Bilişsel algılamaya doğru: çok görevli öğrenme ile radar fonksiyon sınıflandırma

Abstract

Elektronik Harp (EH) sistemleri için ortamda yayın yapan bir radarın tespiti ve ilgili radarın fonksiyonunun belirlenmesi, sistemin en önemli görevlerinden biridir. Bu çalışmada, EH sistemleri tarafından ölçülen radar parametreleri kullanılarak radarların Elektronik Karşı Tedbir (EKT) kullanım konseptine uygun olarak fonksiyonlarının belirlenmesi hedeflenmiştir. Çok Görevli Öğrenme ve Tek Görevli Öğrenme sinirağları probleme uyarlanmıştır. Sınıflandırıcı öncesinde aşırı örnekleme, aralık değerleri için nicemleme ve sınıf değerleri için gruplama ön işlemleri yapılmıştır. Çok Görevli Öğrenme tekniğinin performansının Tek Görevli Öğrenme tekniğininkinden daha iyi olduğu gözlenmiştir. Sınıflandırıcı öncesinde uygulanan aşırı örnekleme algoritmasının, ön işlemler neticesinde elde edilen verisetinin ve gruplandırılmış sınıfların bir veya daha fazlasının kullanımıyla her iki metodun performanslarının arttığı gözlenmiştir.

The detection of a radar emittting signal and determining the associated radar function are among the most important duties of electronic warfare (EW) systems. In this study, the classification of radar function in accordance with Electronic Countermeasure (ECM) usage concept is aimed by using the radar parameters measured by EW systems. Multitask learning and single task learning neural networks are applied to this problem. Oversampling prior to classifier, quantization for interval values and grouping of class values are done in the pre-processing step. It is shown by the experimental results that, multitask learning technique outperforms single task learning technique. It is clearly observed that utilizing one or more of (1) oversampling algorithm, (2) preprocessed data set and (3) the grouped classes increases the performance of both methods.