوان داده های ورودی را در نرم افزار بارگذاری کرد، طراحی شده است. نتایج شبیه سازی نشان میدهد که الگوریتم طراحیشده دارای دقت قابل قبولی است و در حضور نویز در ورودیها، باز هم قابلیت دستهبندی صحیح اهداف راداری را دارد و این نشان میدهد که الگوریتم خاصیت مقاوم بودن را دارد.

طبقه بندی، اهداف راداری، شبکه عصبی، تابع نمایه برد، مشخصات سینماتیکی، سطح مقطع راداری.