آمار
| تعداد نشریات | 21 |
| تعداد شمارهها | 425 |
| تعداد مقالات | 3,265 |
| تعداد مشاهده مقاله | 3,101,851 |
| تعداد دریافت فایل اصل مقاله | 2,430,631 |
بررسی و بهبود عملکرد طرحهای تشخیص هدف رادار بر اساس شبکه های عصبی مصنوعی و تکنیک های یادگیری عمیق | ||
| فصلنامه آماد و فناوری دفاعی | ||
| دوره 9، شماره 1 - شماره پیاپی 29، اردیبهشت 1404، صفحه 241-270 | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| پدرام پاکروان* 1؛ پیام پاکروان2 | ||
| 1دانشجوی دکتری مهندسی الکترونیک قدرت،گروه پژوهشی قدرت ،دانشکده برق،دانشگاه صنعتی امیر کبیر، تهران، ایران(نویسنده مسئول) | ||
| 2دانش آموخته مهندسی الکترونیک دیجیتال،گروه پژوهشی الکترونیک ،دانشکده برق،دانشگاه تهران، تهران، ایران | ||
| چکیده | ||
| ارتقاء و بهبود سیستم راداری در زنجیره سیستم دفاعی از اهمیت بسیاری برخوردار است؛ زیرا تشخیص هدف رادار برای عملکرد صحیح و مؤثر فرآیندهای پدافند و سایر فعالیتهای مرتبط با آن حیاتی است. عدم تشخیص هدف رادار با افزایش هزینه های دفاعی، کاهش توان دفاعی و افزایش تهدیدات دشمنان همراه است؛ لذا هدف اصلی پژوهش حاضر، ارائه راهکارهایی جهت بهبود تشخیص هدف در رادار مبتنی بر شبکه عصبی است. شناسایی هدف راداری (RTD) یک فرآیند اساسی اما مهم در سیستم راداری است که برای تمایز و اندازه گیری اهداف از یک پس زمینه پیچیده طراحی شده است. روشهای یادگیری عمیق در حال حاضر توجه زیادی را به خود جلب کردهاند و به عنوان راهحلهای عملی در پردازش سیگنال رادار تبدیل شدهاند. در مقایسه با روشهای مرسوم RTD، روشهای مبتنی بر یادگیری عمیق میتوانند ویژگیها را بهطور خودکار استخراج کرده و نتایج دقیقتری به دست آورند. استفاده از یادگیری عمیق در RTD به عنوان یک مفهوم جدید در نظر گرفته می شود. در این مقاله، کاربردهای یادگیری عمیق در حوزه RTD را بررسی کرده و محدودیتهای احتمالی را بیان شده است. این کار به دلیل افزایش تعداد آثار تحقیقاتی منتشر شده در سال های اخیر انجام شده است. امید است که این مقاله برای آینده پژوهش و کاربردهای یادگیری عمیق در RTD و حوزه های مرتبط پردازش سیگنال راداری مورد استفاده قرار گیرد | ||
| کلیدواژهها | ||
| شناسایی هدف راداری؛ پردازش سیگنال راداری؛ مدل های یادگیری عمیق؛ عصبی مصنوعی شبکه؛ شبکه عصبی عمیق | ||
|
آمار تعداد مشاهده مقاله: 33 |
||