طبقه بندی سیگنال های راداری با استفاده از روش های بازشناسی آماری الگو

طبقه بندی داده ها یکی از مباحث مهم در زمینه های مختلف علوم به شمار می رود. سیگنال های رادار یکی از منابع مهم اطلاعاتی است که به منظور شناسایی اشیا مختلف مورد استفاده قرار می گیرد. در تکنو لوژی رادار، طبقه بندی داده ها از اهمیت ویژه ای بر خوردار است. در زمینه ی جنگ الکترونیک یکی از قسمت های مهم سیستم های هوشمند الکترونیکی، شناسایی رادار ساطع کننده ی سیگنال می باشد. به منظور نیل به هدف فوق، پس از دریافت سیگنال رادار از آنتن گیرنده نیاز به انجام یک سری پردازش های سلسله مراتبی می باشد. این پردازش ها را می توان در دو بخش استخراج ویژگی های مناسب از پالس های دریافتی و عملیات طبقه بندی براساس ویژگی های استخراج شده خلاصه نمود. عملیات طبقه بندی داده ها، بر روی کلمات توصیف کننده ی پالس یا به اختصار pdws که مشخصات سیگنال را توصیف می کند، انجام می گیرد. گام اول در بخش طبقه بندی داده ها، انجام عملیات خوشه بندی است. تاکنون روش های خوشه بندی متعددی ارائه شده است. در اکثر روش های خوشه بندی ارائه شده، تخمین صحیح تعداد خوشه ها از اهمیت خاصی بر خوردار است و روش های متنوعی بدین منظور پیشنهاد شده است. در این تحقیق، به منظور تخمین تعداد صحیح خوشه ها، روشی جدید مبتنی بر نظریه ی مجموعه های راف و گسسته سازی داده ها معرفی گردیده است. این روش علاوه بر تخمین تعداد خوشه ها، قادر است میانگین اولیه ی خوشه ها را نیز محاسبه کند. وجود این دو پارامتر، در اکثر الگوریتم های خوشه بندی مورد نیاز است. به منظور انجام عملیات خوشه بندی از الگوریتم های سلسله مراتبی و k-means استفاده شده است. در گام دوم به منظور طبقه بندی داده ها، استفاده از روش های طبقه بندی ماشین بردار پشتیبان (svm)و ماشین بردار رابط (rvm)پیشنهاد شده است. پس از انجام عملیات خوشه بندی و طبقه بندی داده ها از برخی معیارهای اعتبار سنجی به منظور تأیید قدرت روش پیشنهادی در مقایسه با سایر روش ها استفاده شده است. نتایج حاصل شده نیز برتری روش پیشنهادی را نسبت به سایر روش ها نشان می دهد.