چکیده مقاله
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
کلیدواژه‌ها
نویسندگان
محمد جواد قلندری
دانشجوی دکتری مهندسی برق دانشگاه جامع امام حسین ع
محمد رضا حسنی آهنگر
دانشیار دانشگاه جامع امام حسین ع
شیوه ارجاع
قلندری، محمد جواد و حسنی آهنگر، محمد رضا،1398،بررسی خوشه بندی پالس های راداری با شبکه عصبی خود سازمان ده ( SOFM ) در پردازشگر ESM،دومین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام،کرج
ارائه‌شده در
مجموعه مقالات دومین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام30 شهریور 1398 · کرج