Détection et classification des interférences basées sur l’apprentissage profond pour les systèmes radar LPI/LPD

Détection et classification des interférences basées sur l’apprentissage profond pour les systèmes radar LPI/LPD

H. Bouzabia, G. Kaddoum et T. N. Do, “Deep Learning-based Interference Detection and Classification for LPI/LPD Radar Systems,” MILCOM 2022 – 2022 IEEE Military Communications Conference (MILCOM), Rockville, MD, USA, 2022, pp. 655-660, doi : 10.1109/MILCOM55135.2022.10017589.

Abstract or Summary

Dans cet article, nous proposons un algorithme de détection et de classification des interférences (IDC) pour les communications radar à faible probabilité d’interception/détection (LPI/LPD). Cet article propose un algorithme IDC basé sur la détection d’anomalie (AD) et la classification multi-classe des signaux, en prenant en compte les systèmes radar LPI/LPD avec des formes d’ondes continues modulées en fréquence (FMCW). Tout d’abord, un modèle mathématique du signal reçu est construit, lorsque le signal radar réfléchi par une cible interfère avec un brouilleur gaussien et une forme d’onde FMCW illégitime dans la bande. Ensuite, le signal reçu est représenté dans les domaines du temps et de la fréquence à l’aide de la distribution temps-fréquence (TFD). Ensuite, l’IDC est formé en utilisant les représentations TFD et In-phase et Quadrature (I/Q) du signal reçu comme caractéristiques. L’algorithme IDC proposé permet de classer quatre types de signaux d’interférence distincts avec une précision supérieure à 97 %. En termes de taux de vrais positifs (TPR) et de taux de faux positifs (FPR), les résultats de la simulation démontrent que l’algorithme proposé est plus performant que les autres algorithmes existants.

Implications of the Research

Visuals

Supplementary Materials

Acknowledgements

Citations and References

Other Publications

Retour au haut Drag