LPI radar signal recognition using deep-learning neural network ; Nhận dạng tín hiệu ra đa LPI sử dụng mạng nơ-ron học sâu
In: The University of Danang - Journal of Science and Technology; Vol. 19, No. 10, 2021; 70-75 ; Tạp chí Khoa học và Công nghệ - Đại học Đà Nẵng; Vol. 19, 2021
academicJournal
Zugriff:
Currently, radar equipment uses Low Probability Intercepted (LPI) signals. Meanwhile, modulated radar signal is one of the important information in electronic reconnaissance, allowing the identification of the emission source. In order to improve the recognition of LPI radar signals, convolutional deep learning neural networks (CNN) are proposed in this paper. Specifically, the proposed CNN model is surveyed with different channel numbers and filter sizes. Survey results show that, the higher the parameter, the higher the identification accuracy; however, the slower the execution time. Therefore, it is necessary to select a network of a suitable size to achieve the required accuracy with the allowed execution time. In addition, preprocessing techniques also play an important role in enhancing the identity accuracy of the CNN network. Therefore, two techniques of STFT and WVD were explored. Although WVD offers higher recognition accuracy, the results show that it has a slower processing time than STFT. ; Hiện nay, các thiết bị ra đa sử dụng kỹ thuật điều chế tín hiệu phức tạp nhằm giảm xác suất bị thu chặn (LPI). Trong khi đó, dạng điều chế tín hiệu ra đa là một trong những thông tin quan trọng trong trinh sát điện tử, cho phép định danh nguồn phát xạ. Do đó, một mô hình mạng nơ-ron học sâu tích chập (CNN) sẽ được đề xuất trong bài báo này, nhằm nâng cao khả năng nhận dạng tín hiệu ra đa LPI. Cụ thể, mô hình CNN đề xuất được khảo sát với số kênh và kích thước bộ lọc khác nhau. Kết quả khảo sát cho thấy, tham số càng cao thì độ chính xác nhận dạng càng tăng, tuy nhiên, thời gian thực thi càng chậm. Vì vậy, cần lựa chọn mạng có độ lớn phù hợp để đạt được độ chính xác cần thiết với thời gian thực thi cho phép. Ngoài ra, các kỹ thuật tiền xử lý cũng đóng vai trò quan trọng trong việc nâng cao độ chính xác nhận dạng của mạng CNN. Do đó, hai kỹ thuật STFT và WVD được khảo sát. Kết quả cho thấy, mặc dù WVD cho độ chính xác nhận dạng cao hơn nhưng thời gian xử lý chậm hơn STFT.
Titel: |
LPI radar signal recognition using deep-learning neural network ; Nhận dạng tín hiệu ra đa LPI sử dụng mạng nơ-ron học sâu
|
---|---|
Autor/in / Beteiligte Person: | Nguyễn Văn Linh, Đoàn Văn Sáng, Trần Công Tráng, Trần Văn Cường |
Link: | |
Zeitschrift: | The University of Danang - Journal of Science and Technology; Vol. 19, No. 10, 2021; 70-75 ; Tạp chí Khoa học và Công nghệ - Đại học Đà Nẵng; Vol. 19, 2021 |
Veröffentlichung: | The University of Danang, 2021 |
Medientyp: | academicJournal |
Schlagwort: |
|
Sonstiges: |
|