عنوان مقاله :
مدلي براي تشخيص اهداف و دسته‌بندي پالس‌هاي سيستم رادار 6 آنتني با شبكه‌هاي عصبي بهينه‌سازي شده با الگوريتم ژنتيك
عنوان به زبان ديگر :
A Model for Detecting Targets and Classifying Pulses of 6-Antenna Radar Systems with Neural Networks Optimized by Genetic Algorithm
پديد آورندگان :
نصيرزاده، الناز دانشگاه صنعتي شريف، تهران، ايران , بيات، سياوش دانشگاه صنعتي شريف، تهران، ايران , قائم مقامي، شاهرخ دانشگاه صنعتي شريف، تهران، ايران
كليدواژه :
رادار , شبكه عصبي , الگوريتم ژنتيك , دسته‌بندي , خوشه‌بندي
چكيده فارسي :
در اين تحقيق مدلي براي تشخيص اهداف و دسته بندي پالس‌هاي دريافتي توسط سيستم رادار 6 آنتي با استفاده شبكه‌هاي عصبي مصنوعي بهينه سازي شده توسط الگوريتم ژنتيك ارائه شده است. مدل پيشنهادي از دو بخش كلي خوشه‌بندي و دسته‌بندي تشكيل شده است. در فرآيند خوشه‌بندي، پالس‌هاي مختلفي كه توسط هر يك از آنتن‌هاي رادار دريافت مي‌شوند به نحوي خوشه‌بندي مي‌گردند كه پالس‌هاي مربوط به هر هدف در خوشه مربوط به همان هدف قرار مي‌گيرند و در انتها نتايج حاصل از خوشه‌بندي با الگوريتم‌هاي مختلف، توسط شاخص دان مورد ارزيابي قرار گرفته‌اند. در فرآيند دسته‌بندي نيز به كمك شبكه عصبي به پيش‌بيني زاويه هدفي كه ويژگي‌هاي آن توسط آنتن‌ها دريافت شده، پرداخته شده است كه وزن‌ها و باياس‌هاي شبكه عصبي توسط الگوريتم ژنتيك بهينه سازي شده‌اند. براي تنظيم پارامترها نيز از روش تاگوچي استفاده شده است كه به كمك آن بهترين مقادير پارامترها انتخاب شده و شبكه عصبي با كمك اين مقادير آموزش داده شده است و در پي آن دقت پيش‌بيني زاويه پالس دريافتي تا 55%/98 افزايش پيدا كرده است.
چكيده لاتين :
In this research, a model for detecting targets and classifying the pulses received by the 6-antenna radar system using artificial neural networks optimized by genetic algorithm is presented. The proposed model consists of two main parts: clustering and classification. In the clustering process, the different pulses received by each of the radar antennas are clustered in such a way that the pulses of each target are placed in the cluster of the same target, and finally the results of clustering with different algorithms are evaluated by Dunn index. In the classification process, using the neural network, the target angle is predicted, the characteristics of which are received by the antennas, and the weights and biases of the neural network are optimized by a genetic algorithm. To adjust the parameters, Taguchi method has been used to select the best values of the parameters and the neural network has been trained with these values, and as a result, the accuracy of predicting the received pulse angle has increased to 98.55%.
عنوان نشريه :
مهندسي هوانوردي
