اندازه‌گیری ارتفاع اهداف بر اساس معکوس‌سازی ویژگی‌ها توسط شبکه عصبی عمیق برای رادار vhf

یک روش جدید برای محاسبه جهت ورود سیگنال برای رادارهائی با فرکانس بسیار بالا (vhf) در شرایطی همچون چند مسیرگی، آغشته به نویز و ... استفاده از یادگیری عمیق است. روش‌های کلاسیک برای بازیابی جهت سیگنال دریافتی، استفاده از مدلهای چند مسیرگی برای سیگنال بوده که همگی دارای بازدهی ضعیفی می‌باشند. لذا به طور کلی اثر چند مسیرگی، دقت برآورد ارتفاع را کاهش می‌دهد. لذا، ویژگی‌های سیگنال چند مسیری برای بهبود دقت، در این مقاله مورد بهره‌برداری قرار گرفته و استفاده می‌شود. برای دستیابی به این امر از روش یادگیری‌عمیق، برای یادگیری مشخصات سیگنالهای مختلف که در ارتفاعات مختلف به رادار می‌رسند استفاده خواهد شد. روش کار بدین صورت است که ابتدا مشخصه‌های بدست آمده از سیگنال‌های دریافتی توسط شبکه مورد نظر که تلفیقی از هوش مصنوعی است آموزش داده می‌شود. در روش تست، مشخصه داده‌ها که توسط شبکه آموزش دیده استخراج شده و در فضای مشخصه قرار داده شده توسط سیگنالهای تست، تصویر می‌شود. این روش بعنوان روش معکوس کردن محاسبه‌ی جهت سیگنال ورودی به رادار نامیده خواهد شد. نتایج داده‌های شبیه‌سازی شده عملکرد مناسب، روش پیشنهادی را نشان می‌دهد. نتایج داده‌های واقعی نشان داده شده در این مقاله، نشان از عملیاتی بودن روش پیشنهادی، برای اهداف با ارتفاع کم تحت اثر چند مسیری را نشان می‌دهد. ترکیب روش یادگیری‌عمیق، با اندازه‌گیری ارتفاع یک هدف در ارتفاع پایین برای یک رادار vhf روشی قابل تامل و بهره‌برداری است.