كه توسط این گونه تهدیدات حمل می شوند. ازآنجایی که رادار به عنوان یکی از مهم ترین حسگرها در این حوزه مورد استفاده قرار می گیرد، لذا شناسایی دقیق و سریع رادارهای موجود در یک منطقه عملیاتی از اهمیت ویژه ای برخوردار است.

برای شناسایی رادارها، واحد پردازش اطلاعات نقش مهمی را بر عهده دارد که یکی از بخش های مهم این واحد، کلاسه بندی رادارهای کشف شده می باشد. در این تحقیق از الگوریتم SVM برای این منظور استفاده شده است که با توجه به نتایج به دست آمده از شبیه سازی ها و مقایسه آن با چند روش دیگر، الگوریتم مذکور بهترین کارایی را دارد.

فصل اول: مقدمه

1-1- پیشگفتار

در دنیای امروزی، اطلاعات به عنوان یکی از فاکتورهای تولیدی مهم پدیدار شده است. درنتیجه تلاش برای استخراج اطلاعات از داده ها توجه بسیاری از افراد دخیل در صنعت اطلاعات را به خود جلب نموده است. پیشرفت های حاصله در علم اطلاع رسانی و فناوری اطلاعات، فنون و ابزارهای جدیدی را برای غلبه بر رشد مستمر و تنوع بانک های اطلاعاتی تأمین می کنند. این پیشرفت ها هم در بعد سخت افزاری و هم نرم افزاری حاصل شده اند.

داده کاوی یکی از پیشرفت های اخیر در راستای فن آوری های مدیریت داده هاست. داده کاوی مجموعه ای از فنون است که به شخص امکان می دهد تا ورای داده پردازی معمولی حرکت کند و به استخراج اطلاعاتی که در انبوه داده ها مخفی و یا پنهان است کمک می کند.

سیستم های پشتیبان الکترونیکی یا ESM، سیستم های منفعل هستند که تشعشع امواج تولیدی را از بسیاری از سیستم ها، دریافت و ویژگی های هر یک از پالس های دریافت شده را اندازه گیری می کنند و سپس پالس هایی که متعلق به ساتع کننده ای مشابه باشند را برای تعیین و استخراج پارامترها و ویژگی های رادار کشف شده دسته بندی می کنند و هدف آن جستجو، ره گیری، مکان یابی و تحلیل سیگنال های راداری در دیده بانی و مراقبت از منطقه نظامی می باشد ]5[ ]6[ ]9[ ]11[.

به طورکلی سیستم های شناسایی رادار دارای چهار جزء اصلی شامل آنتن، گیرنده، پردازشگر(شامل پردازش سیگنال و داده) و نمایشگر می باشد و عمل کلاسه بندی و تفکیک رادارها در قسمت نمایشگر این سیستم ها با مقایسه با آرشیو اطلاعات راداری انجام می شود]19[.

در یک محیط جنگ الکترونیک، رشته پالس های مربوط به رادارهای فعال در محیط با هم ادغام شده و توسط گیرنده های سیستم شنود راداری دریافت می شوند. این رشته پالس ها دارای ویژگی های متفاوتی هستند که آن ها را از هم مجزا می سازند. این ویژگی ها با توجه به نوع رادار و تهدیدها، متفاوت خواهد بود.

ویژگی های مربوط به هر رادار با چند پارامتر اصلی مشخص می شوند که این پارامترها شامل جهت، زمان دریافت پالس، فرکانس، عرض پالس و دامنه پالس است]14[ ]16[ ]17[ که با جمع آوری تعداد زیادی از این ركوردها و مؤلفه های مشخصه می توان یك مجموعه داده مرجع و كارآمد تشكیل داد كه برای شناسایی، پیش بینی، دسته بندی و برچسب گذاری رادارها از آن استفاده می شود.

1-2- اهداف پایان نامه

با توجه به گستردگی آماری داده ها و انواع رادارهای موجود، مسئله برچسب گذاری رادارهای استخراج شده، چالشی جدی است. در صورت اكتشاف پارامترهای عملیاتی یك رادار توسط سیستم های شنود راداری موجود در یك منطقه عملیاتی، می بایست بر اساس پایگاه داده موجود، نام و نوع آن رادار تشخیص داده شود تا بتوان عملیات مناسبی را جهت غیرفعال كردن آن رادار انجام داد. در حال حاضر برای انجام این کار از پردازش های قیاسی استفاده می شود تا رکوردی که بیشترین شباهت با رادار کشف شده توسط نرم افزار دارد مشخص گردد که برای انجام این کار از یكمدل ریاضیخیلی ساده انگارانه خطی استفاده می شود كه بر اساس آن توسط نیروی خبره، یک ضریب به هر پارامتر آن رادار اختصاص می یابد و با عملیات ریاضی خیلی ساده ای، راداری که بیشترین شباهت به رادار مکشوفه دارد استخراج می شود و بنابراین فرآیندی زمان بر و کم دقت است و همچنین به سطح تخصص و تجربه فرد خبره نیز بستگی دارد و علاوه بر آن رادارهای بسیار متنوع و متفاوتی وجود دارد که برای هرکدام از آن ها باید ضرایب متفاوتی را اعمال کرد.

