NGHIÊN CỨU THUẬT TOÁN TỰ ĐỘNG NHẬN DẠNG TÍN HIỆU RA-ĐA  SỬ DỤNG PHÂN TÍCH WAVELET KẾT HỢP MẠNG ALEXNET

Vũ Xuân Tùng

doi:10.34238/tnu-jst.10808

NGHIÊN CỨU THUẬT TOÁN TỰ ĐỘNG NHẬN DẠNG TÍN HIỆU RA-ĐA SỬ DỤNG PHÂN TÍCH WAVELET KẾT HỢP MẠNG ALEXNET

Thông tin bài báo

Ngày nhận bài: 23/07/24 Ngày hoàn thiện: 30/09/24 Ngày đăng: 30/10/24

Các tác giả

Vũ Xuân Tùng , Viện Vũ khí - Tổng cục Công nghiệp Quốc phòng

Tóm tắt

Bài báo này đề xuất một cách tiếp cận khác để nhận dạng tín hiệu ra-đa sử dụng mạng AlexNet để nâng cao độ chính xác và rút ngắn thời gian huấn luyện phục vụ cho mục đích trinh sát điện tử. Thuật toán đề xuất gồm có 02 bước: bước 1 sử dụng để trích xuất đặc trưng tín hiệu bằng kỹ thuật phân tích Wavelet trên cả hai miền thời gian-tần số. Bước 2 sử dụng mạng AlexNet để nhận dạng các tín hiệu nói trên. Hiệu quả của thuật toán được đánh giá bằng các tín hiệu mô phỏng trên MATLAB. Ngoài ra, thuật toán đề xuất được đánh giá qua 2 trường hợp. Trường hợp 1 đánh giá ảnh hưởng của các hàm Wavelet: Morse, Cauchy and Bessel. Kết quả mô phỏng cho thấy, hàm Morse Wavelet cho độ chính xác cao nhất so với các hàm Cauchy và Bessel. Trường hợp 2 so sánh hiệu quả của thuật toán đề xuất với các mạng khác như: GoogleNet, ResNet và VGG-16. Kết quả mô phỏng cho thấy, thuật toán đề xuất cho độ chính xác nhận dạng cao nhất (85%) trong khi đó các phương pháp là <80%. Ngoài ra, thuật toán đề xuất cho thời gian huấn luyện giảm đi ½ so với các cấu trúc mạng đã được đề xuất, huấn luyện trong MATLAB.

Từ khóa

Tín hiệu ra-đa; Độ chính xác nhận dạng; Phân tích Wavelet; Trích xuất đặc trưng; Ma trận đánh giá

Toàn văn:

PDF

Tài liệu tham khảo

[1] P. Kim, MATLAB deep learning: with machine learning, neural networks and artificial intelligence, Springer, New York, USA, 2017.

[2] M. Paluszek and S. Thomas, MATLAB machine learning recipes: a problem-solution approach, Springer, New York, USA, 2019.

[3] T. J. O’Shea, T. Roy, and T. C. Clancy, "Over-the-Air Deep Learning Based Radio Signal Classification," IEEE Journal of Selected Topics in Signal Processing, vol. 12, no. 1, pp. 168-179, Feb. 2018, doi: 10.1109/JSTSP.2018.2797022

[4] W. Hao, Z. Chong, S. Li, and Z. Yamiao, “Research on Radar Signal Recognition Technology Based on Convolution Neural Network”, in Proceedings of the 4th International Conference on Advanced Information Science and System, New York, USA, November 2022, no. 39, pp. 1-6, doi: 10.1145/3573834.357451.

[5] S. Kiranyaz, T. Ince, O. Abdeljaber, O. Avci, and M. Gabbouj, "1-D Convolutional Neural Networks for Signal Processing Applications," ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Brighton, UK, 2019, pp. 8360-8364, doi: 10.1109/ICASSP.2019.8682194.

[6] V. Clerico, J. González-López, G. Agam, and J. Grajal, "LSTM Framework for Classification of Radar and Communications Signals," 2023 IEEE Radar Conference (RadarConf23), San Antonio, TX, USA, 2023, pp. 1-6, doi: 10.1109/RadarConf2351548.2023.10149618.

[7] W. Hua, S. Wang, W. Xie, Y. Guo, and X. Jin, "Dual-Channel Convolutional Neural Network for Polarimetric SAR Images Classification," IGARSS 2019 - 2019 IEEE International Geoscience and Remote Sensing Symposium, Yokohama, Japan, 2019, pp. 3201-3204, doi: 10.1109/IGARSS.2019.8899103.

[8] L. N. Trefethen, Spectral Methods in MATLAB, SIAM, Philadelphia, USA, 2011.

[9] Y. P. Grishin and K. Konopko, "A Classifying Algorithm for Radar Signals Using the Wigner-Ville Distribution and the RBF Probability Density Function Estimator," 2006 International Radar Symposium, Krakow, Poland, 2006, pp. 1-4, doi: 10.1109/IRS.2006.4338031.

[10] W. Marta and A. Kawalec, "Application of Continuous Wavelet Transform and Artificial Naural Network for Automatic Radar Signal Recognition," Sensors, 22, no. 19, p. 7434, 2022, doi: 10.3390/s22197434.

[11] A. Graham, Communications, Radar and Electronic Warfare, John Wiley and Sons, West Sussex, UK, 2011.

[12] V. M. Duong, J. Vesely, P. Hubacek, P. Janu, and X. L. Tran, “Detection and Parameter Estimation of Intra-pulse Modulated Radar Signals in Complex Interference Environment,” SN Applied Sciences,
vol. 5, no. 184, 2023, doi: 10.1007/s42452-023-05403-x.

[13] P. Hubacek, E. Hosko, and J. Vesely, Zaklady teorie passivnich systemu I, Brno, Czech Republic: University of Defence, 2007.

[14] J. M. Giron-Sierra, Digital signal processing with MATLAB examples, vol. 1, Springer, New York, USA, 2017.

[15] C. A. Harper, M. A. Thornton, and E. C. Larson, “Automatic Modulation Classification with Deep Neural Networks,” Electronics, vol. 12, no. 3962, 2023, doi: 10.3390/electronics12183962.

DOI: https://doi.org/10.34238/tnu-jst.10808

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