پردازش سیگنال رادار برد بلند مبتنی بر یادگیری تقویتی تطبیقی برای تخمین موقعیت و پیش‌بینی مسیر اهداف بالستیک

Abstract

پردازش سیگنال در سامانه‌های رادار برد بلند به منظور ردیابی اهداف بالستیک، با چالش‌های قابل توجهی نظیر دینامیک غیرخطی حرکت اهداف، نویزهای غیرگوسی، و اختلالات الکترومغناطیسی شدید روبرو است. در این مقاله، چارچوبی تطبیقی و هوشمند مبتنی بر الگوریتم یادگیری تقویتی عمیق همراه با فیلتر کالمن غیرخطی برای تخمین موقعیت دقیق و پیش‌بینی مسیر اهداف بالستیک در محیط‌های غیرایستا ارائه شده است. این چارچوب با بهره‌گیری از مدل‌های دقیق دینامیکی غیرخطی اهداف، شامل معادلات حرکت با شرایط اولیه و پارامترهای متغیر، و نیز مدل‌های آماری پیچیده برای نویزهای محیطی و تداخل‌ها، قادر است ضمن سازگاری بلادرنگ با تغییرات دینامیکی، عملکرد بهینه در کاهش خطا و افزایش پایداری را تضمین نماید. شبیه‌سازی‌های جامع با استفاده از داده‌های پارامتریک واقعی سامانه‌های راداری، معیارهای کلیدی نظیر خطای مکان‌یابی، نسبت سیگنال به نویز خروجی، نرخ آلارم کاذب، و سرعت همگرایی الگوریتم را به صورت دقیق ارزیابی می‌کند. نتایج به دست آمده، بهبود قابل توجهی در دقت ردیابی و پیش‌بینی مسیر اهداف بالستیک نسبت به روش‌های سنتی مبتنی بر فیلتر کالمن استاندارد و سایر الگوریتم‌های یادگیری ماشینی را نشان می‌دهد. علاوه بر این، تحلیل پیچیدگی محاسباتی و ملاحظات پیاده‌سازی بلادرنگ این الگوریتم، امکان کاربرد عملی آن را در سامانه‌های دفاع هوایی مدرن فراهم می‌آورد. این مطالعه گامی بنیادی در توسعه سامانه‌های راداری هوشمند و مقاوم در برابر شرایط محیطی متغیر و دشوار محسوب می‌شود و چشم‌انداز جدیدی در حوزه پردازش سیگنال راداری برد بلند برای ردیابی اهداف بالستیک باز می‌کند.