همان طور كه مشخص است نیروی انسانی نقش عمده ای در فرآیند فوق الذکر دارد، هدف از انجام این پایان نامه كاهش نقش نیروی انسانی و خطاهایی است كه می تواند از این منبع سرچشمه بگیرد. بنابراین و با در نظر گرفتن صورت مسئله یادشده، استفاده از الگوریتم های کلاسه بندی[6] در داده کاوی[7] ابزار مناسبی جهت تشخیص، تبیین و استخراج اطلاعات مطلوب از مجموعه داده جمع آوری شده می باشد.

در سیستم های مخابراتی نظامی تکنیک های پیشرفته ای برای شنود و پردازش سیگنال های بلادرنگ بکار می رود که برای تصمیم گیری های مربوط به عملیات جنگ الکترونیک و سایر عملیات تاکتیکی حیاتی اند. امروزه ضرورت سیستم های هوشمند با تکنیک های پردازش سیگنال مدرن، به خوبی احساس می شود. وظیفه اصلی چنین سیستم هایی شناخت رادارهای موجود در محیط عملیاتی و طبقه بندی آن ها بر اساس آموخته های قبلی سیستم و انجام عملیات لازمه با سرعت بالا و بلادرنگ می باشد بخصوص در مواردی که سیگنال دریافت شده مربوط به یک تهدید آنی مانند موشک است و باید سیستم های جنگ الکترونیک در کوتاه ترین زمان ممکن پاسخ لازم را به عنوان هشداردهنده بدهند.

هدفی که به دنبال آن هستیم استفاده از نتایج این تحقیق در کلاسه بندی اطلاعات استخراج شده توسط سیستم های شنود راداری می باشد که این امر بعد از مرحله پیش پردازش سیگنال ورودی و انتخاب صحیح الگوریتم های دسته بندی، محقق می شود. عملیات پیش پردازش می تواند دربرگیرنده حذف نویز ، تخمین فرکانس حامل، توان سیگنال و نویز، همسان سازی و… می باشد که به دلیل وجود مباحث مخابراتی از بحث ما خارج می باشد. پس از پردازش و استخراج مشخصات سیگنال ورودی و ذخیره سازی در بانک اطلاعاتی سیستم نوبت به تشخیص نوع رادار کشف شده با تکیه بر اطلاعات موجود و آموزش قبلی سیستم است. در این راستا مطالعه روش های معتبر کلاسه بندی داده ها در یک قالب مشخص، و از میان آن ها انتخاب روش بهینه حائز اهمیت برای سیستم های شنود می باشد. ازآنجایی که آیتم زمان در چنین سیستم هایی بسیار مهم و حیاتی است بنابراین انتخاب روشی مؤثر، بهینه و سریع به منظور کلاسه بندی و هدایت روش های ECM برای این گونه تجهیزات نظامی دارای جایگاه خاصی می باشد.

1-3- مسائل و مشکلات مربوط به موضوع

در حال حاضر فرآیند جداسازی پالس های راداری معمولاً یک یا چند پارامتر مربوط به یک پالس(مانند شکل 1-1) را در نظر می گیرند. به طور مثال برای جداسازی پالس ها در گیرنده و نسبت‍دادن آن به راداری مشخص و معلوم، در حالات تک پارامتری، پارامتر زمان دریافت پالس مورد استفاده قرار می گیرد. در حالات دوم، پارامترهای دیگر نیز مورد استفاده قرار می گیرند. لذا با توجه به مطالب ذکرشده روش های جداسازی پالس ها به دو روش تک‍پارامتری و چند‍پارامتری تقسیم می شوند.]3[

اما در عملیات کلاسه بندی راداری ما مجبوریم تا چندین پارامتر از آن پالس کشف شده را مورد مقایسه و ارزیابی قرار دهیم برخلاف روش تک‍پارامتری که سرعت بالایی دارد روش دوم یا چند‍پارامتری پیچیدگی کار را بالابرده که در این صورت سرعت تحت الشعاع دقت سیستم قرار خواهد گرفت. علاوه بر این موضوع در هنگامی که تعداد پالس ها زیاد شود روند ارزیابی و تشخیص رادار از روی چندین پارامتر پیچیده می گردد.

البته می توانیم بر اساس روش تک‍پارامتری کلاسه بندی را انجام دهیم ولی در این صورت به علت وجود تعداد رادارهای زیاد در یک منطقه و پیشرفت روزافزون رادارها در ارسال الگوهای رفتاری متفاوت در یك یا چندین پارامتر خودشان در هرلحظه، دسته بندی های انجام شده بسیار متنوع و زیاد خواهند شد که باعث به وجود آمدن مشکلاتی در این زمینه می شود. علیرغم مسائل و مشکلات مربوط بهروش های تک‍پارامتری، این روش ها در محیط های ساده و نه چندان شلوغ و پیچیده نسبت به روش های چند پارامتری دارای سرعت بالاتری خواهند بود. در ادامه توضیح داده خواهد شد كه روش تک‍پارامتری جوابگوی تمام الگوهای رفتاری رادارها (مانند Stagger, Jitter) نخواهد بود.