Deep learning in electronic warfare systems: Automatic pulse detection and intra-pulse modulation recognition

Radarın ilettikleri darbelere göre tespiti ve sınıflandırılması elektronik harp sistemlerinde önemli bir uygulamadır. Mevcut çalışmaların çoğu, herhangi bir darbe tespiti yöntemi sunmadanö önceden sinyal darbesi tespitinin yapıldığını varsayarak modülasyonların sınıflandırılmasına odaklanır. Bu çalışmada, radar sinyallerinin otomatik darbe tespiti ve istemli darbe içi kipleme sınıflandırma için iki yeni derin öğrenme tabanlı teknik öneriyoruz. İlk yaklaşımda, ölçülen radar sinyalinin yeniden tayin edilmiş spektrogramı ve özel bir fonksiyon tarafından filtrelenen anlık fazlarının saptanan aykırı değerleri, çoklu evrişimli sinir ağlarını eğitmek için kullanılır. Ağlardan otomatik olarak çıkarılan özellikler, frekans ve faz modülasyonlu sinyalleri ayırt etmek için birleştirilir. İkincisinde, uçtan uca darbe tespiti ve modülasyon sınıflandırması için UKSB tabanlı çok görevli bir öğrenme modeli önerilmiştir. Bu alandaki başka önemli sorun, denetimli sinir ağı tabanlı modellerin eğitimi ve değerlendirilmesinde kullanılacak kamuya açık radar darbe verilerinin eksikliğidir. Bu sorunun üstesinden gelmek için gerçekçi darbeler ve gürültüler içeren 15'ten fazla ana faz ve frekans modülasyonu oluşturabilen bir IMOP ölçüm simülatörü geliştirdik. Simülasyon sonuçları, önerilen FFCNN ve MODNET tekniklerinin mevcut son teknoloji alternatiflerden daha iyi performans gösterdiğini ve çok çeşitli modülasyon türleri arasında kolayca ölçeklenebilir olduğunu göstermektedir.