Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2021 - zeszyt 10

Rozpoznawanie sygnałów radarowych z wykorzystaniem sieci neuronowych

10.15199/48.2021.10.26

Jan MATUSZEWSKI

nr katalogowy: 133573
10.15199/48.2021.10.26

Streszczenie

Artykuł przedstawia sposób budowy metryk radarów i badanie możliwości zastosowania sieci neuronowych do rozpoznawania sygnałów radarowych. Badania skuteczności sieci neuronowej przeprowadzono w środowisku MATLAB przy użyciu programów Neural Pattern Recognition Tool z wykorzystaniem metody gradientu sprzężonego oraz Neural Fitting Tool z algorytmem Levenberga-Marquardta. Przeprowadzone badania symulacyjne potwierdziły wysoką skuteczność sieci neuronowych w rozpoznawaniu sygnałów radarowych

Abstract

The article presents the way of construction of radar metrics and the study of the possibility of using the neural networks to recognize radar signals. Research on the effectiveness of the neural network was carried out in the MATLAB environment using the Neural Pattern Recognition Tool program using the coupled gradient method and the Neural Fitting Tool with the Levenberg-Marquardt algorithm. The performed simulation studies confirmed the high efficiency of neural networks in recognizing radar signals. (Radar signals recognition using neural networks).

Słowa kluczowe

Keywords

Bibliografia

[1] D. Adamy, EW 102. A Second Course in Electronic Warfare. Artech House, Boston & London, 2004.
[2] B. Baron B., Piątek Ł., Metody numeryczne w C++ Builde. Helion, 2004.
[3] M. H. Beale, M. T. Hagan, H. B. Demuth, MatLab. Neural Network Toolbox. User's Guide, MathWorks, 2017.
[4] Ch. A.P. Carter, N. Masse, Neural Networks for Classification of Radar Signals, Defence Research Establishment Ottawa, Technical Note 93-33, Nov. 1993, Ottawa, Canada.
[5] L. Ding, S. Wang, F. Wang and W. Zhang, Specific emitter identification via convolutional neural networks, IEEE COMMUN LETT, vol. 22, no. 12, pp. 2591-2594, 2018.
[6] M. Elamien Abd Elmaggeed, A. Jabar Alzubaidi, Neural Network Algorithm for Radar Signal Recognition, Int. Journal of Engineering Research and Applications, www.ijera.com, ISSN: 2248-9622, Vol. 5, Issue 2, (Part -2) February 2015, pp.123- 125.
[7] J. Matuszewski, The methods of class pattern forming in order to emitters recognition
[Article@Metody tworzenia wzorców klasy dla celów rozpoznawania źródeł emisji]. Przegląd Elektrotechniczny, 84 (2008), nr 5, Warszawa, str. 104-108.
[8] J. Matuszewski, The Specific Radar Signature in Electronic Recognition System. Przegląd Elektrotechniczny, 89 (2013), nr 7, Warszawa, str. 236-239.
[9] J. Matuszewski, D. Pietrow, Recognition of electromagnetic sources with use of deep neural networks. 12th Conference on Reconnaissance and Electronic Warfare Systems (CREWS), Proceedings of SPIE 11055, 110550D (27 March 2019); DOI: 10.1117/12.2524536.
[10] S. Osowski, Sieci neuronowe do przetwarzania informacji; Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2006.
[11] N. Petrov, I. Jordanov, Radar Emitter Signals Recognition and Classification with Feedforward Networks. 17th International Conference in Knowledge Based and Intelligent Information and Engineering Systems - KES2013, Procedia Computer Science, Vol. 22, 2013, pp. 1192-1200, https://doi.org/10.1016/ j.procs.2013.09.206.
[12] T. Pietkiewicz, K. Sikorska-Łukasiewicz, Comparison of two classifiers based on neural networks and the DTW method of comparing time series to recognize maritime objects upon FLIR images. Proc. SPIE 11055, XII Conference on Reconnaissance and Electronic Warfare Systems, 110550V (27 March 2019); doi: 10.1117/12.2524918.
[13] T. Pietkiewicz T., Porównanie dwóch klasyfikatorów opartych na metodzie DTW i połączonych metodach PCA-LDA do rozpoznawania obiektów morskich na podstawie obrazów FLIR. Przegląd Elektrotechniczny, vol. 95, nr 11, 2019, ss. 215-222.
[14] I. Tomaszewska, Koncepcja i badanie jakości rozpoznawania radarów przy użyciu sieci neuronowych. Praca dyplomowa, Warszawa, WAT, 2015.
[15] L. Yun, L. Jing-chao, Radar signal recognition algorithms based on neural network and grey relation theory. Proceedings of 2011 Cross Strait Quad-Regional Radio Science and Wireless Technology Conference, 26-30 July 2011, Harbin, China, doi: 10.1109/CSQRWC.2011.6037247

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2021-10 , nr katalogowy 133573 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2021-10 licencja: Osobista Produkt cyfrowy Nowość	55.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2021-10

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma