Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
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. | 70 Nguyễn Văn Linh Đoàn Văn Sáng Trần Công Tráng Trần Văn Cường NHẬN DẠNG TÍN HIỆU RA ĐA LPI SỬ DỤNG MẠNG NƠ-RON HỌC SÂU LPI RADAR SIGNAL RECOGNITION USING DEEP-LEARNING NEURAL NETWORK Nguyễn Văn Linh Đoàn Văn Sáng Trần Công Tráng Trần Văn Cường Học viện Hải quân1 Tác giả liên hệ doansang.g1@gmail.com Nhận bài 01 7 2021 Chấp nhận đăng 07 9 2021 Tóm tắt - Hiện nay các thiết bị ra đa sử dụng kỹ thuật điều chế Abstract - Currently radar equipment uses Low Probability tín hiệu phức tạp nhằm giảm xác suất bị thu chặn LPI . Trong Intercepted LPI signals. Meanwhile modulated radar signal is one khi đó dạng điều chế tín hiệu ra đa là một trong những thông tin of the important information in electronic reconnaissance allowing quan trọng trong trinh sát điện tử cho phép định danh nguồn phát the identification of the emission source. In order to improve the xạ. Do đó một mô hình mạng nơ-ron học sâu tích chập CNN sẽ recognition of LPI radar signals convolutional deep learning neural được đề xuất trong bài báo này nhằm nâng cao khả năng nhận networks CNN are proposed in this paper. Specifically the dạng tín hiệu ra đa LPI. Cụ thể mô hình CNN đề xuất được khảo proposed CNN model is surveyed with different channel numbers sát với số kênh và kích thước bộ lọc khác nhau. Kết quả khảo sát and filter sizes. Survey results show that the higher the parameter cho thấy tham số càng cao thì độ chính xác nhận dạng càng tăng the higher the identification accuracy however the slower the tuy nhiên thời gian thực thi càng chậm. Vì vậy cần lựa chọn execution time. Therefore it is necessary to select a network of a mạng có độ lớn phù hợp để đạt được độ chính xác cần thiết với suitable size to achieve the required accuracy with the allowed thời gian thực thi cho phép. Ngoài ra các kỹ thuật tiền xử lý cũng execution time. In addition preprocessing techniques also play an đóng vai trò quan trọng trong việc nâng cao độ chính xác nhận important role in enhancing the identity accuracy of the CNN dạng
