CLASSIFICAÇÃO DE SINAIS DE RADARES DE BAIXA PROBABILIDADE DE INTERCEPTAÇÃO NOS DOMÍNIOS DO TEMPO E DA FREQUÊNCIA EMPREGANDO REDES NEURAIS CONVOLUCIONAIS
Palavras-chave:
Rede Neural Convolucional, Radar de Baixa Probabilidade de Interceptação, Medidas de Apoio à Guerra Eletrônica, Inteligência ArtificialResumo
Guerra Eletrônica (GE) Radar tem assumido papel fundamental na defesa de países em todo mundo e requer o aperfeiçoamentoconstante das medidas de apoio à GE (MAGE).
Um dos principais aperfeiçoamentos dos equipamentos MAGE consiste na inclusão da capacidade de inteligência artificial (IA) ao classificador automático de sinais (ATR) de radares de baixa probabilidade de interceptação (LPI). Este trabalho propõe duas arquiteturas de ATR, baseadas em IA, para a classicação automática de sinais de radares LPI. As arquiteturas propostas foram baseadas na técnica de análise no tempo-frequência (TFA), denominada Distribuição Pseudo-Wigner-Ville Suavizada (SPWVD), e em duas redes neurais convolucionais (CNN): SqueezeNet e GoogLeNet. O ATR baseado na GoogLeNet apresentou 99,06% de precisão na classicação de 13 tipos de sinais LPI, superando o Estado da Arte de trabalhos relacionados. Os resultados obtidos evidenciam o potencial emprego dos ATR propostos em futuros equipamentos MAGE em desenvolvimento pela Marinha do Brasil, contribuindo para o fortalecimento da soberania nacional na área de GE radar.
