هدفیابی راداری در حضور کلاتر دریا با استفاده از شبکه عصبی

کنترل هشدار غلط، یک امر حیاتی برای سیستم های آشکارسازی اتوماتیک می باشد. اغلب، شرایط محیط به گونه ای است که توان نویز زمینه (کلاتر) و یا حتی توزیع آن با زمان تغییر می کند. در چنین شرایطی، برای دستیابی به کارایی مفید در سیستم، ملزم به استفاده از آستانه وفقی هستیم و وفقی کردن آستانه می بایست به گونه ای باشد که سیستم خاصیت cfar (constant false alarm rate) داشته باشد. کارهای متنوعی روی آشکارسازهای cfar در کاربرد رادار انجام و ارائه گردیده است، اما کمتر کاری بر روی آشکارساز cfar با شبکه عصبی صورت گرفته است. آشکارسازی سیگنال رادار کار پیچیده ای است که عموماً بر اساس تخمین پارامترهای کلاتر می باشد. در کاربردهای واقعی، این روش ها نیاز به محاسبات آماری زیاد برای تخمین پارامترهای کلاتر دارند که تنها برای یک نوع توزیع کلاتر بهینه می باشند. ویژگی خاص این سیستم عصبی که برای آشکارسازی راداری به کار می رود و آن را از آشکارسازهای متداول متمایز می کند، این است که نیاز به محاسبات زیاد در آن از بین می رود. در این مطالعه مسئله آشکارسازی رادار را با استفاده از شبکه های عصبی مصنوعی با توزیع k از محیط، مورد توجه قرار می دهیم. الگوریتم پس انتشار در ساختار mlp برای آموزش شبکه عصبی و همچنین ساختار rbf استفاده شده است. آشکارسازهای شبکه عصبی با آشکارسازهای متداول کلاسیک مقایسه شده و نتایج شبیه سازی نشان می دهد که ساختار mlp بهتر از آشکارسازهای کلاسیک ca-cfar و os-cfar از جمله پرکاربردترین cfarها عمل می کنند.