logo-ri

Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)

Please use this identifier to cite or link to this item: https://www.repositorio.mar.mil.br/handle/ripcmb/846895
Title: Estudo do uso de técnicas simples de inteligência artificial na classificação de sinais radar modulados
Authors: Benecase Junior, Antonio Carlos
metadata.dc.contributor.advisor: Dr. Rodrigo da Silva Moreira; Dr. Jorge Costa Pires Filho
Keywords: Classificação
Radar
Sinais
Modulação
Inteligência artificial
DGPM knowledge areas: Guerra eletrônica
Issue Date: 2023
Publisher: Centro de Instrução Almirante Alexandrino (CIAA)
Description: No cenário bélico moderno, a Capacidade de Guerra Eletrônica se torna cada vez mais vital para a manutenção da segurança nacional e para o alcance efetivo dos objetivos militares e geopolíticos de uma nação ao proporcionar uma vantagem estratégica e um poder de dissuasão decisivos. Diante disso, este trabalho norteia-se pela ideia de promover uma contribuição para o desenvolvimento das Medidas de Apoio à Guerra Eletrônica da Marinha do Brasil. Para atingir esse propósito, esta pesquisa analisa a eficiência de algoritmos classificadores de modulação intrapulso em sinais radar e intenciona servir como estágio inicial de um estudo mais aprofundado no assunto. Sendo assim, este trabalho abrange uma análise comparativa entre três classificadores que utilizam técnicas de Inteligência Artificial distintas (Redes Neurais de Elman, Redes Neurais Convolucionais e Máquinas de Vetores de Suporte). Outrossim, todos os três algoritmos visam performar classificações assertivas sobre os tipos dos sinais investigados, sejam eles modulados linearmente em frequência ou modulados em fase por meio de códigos Barker, polifásicos ou politemporais. Nesse contexto, a correta classificação da modulação dos sinais radar permite uma identificação precoce de emissores hostis, o que impulsiona uma maior eficiência e celeridade nas tomadas de decisão das autoridades e reação dos sistemas de combate. A classificação de sinais radar modulados, portanto, assume vital importância na detecção de ameaças e confere uma vantagem significativa no âmbito da Guerra Eletrônica para a nação.
Abstract: In the modern military scenario, Electronic Warfare Capability becomes increasingly vital for maintaining national security and effectively achieving a nation's military and geopolitical objectives by providing a decisive strategic advantage and dissuasion power. In light of this, this paper is guided by the idea of making a contribution to the development of Electronic Warfare Support Measures for the Brazilian Navy. To achieve this goal, this research analyzes the efficiency of intrapulse modulation classification algorithms in radar signals and aims to serve as an initial step for a more in-depth study on the subject. Thus, this study encompasses a comparative analysis of three classifiers employing different Artificial Intelligence techniques (Elman Neural Networks, Convolutional Neural Networks, and Support Vector Machines). Furthermore, all three algorithms aim to perform accurate classifications of the investigated signal types, whether they are linearly frequency modulated or phase modulated using Barker codes, polyphase codes, or polytime codes. In this context, the correct classification of radar signal modulation allows for early identification of hostile emitters, thereby enhancing efficiency and expediting decision- making by authorities and reaction of combat systems. Therefore, the classification of modulated radar signals assumes paramount importance in threat detection and provides a significant advantage in the realm of Electronic Warfare for the nation.
Access: Open access
URI: https://www.repositorio.mar.mil.br/handle/ripcmb/846895
Type: Bachelor thesis
Appears in Collections:Operações Navais: Coleção de Trabalhos de Conclusão de Curso

Files in This Item:
File Description SizeFormat 
TCC CApA_Antonio Benecase Jr.pdf19,02 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.