ارائه الگوریتم مناسب برای بخش پردازش سیستم های شنودراداری با استفاده ازشبکه عصبی مصنوعی خودسازمانده وشبکه عصبی ویولت

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 815

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RDERI02_020

تاریخ نمایه سازی: 11 اردیبهشت 1394

چکیده مقاله:

دراین مقاله روشی برای بخش پردازش سیستمهای شنود راداری ارایه شده است پردازش اطلاعات راداری درسیستم های شنود به سه بخش خوشه بندی تشخیص مدلاسیون بین پالسی و دسته بندی اطلاعات تقسیم میشود دراین راه ابتدا با استفاده ازالگوریتم های بدون ناظر مانند شبکه عصبی خود سازمانده و الگوریتم های فازی سی مینز و کی مینز اطلاعات راداری خوشه بندی شده است پس ازتعیین تعداد رادارها و مشخص نمودن مراکز این خوشه ها پارامترهای مربوط به هریک ازخوشه ها وارد مرحله تشخیص مدلاسیون بین پالسی می شود سپس پارامترهای مربوط به هریک ازخوشه های بدست آمده ازمرحله قبل محاسبه میشود درادامه با استفاده ازشبکه های عصبی با ناظر مانند شبکه عصبی تابع پایه شعاعی و شبکه عصبی پرسپترون چندلایه و همچنین با بهره گیری ازشبکه عصبی ویولت ویونت دسته بندی و تشخیص رادار انجام میشود نتایج شبیه سازی ها نشان میدهد که دردسته بندی های انجام شده توسط شبکه های عصبی مصنوعی با ناظر شبکه عصبی ویولت دارای عملکرد بهتری نسبت به سایرشبکه ها است همچنین الگوریتم ترکیبی مبتنی برخوشه بندی با شبکه عصبی خود سازمانده و دسته بندی با ویونت نتایج بهتری نسبت به سایرروشها دارد و ازطرفی به دلیل قابلیت پیاده سازی موازی اینگونه ازسیستم ها پیچیدگیهای زمانی بخش پردازش سیستم های شنود راداری بطور قابل ملاحظه ای کاهش می یابد و دربرابر نویز و خطا مقاومت خوبی ازخود نشان میدهد

کلیدواژه ها:

خوشه بندی ، دسته بندی ، سیستم های شنود راداری ، شبکه عصبی خود سازمانده ، شبکه عصبی ویولت ویونت

نویسندگان

رحمان مقدادی کاسانی

کارشناس ارشدسازمان تحقیقات و جهادخودکفایی نداجا

عبدالرضا فولادوند

کارشناس ارشدسازمان تحقیقات و جهادخودکفایی نداجا

سارا معینی

کارشناس ارشددانشکده فنی دانشگاه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • روش ضرب ماتریسی و شبکه عصبی RBF "، سیزدهمین کنفرانس ... [مقاله کنفرانسی]
  • _ علی ناصری، ' _ اته الگوریتم مناسب برای بخش ...
  • الگوریتمی هوشمند برای شناسایی سیگنالهای راداری با استفاده از روش ضرب ماتریسی و شبکه عصبی RBF [مقاله کنفرانسی]
  • علی ناصری، " استفاده از تکه بندی ماتریسی و پردازش ...
  • A. Hassan, F. Chan and Y. T. Chan, Joint De ...
  • Y. Kuang, Q. Shi, Q. Chen, L. Keping Long , ...
  • J. Dudczyk, A. Kawalec, J. Cyrek "Applying the Distance and ...
  • N. G. Zhang, Intra-pulse Modulation Recognition of Advanced Radar Emitte ...
  • G. Zhang, Intra-pulse Modulation Recognition of Unknown Radar Emitte Signals ...
  • J. A. Anderson, M. T. Gately, Radar Signal Categorization Using ...
  • D. G. Khairnar, S. N. Merchant, U. B. Desai, Radar ...
  • T. Mc Conaghy, H. Leung Classification of Audio Radar Signals ...
  • G.W. Stimson, Introduction to Airborne Radar Artech House, second edition. ...
  • Robert Hecht-Nielsen, Neuro Computing, Addi son-Wesley Publishing Company, 1991. ...
  • J. Sander, "Principles of Knowledge Discovery in Data: Clustering I", ...
  • M. Halkidi, Y. Batistakis and M. Vazirgiannis, "On Clustering Validation ...
  • Simon E. C. _ & Vir V. Phoha S. Sitharama ...
  • Simon Haykin, Neural Networks, Macmillan, College publishing Company, 1999. ...
  • N. J. Whittall, Signal Sorting in ESM Systems. IEEE 1985. ...
  • Rosenblatt, Frank. X. Principles of Neurodynam ics : Perceptrons and ...
  • نمایش کامل مراجع