تشخیص اهداف راداری با استفاده از شبکه عصبی عمیق GMDH

رادار وسیله الکترومغناطیسی است که برای تشخیص و تعیین موقعیت هدف ها به کار می رود. اساسی ترین وظیفه رادار استخراج اطلاعات در مورد هدف، به وسیله اندازه گیری مشخصات میدان الکترومغناطیسی امواج بازگشتی از هدف است. محیط راداری هر کشور جزو محدوده های امنیتی و راهبردی هر کشور می باشد. حفظ امنیت این محیط و شناسایی اهداف موجود در آن می تواند یکی از الزامات مهم محسوب گردد. در تشخیص اهداف راداری چالش ها و مشکلاتی همچون عدم دقت، صحت تشخیص و خطای بالا مطرح می باشد. روش های مختلفی تاکنون از جمله روش های مبتنی بر فرکانس های تشدید طبیعی هدف، پلاریزاسیون سیگنال بازگشتی، روش های یادگیری ماشین و غیره به منظور تشخیص اهداف راداری مطرح شده است. با وجود کاربردهای فراوانی که این روش ها داشته اند، اما هنوز نتوانسته اند چالش های موجود در رادار را برطرف نمایند. از این رو، در این مقاله با به کارگیری الگوریتم یادگیری عمیق GMDH اقدام به تشخیص اهداف راداری نموده ایم. با شبیه سازی روش پیشنهادی و مقایسه آن با سایر روش هایی همچون (RIN, SAE, SCAE, SDAE, CNN, LSVM, K-SVD)، به طور میانگین 5 درصد بهبود حاصل شده است.