پیش بینی و مکان یابی منبع تهدیدات طیفی با استفاده از شبکه های عصبی عمیق و یادگیری مکانی-زمانی

در نبردهای الکترونیکی نوین، شناسایی و مکان یابی منابع تهدید طیفی همچون رادارهای دشمن، سامانه های جنگ الکترونیک و اخلالگرهای فرکانسی، نقش حیاتی در موفقیت عملیات ایفا می کند. این پژوهش یک چارچوب هوشمند مبتنی بر یادگیری عمیق ارائه می دهد که با ترکیب شبکه های عصبی کانولوشنی (CNN) و حافظه بلندمدت کوتاه مدت (LSTM)، توانایی تحلیل داده های طیفی را به صورت مکانی-زمانی فراهم می سازد. سامانه پیشنهادی با بهره گیری از معماری ترکیبی CNN-LSTM قادر است به صورت بلادرنگ الگوهای تهدید را شناسایی کرده و موقعیت تقریبی منبع سیگنال را تعیین نماید. نتایج ارزیابی در محیط شبیه سازی شده نشان می دهد که دقت مکان یابی مدل پیشنهادی به طور معناداری بالاتر از روش های متداول است، در حالی که از نظر محاسباتی نیز برای پیاده سازی بلادرنگ در سامانه های فرماندهی و کنترل تطبیقی مناسب است.

کلیدواژه ها:

هوش مصنوعی در جنگ الکترونیک ، مکان یابی تهدید طیفی ، یادگیری عمیق ، تحلیل مکانی-زمانی ، شناسایی سیگنال