پردازش داده‌هاي راداري با استفاده از تركيب روش‌هاي تجزيه‌وتحليل مؤلفه اصلي و شبكه‌هاي عصبي خودسازمانده و رقمي‌ساز بردار يادگير

در سيستم‌هاي مخابراتي نظامي تكنيك‌هاي پيشرفته‌اي براي شنود و پردازش سيگنال‌هاي بلادرنگ بكار مي‌رود كه براي تصميم‌گيري‌هاي مربوط به عمليات جنگ الكترونيك و ساير عمليات تاكتيكي حياتي‌اند. امروزه ضرورت سيستم‌هاي هوشمند با تكنيك‌هاي پردازش سيگنال مدرن، به‌خوبي احساس مي‌شود. وظيفه اصلي چنين سيستم‌هايي شناخت رادارهاي موجود در محيط عملياتي و طبقه‌بندي آن‌ها بر اساس آموخته‌هاي قبلي سيستم و انجام عمليات لازمه با سرعت‌بالا و بلادرنگ است بخصوص در مواردي كه سيگنال دريافت شده مربوط به يك تهديد آني مانند موشك است و بايد سيستم‌هاي جنگ الكترونيك در كوتاه‌ترين زمان ممكن پاسخ لازم را به‌عنوان هشداردهنده بدهند. هدف‌هايي كه به دنبال آن هستيم استفاده از نتايج اين تحقيق در كلاسه‌بندي اطلاعات استخراج‌شده توسط سيستم‌هاي شنود راداري است كه اين امر بعد از مراحل انتخاب سيگنال ورودي و انتخاب صحيح الگوريتم‌هاي دسته‌بندي، محقق مي‌شود و ديگري افزايش سرعت با استفاده از روش رقمي‌ساز بردار يادگير است در اين مقاله با استفاده از ﺷﺒﮑﻪ‌هاي ﻋﺼﺒﯽ رقمي‌ساز بردار يادگير و خود سازمانده ﯾﮏ روش ﮐﺎرا ﺑﺮاي ﮐﻼسﺑﻨﺪي داده‌ها اراﺋـﻪ نموده‌ايم. در اﯾﻦ روش اﺑﺘﺪا از اﻟﮕﻮرﯾﺘﻢ شبكه عصبي خود سازمانده ﺑﺮاي ﯾﺎﻓﺘﻦ كدﻫﺎي موردنياز اﺳﺘﻔﺎده كرده و ﺳـﭙﺲ در ﻣﺮﺣﻠـﻪ ﺑﻌـﺪ از اﻟﮕـﻮرﯾﺘﻢ رقمي‌ساز بردار يادگير ﺑﺮاي ﮐﻼسﺑﻨﺪي دادهﻫﺎ استفاده‌شده است. ﻫﻤﭽﻨﯿﻦ در اﯾﻦ ﻣﻘﺎﻟﻪ ﺑﻪ ﺑﺮرﺳﯽ ﺗﺄﺛﯿﺮ ﻣﻌﯿﺎر ﻓﺎﺻﻠﻪ ﺑـﯿﻦ داده‌ها ﺧـﻮاﻫﯿﻢ ﭘﺮداﺧﺖ. ﻧﺘﺎﯾﺞ ﺑﺪﺳﺖ آﻣﺪه از اﺟﺮاي اﻟﮕﻮرﯾﺘﻢ ﭘﯿﺸـﻨﻬﺎدي ﺑـﺮ روي ديتاست‌هاي اﺳـﺘﺎﻧﺪارد جهاني فرماندهي و كنترل و ﻣﻘﺎﯾﺴـﻪ آن ﺑـﺎ ﺑﺮﺧـﯽ از روشﻫﺎي ﻣﺘﺪاول ﮐﻼسﺑﻨﺪي، پرداخته‌ايم كه نشان مي‌دهد تركيب اين اﻟﮕﻮرﯾﺘﻢ‌ها ﮐﺎراﯾﯽ بسيار بالايي داشته و مناسب ﺑﺮاي ﻣﺴﺌﻠﻪ ﮐﻼسﺑﻨﺪي است.