Neuralnetz erkennt Radarschwärme trotz Störungen

Die präzise Erkennung von Radar­zielen bleibt trotz moderner Technik ein komplexes Problem, wenn Störgeräusche, Wellenformverzerrungen und die Nähe mehrerer Ziele ins Spiel kommen. Besonders dann, wenn mehrere Ziele so nah beieinander liegen, dass sie als ein einziges Ziel erscheinen oder sich gegenseitig die Erkennungs­schwellen verschieben, wird die Aufgabe noch schwieriger.

In der vorliegenden Studie wird ein neuartiges Verfahren vorgestellt, das auf teilweise komplexwertigen neuronalen Netzwerken basiert. Diese Netzwerke sind speziell dafür ausgelegt, Radar­range‑Profile zu verarbeiten und die Erkennung von Zielgruppen in verrauschten und verzerrten Echo­signalen zu optimieren.

Durch die Simulation von Datensätzen wurden die Ergebnisse des Netzwerks mit der klassischen Puls­kompression verglichen. Während die Puls­kompression einzelne Puls­längen nacheinander verarbeitet, nutzt das neuronale Netzwerk die gesamte empfangene Signaldatenmenge auf einmal, um ein vollständiges Erkennungsprofil zu erzeugen. Die Experimente zeigen, dass das Netzwerk besonders bei dichter Ziel­nähe und hoher Stör­belastung eine deutlich bessere Leistung erzielt.