بررسی خوشه بندی پالس های راداری با شبکه عصبی خود سازمان ده ( SOFM ) در پردازشگر ESM

امروزه به دلیل پیچیدگی نوع مدولاسیون پالس های راداری، روش های معمول تفکیک پالس از جهت سرعت و دقت پاسخگوی نیازسیستم های ESM نمی باشند. در این پژوهش، استفاده از شبکه های عصبی خودسازمان دهنده برای خوشه بندی و شناسایی سیگنال راداری در گیرنده های ESM و ELINT بررسی شده است. یک شبکه عصبی خودسازمانده که برای خوشه بندی استفاده می شود، برتری های قابل ملاحظه ای برتحلیل خوشه ای سنتی دارد. مشکل بعدی، تفکیک داده ها به خوشه های با تعداد نامعین است. در اکثر روش ها، این مشکل به وسیله پردازش های اضافی و استفاده از معیار های اعتبارسنجی برای بررسی تعداد بهینه خوشه ها حلمی شود. این کار زمان بر بوده و در سیستم هایی که نیاز به پاسخ آنی دارند، مطلوب نیست. گاهی با روش های سلسله مراتبی تعداد مناسب خوشه ها را تخمین زده و سپس از افراز بندی استفاده می کنند. لذا به منظور استفاده از SOFM ابتدا با یک الگوریتم پیشنهادی بر اساس کدهای تشابه تعداد خوشه ها تعیین شده و سپس از SOFM برای انجام خوشه بندی دقیق استفاده می شود. در این مقاله نشان داده شده که اعمال خوشه بندی مرحله ای با استفاده از SOFM بر روی پارامترهای مجزا مانند زاویه دریافت سیگنال، نسبت به فضای چند بعدی پاسخ دقیق تری (به ازای پردازش بیشتر) دارد. بررسی ها نشان می دهد که این تابع برای بخش ELINT بسیار مناسب است؛ ولی برای استفاده در ESM و لزوم پاسخ سریع به سرعت پردازنده ها در مقایسه با الگوریتم های کلاسیک وابسته است.

Keywords:

خوشه بندی پالس های راداری , شبکه عصبی خود سازمان ده , شبکه SOFM