تشخيص اهداف راداري با استفاده از شبكه عصبي عميق GMDH

رادار وسيله الكترومغناطيسي است كه براي تشخيص و تعيين موقعيت هدف‌‌ها به‌كار مي‌‌رود. اساسي ترين وظيفه رادار استخراج اطلاعات در مورد هدف، به وسيله اندازه گيري مشخصات ميدان الكترومغناطيسي امواج بازگشتي از هدف است. محيط راداري هر كشور جزو محدوده‌‌هاي امنيتي و راهبردي هر كشور مي‌‌باشد. حفظ امنيت اين محيط و شناسايي اهداف موجود در آن مي‌‌تواند يكي از الزامات مهم محسوب گردد. در تشخيص اهداف راداري چالش‌ها و مشكلاتي همچون عدم دقت، صحت تشخيص و خطاي بالا مطرح مي‌‌باشد. روش‌‌هاي مختلفي تاكنون از جمله روش‌هاي مبتني بر فركانس هاي تشديد طبيعي هدف، پلاريزاسيون سيگنال بازگشتي، روش هاي يادگيري ماشين و غيره به‌منظور تشخيص اهداف راداري مطرح شده است. با وجود كاربردهاي فراواني كه اين روش‌ها داشته‌اند، اما هنوز نتوانسته‌اند چالش‌‌هاي موجود در رادار را برطرف نمايند. از اين‌رو، در اين مقاله با به‌كارگيري الگوريتم يادگيري عميق GMDH اقدام به تشخيص اهداف راداري نموده ايم. با شبيه‌سازي روش پيشنهادي و مقايسه آن با ساير روش هايي همچون (RIN, SAE, SCAE, SDAE, CNN, LSVM, K-SVD)، به‌طور ميانگين 5 درصد بهبود حاصل شده است.