کاهش سطح گلبرگ های فرعی در فشرده سازی پالس رادار برای آشکارسازی اهداف همسان با استفاده از شبکه عصبی

در این مقاله از یک شبکه عصبی چند لایه برای فشرده سازی پالس رادار که ورودی آن برخلاف روش های پیشین، کد پلی فاز است، استفاده می کنیم. مزیت کدهای پلی فاز نسبت به کدهای باینری، داشتن سطح گلبرگ های فرعی کمتر و تولرانس داپلر بسیار بهتر است. بعلاوه، برخلاف کدهای باینری، برای هر طول کد، کدهای پلی فاز متنوعی وجود دارد که این موضوع باعث سودمندی بیشتر شبکه پیشنهادی می شود. برای آموزش شبکه نیز از روش بهینه سازی Levenberg-Marquardt استفاده کرده ایم که سرعت همگرایی شبکه را تا حد قابل توجهی افزایش میدهد. پس از 100 بار آموزش شبکه مورد اشاره، سطح گلبرگ های فرعی تا حد خیره کننده ای کاهش می یابد. به عنوان نمونه، در مورد کد N=30) P3) این مقدار برابر dB 238166- و در مورد کد( P4 45=N) این مقدار برابر dB 240/51- است. این طرح برای SNR بسیار پایین نیز عملکرد بسیار خوبی دارد و همچنین در مقایسه با سایر روش های موجود تولرانس داپلر بسیار بالاتری را در خروجی شبکه ارایه میدهد

Keywords:

بهینه سازی Levenberg-Marquardt , تولرانس داپلر , شبکه عصبی چند لایه , فشرده سازی پالس , گلبرگ های فرعی