طبقه‌بندی پیشرفته اهداف هوایی با بهره‌گیری از شبکه‌های بیزین و یکپارچه‌سازی چندویژگی

Abstract

شناسایی و طبقه‌بندی دقیق اهداف هوایی یکی از چالش‌های اصلی در سیستم‌های راداری و دفاع هوایی پیشرفته است، به‌ویژه در شرایط غیرایستا و پر نویز که سیگنال‌های دریافت‌شده ممکن است دچار اختلال یا تداخل شوند. در این تحقیق، یک رویکرد هوشمند مبتنی بر شبکه‌های بیزین  (Bayesian Networks) برای طبقه‌بندی اهداف هوایی ارائه شده است که قادر است با ادغام شش ویژگی کلیدی شامل سرعت، ارتفاع، برد، سطح مقطع راداری (RCS)، سطح تداخل دریافتی و نزدیک‌ترین فاصله برخورد (CPA)، شناسایی دقیق و قابل اعتماد اهداف را فراهم کند. شبکه بیزین طراحی‌شده، با استفاده از جداول توزیع شرطی  (Conditional Probability Tables – CPT) برای هر ویژگی، احتمال تعلق هر هدف به یکی از کلاس‌های مختلف هواگردها را محاسبه می‌کند. این رویکرد، امکان استفاده از اطلاعات ناقص یا پراکنده را فراهم می‌سازد و با مدل‌سازی روابط علّی میان ویژگی‌ها و کلاس هدف، توانایی تصمیم‌گیری دقیق حتی در حضور نویز و اختلال را بهبود می‌بخشد. طراحی شبکه با توجه به ۱۳ کلاس مختلف هواگرد، شامل هلی‌کوپتر، هواپیمای تجاری، جنگنده‌ها، بمب‌افکن‌ها، موشک‌های کروز و بالستیک و پهپادها، انجام شده است و توزیع احتمال برای هر ویژگی با استفاده از داده‌های شبیه‌سازی‌شده و مقادیر واقعی تنظیم گردیده است تا احتمال خطا در طبقه‌بندی به حداقل برسد. نتایج شبیه‌سازی‌ها نشان می‌دهد که روش پیشنهادی، نسبت به رویکردهای سنتی مبتنی بر قواعد تصمیم‌گیری ساده، دارای دقت بالاتر، حساسیت بیشتر به تفاوت‌های جزئی بین کلاس‌های مشابه و کاهش نرخ آلارم‌های کاذب است. همچنین، این روش قابلیت ترکیب با داده‌های واقعی از سیستم‌های راداری و سنسورهای چندکاناله را دارا بوده و می‌تواند در سامانه‌های دفاع هوایی، کنترل ترافیک هوایی و سیستم‌های مانیتورینگ هوایی پیشرفته به کار گرفته شود. به طور خلاصه، این تحقیق نشان می‌دهد که استفاده از شبکه‌های بیزین برای طبقه‌بندی اهداف هوایی، با بهره‌گیری از تحلیل چندویژگی، امکان تصمیم‌گیری دقیق‌تر، انعطاف‌پذیری بالاتر در شرایط نامطمئن و بهبود عملکرد کلی سیستم‌های دفاع هوایی را فراهم می‌کند.