شناسايي و كلاس‌بندي سيگنال رادارهاي LPI با استفاده از شبكه‌هاي لي نت و الكس نت در يادگيري عميق

Using LeNet-5 and AlexNet Architectures in Deep Learning Approach to Detect and Classify LPI Radar Signals

رادارهاي LPI (Low Probability of Intercept) و يا با احتمال رهگيري پائين، رادارهايي هستند كه به‌دليل توان كم، پهناي باند گسترده و فركانس متغير، احتمال رهگيري آنها توسط سامانه‌‍‍‍‌هاي شناسايي بسيار پائين است. بنابراين با ظهور اين نوع فناوري از رادارها، همواره روش‌هاي جديدي در حوزه پردازش سيگنال و تصوير مورد نياز است تا با استفاده از اين روش‌ها، بتوان سيگنال‌هاي مذكور را در مرحله اول تشخيص داده و در مرحله دوم كلاس‌بندي كرده و در مرحله آخر بتوان مشخصات آنها را استخراج كرد. براي حل مسئله، امروزه يادگيري عميق به‌عنوان يكي از روش‌‌هاي جديد در حوزه پردازش سيگنال و تصوير مطرح است. در اين مقاله با استفاده از روش يادگيري عميق امكان آشكارسازي و كلاس‌بندي انواع مدولاسيون‌ رادارهاي LPI، بررسي خواهد شد. در اين راستا ابتدا سيگنال دريافتي با استفاده از تحليل فوريه زمان-كوتاه، در حوزه زمان-فركانس مورد تجزيه‌وتحليل قرار گرفته و خروجي اين بخش به‌صورت يك تصوير، به دو شبكه الكس نت و لي‌نت كه از شبكه‌هاي يادگيري عميق هستند، براي آشكارسازي و كلاس‌بندي انواع مدولاسيون‌هاي مورد استفاده در رادارهاي LPI، داده خواهد شد. نتايج به‌دست‌آمده از اين شبيه‌سازي‌ها نشان مي‌دهد كه درSNR (نسبت سيگنال به نويز) ،dB5- دقت عملكرد روش الكس‌نت 34/97% و دقت عملكرد روش لي‌نت 94% است كه نشان از عملكرد بهتر روش الكس‌نت است.

Low probability of intercept (LPI) radars are difficult to detect and identify by electronic intelligence receivers due to their low power, wide bandwidth and frequency variability. With the emergence of this technology, new methods of signal and image processing are constantly required to first identify, then classify, and finally extract the characteristics of these radar signals. To solve the problem, today deep learning is an important technical method in the signal and image processing fields. Through using this method, this paper will investigate the possibility of detecting and classifying different signals of LPI radars. To do this, using Short-Time Fourier Transform (STFT), we will analyze the received signal in the time-frequency domain, and then to detect and classify the LPI radar signal waveforms we send the output, in image format, to the AlexNet and the LeNet deep convolutional neural network (CNN) models. The simulation results show that, in SNR=-5dB, the accuracy of the AlexNet and the LeNet methods are 97.34% and 94% respectively, indicating the better performance of the AlexNet method.