Bağlı bileşen etiketleme tabanlı öbekleme ile DTA ayrıştırımı

Öz

Askeri operasyonlarda kullanılan hava platformları tehdit radarları tespit etmek için radar ikaz alıcı sistemlerine sahiptir. Muharebe ortamında görev yapan bir uçak için radar sinyallerin tespit edilmesi, sınıflandırılması, radar yayın kaynaklarının kimliğinin ve kabiliyetinin belirlenmesi kritik hale gelir. Bu çalışmada, darbeli radar sinyalleri için sinyal ayrıştırma problemine yönelik bilgisayarlı görü tabanlı, bağlı bileşen etiketleme yöntemi ile yenilikçi bir çözüm önerilmektedir. Önerilen çözüm ile sinyallerin varış açısı, radyo frekansı, darbe genişliği parametreleri kullanılarak oluşturulan üç boyutlu görüntü matrisi üzerinde otomatik olarak öbekleme gerçekleştirilmektedir. Öbekleme ardından her bir kümede varış zamanı analizi ile darbe tekrarlama aralığı (DTA) ayrıştırma sağlanır. Bu çalışmada darbe üzerine darbe durumlarını içeren farklı sentetik radar veri setleri kullanılarak simülasyonlar gerçekleştirilmiştir. Simülasyonlar sonucunda DTA doğruluk analizleri yapılmıştır.

Anahtar Kelimeler

• Radar ikaz alıcısı
• Sinyal ayrıştırma
• Bağlı bileşen etiketleme
• Darbe tekrarlama aralığı

PRI deinterleaving with connected component labeling-based clustering

Öz

Air platforms use radar warning receiver systems to detect threat radars in military operations. It is critical for an aircraft operating in a hostile environment to detect and classify radar signals and determine radar emitters' identity and capability. This study proposes an innovative solution to the signal separation problem for pulse radar signals by the computer vision-based connected component labeling method. With the proposed solution, clustering is performed automatically on the three-dimensional image matrix created by using the parameters of the arrival angle, radio frequency, pulse width of the signals. After clustering, the pulse repetition interval (PRI) deinterleaving is provided by the time of arrival analysis in each cluster. Also, various simulations were carried out using different synthetic radar datasets containing pulse-on-pulse states. In the simulations, PRI accuracy analyzes were performed.

Anahtar Kelimeler

• Radar warning receiver
• Signal deinterleaving
• Connected component labeling
• Pulse repetition interval

Kaynakça

1. [1] Robertson S. Practical ESM Analysis. 1st ed. Boston, USA, Artech House, 2019.
2. [2] Pakfiliz A. Elektronik Harp. 1. Baskı. Ankara, Türkiye, Palme Yayınevi, 2021.
3. [3] O’Neill S. Electronic Warfare and Radar System Engineering Handbook. 4th ed. California, USA, Naval Air Warfare Center Weapons Division, 2013.
4. [4] Aslan K. Emitter Identification Techniques in Electronic Warfare. MSc Thesis, Middle East Technical University, Ankara, Turkey, 2006.
5. [5] Davies CL, Hollands P. “Automatic processing for ESM”. IEEE Proceedings-Part F (Communications, Radar and Signal Processing), 129(3), 164-171, 1982.
6. [6] Wilkinson DR, Watson AW. “Use of metric techniques in ESM data processing”. IEEE Proceedings-Part F(Communications, Radar and Signal Processing), 132(4), 229-232, 1985.
7. [7] Mardia HK. “New Techniques for the deinterleaving of repetitive sequences”. IEEE Proceedings-Part F (Communications, Radar and Signal Processing), 136(4), 149-154, 1989.
8. [8] Anderson JA, Gately MT, Penz PA, Collins DR. “Radar signal categorization using a neural network”. IEEE Proceedings, 78(10), 1646–1657, 1990.

9. [9] Milojevic DJ, Popovic BM. “Improved Algorithm for the deinterleaving of Radar Pulses”. IEEE Proceedings (Radar and Signal Processing), 139(1), 98-104, 1992.
10. [10] Nishiguchi K, Kobayashi M. “Improved algorithm for estimating pulse repetition intervals”. IEEE Transactions on Aerospace Electronics Systems, 36(2), 407–421, 2000.
11. [11] Mao Y, Han J, Guo G. ”An improved algorithm of PRI transform”. WRI Global Congress on Intelligent Systems, Xiamen, China, 19-21 May 2009.
12. [12] Ying F, Xing W. “Radar signal recognition based on modified semisupervised SVM algorithm”. IEEE 2nd Advanced Information Technology, Electronic and Automation Control Conference (IAEAC), Chongqing, China, 25-26 March 2017.
13. [13] Mu H, Gu J, Zhao Y. “A Deinterleaving Method for Mixed Pulse Signals in Complex Electromagnetic Environment”. International Conference on Control, Automation and Information Sciences (ICCAIS), Chengdu, China, 23-26 October 2019.
14. [14] Ahmed MGS, Tang B. “Sorting radar signal from symmetry clustering perspective”. Journal of Systems Engineering and Electronics, 28(4), 690-696, 2017.
15. [15] Ata'a AW, Abdullah SN. “Deinterleaving of radar signals and PRF identification algorithms”, IET Radar Sonar & Navigation, 1(5), 340-347, 2007.
16. [16] Gencol K, Kara A, At N. “Improvements on deinterleaving of radar pulses in dynamically varying signal environments”. Digital Signal Processing, 69, 86-93, 2017.
17. [17] He L, Ren X, Gao Q, Zhao X, Yao B, Chao Y. “ The connectedcomponent labeling problem: A review of state-of-the-art algorithms”. Pattern Recognition, 70, 25-43, 2017.
18. [18] Maimon O, Rokach L. "Clustering methods". Editors: Maimon O, Rokach L. Data Mining and Knowledge Discovery Handbook, 321-352, Tel Aviv, Israel, Springer, 2005.