پديد آورنده :
صديقي، زهرا
عنوان :
استخراج ويژگيهاي متمايز‌كننده از سيگنالهاي باند مياني رادارها و طبقهبندي رادارهاي مشابه
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
مخابرات(سيستم)
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده برق و كامپيوتر
صفحه شمار :
نه، [۱۰۳]ص.: مصور، جدول، نمودار
استاد راهنما :
محمدرضا احمدزاده
استاد مشاور :
محمدرضا تابان
واژه نامه :
انگليسي به فارسي
توصيفگر ها :
رادار , طبقهبندي , استخراج ويژگي , تبديل زمان فركانس , باند مياني
تاريخ ورود اطلاعات :
1397/02/22
رشته تحصيلي :
برق و كامپيوتر
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
چكيده يكي از بخشهاي جنگ الكترونيك بخش پشتيبان الكترونيك است كه بايد ويژگيهايي را از سيگنال دريافتي از رادار استخراج نموده و با استفاده از آنها سيگنالها را طبقهبندي نماييم ازجمله اين ويژگيها ميتوان به فركانس راديويي پهناي پالس زاويه ورود بازه تكرار پالس زمان ورود و دامنه پالس اشاره كرد كه به مجموعه آنها كلمه توصيفگر پالس گفته ميشود با توجه به اينكه دنباله پالسهاي متفاوتي از منابع مختلف از طريق يك كانال مخابراتي ارسال ميشود و همچنين به دليل پيشرفت سيستمهاي راداري بهگونهاي كه از رادارهاي با مشخصات يكسان در يك محيط استفاده ميشوند طبقهبندي دادههاي راداري كار سادهاي نيست دو راهكار كلي براي بهبود نتايج شناسايي رادار ساطعكننده وجود دارد اول اينكه روشهاي طبقهبندي را بهگونهاي طراحي كنيم كه خطا تا حد ممكن حداقل شود و دوم ويژگيهايي را از سيگنالهاي دريافتي استخراجكنيم كه آنها را بهخوبي از هم متمايز ميكند در اين تحقيق از راهكار دوم استفاده شده است در اين تحقيق نسبت سيگنال به نويز در تبديلهاي زمان فركانس درجه دو تأثير كرنلهاي مختلف بر نمايش سيگنال با مدوالسيون فركانسي خطي در حوزه زمان فركانس و راهكارهايي براي بهبود آشكارسازي سيگنالهاي با مدوالسيون فركانسي خطي بررسي ميشود در بخش دوم كه هدف آن طبقهبندي سيگنالهاي رادارهاي مشابه است از دادههاي برچسب دار شبيه سازيشده استفاده ميشود و متمركز بر استخراج ويژگي از سيگنالهاي راداري در باند مياني است مبناي اين ويژگيها تبديلهاي زمان فركانس است و به سه دسته تقسيم ميشوند ويژگيهاي در طول محور زمان ويژگيهاي در طول محور فركانس و ويژگيهاي مربوط به كل صفحه زمان فركانس در گام بعدي ويژگيهاي استخراج شده با استفاده از طبقهبندي كننده ماشين بردار پشتيبان و نزديكترين همسايه طبقهبندي و نرخ خطا محاسبه ميشود در پايان نتايج ارائهشده با روشهاي مبتني برتجزيه مد تجربي و انبارندهها مقايسه ميشود كه برتري روش پيشنهادي در كاهش نرخ خطاي طبقهبندي بين 7 تا 02 درصد در سناريوهاي مختلف را نشان ميدهد كلمات كليدي رادار طبقهبندي استخراج ويژگي تبديل زمان فركانس باند مياني
چكيده انگليسي :
Extracting Discriminant Features from Radar Signals in IF Band and Similar Radars Classification Zahra Seddighi z seddighi@ec iut ac ir Date of Submission March 6 2018 Department of Electical and Computer Engineering Isfahan University of Technology Isfahan 84156 83111 IranDegree M Sc Language FarsiM R Ahmadzadeh Associate Prof supervisor Ahmadzadeh@cc iut ac irAbstract In Electronic Support ES which is a division of electronic warfare the main task is extracting featuresof received radar signals and using them to classify signals Features like radio frequency pulse width angleof arrival pulse repetition interval time of arrival and pulse amplitude which are called Pulse DescriptionWord PDW are the prominent features that are extracted from radar signals Because different pulse trainsfrom different sources are sent from one channel and because of improvement of radar systems that it ispossible to have different radars with same type or class in an environment the classification andidentification of radar signals is not an easy task There are two general approaches to improve the result ofradar specific emitter identification improving classifier to minimize the classification error or extractingsome different features that are discriminant In this dissertation we select the second approach to improvecorrect classification rate In this research we analyze radar signal in time frequency domain We first derive SNR in quadratictime frequency transform then analyze the kernel influence on signal representation in time frequency planeand design a method to improve the detection of LFM signals Our second goal is classification andidentification of the same type radars We use supervised simulation data to focus on feature extraction fromradar signals in IF band These features are defined in time frequency transform and divided into threegroups features along time axis features along frequency axis and features along time frequency axes In thesecond step extracted features are classified using SVM and KNN classifiers Finally results of the proposedmethod are compared with cumulant and EMD based method The experimental results in different scenariosshow that the classification rate of the proposed method is 7 to 20 percent higher than the other methods Keywords radar classification feature extraction time frequency transform IF band
استاد راهنما :
محمدرضا احمدزاده
استاد مشاور :
محمدرضا تابان
