میثم بیات - عضو هیات علمی دانشگاه علوم و فنون هوایی شهید ستاری، دانشکده مهندسی برق
میلاد مرادی - دانشکده مهندسی برق - دانشگاه علوم و فنون هوایی شهید ستاری- تهران - ایران
جلیل مظلوم - دانشکده مهندسی برق دانشگاه هوایی شهید ستاری

رادار روزنه مصنوعی یک رادار تصویر برداری است که قدرت تفکیک بالایی دارد. ممکن است تصویر رادار روزنه مصنوعی بر اثر تداخل فرکانس های رادیویی تخریب شود و تصویری نامفهومی ایجاد شود. تداخل در رادار روزنه مصنوعی به سه دسته ،  و    تقسیم می شود. این تداخل ها به ترتیب بیانگر تداخل نویز فرکانس رادیویی، تداخل باند باریک و تداخل پهن باند هستند. برای کاهش موثرتر تداخل در تصاویر رادار روزنه مصنوعی ابتدا باید وجود تداخل و نوع آن مشخص شود. سپس با استفاده از الگوریتم های کاهش تداخل متناسب با نوع تداخل به کاهش تداخل پرداخته می شود. در این مقاله به ارائه الگوریتمی به منظور تشخیص تداخل و نوع آن در تصاویر رادار روزنه مصنوعی پرداخته می­شود. در مقالات گذشته از روش SSD برای تشخیص تداخل استفاده شده است. در این مقاله برای تشخیص تداخل از روش Faster RCNN مبتنی بر شبکه عصبی کانولوشنی استفاده گردید که سرعت و دقت بالاتری نسبت به SSD دارد. در این روش ابتدا یک شبکه عصبی کانولوشنی با توانایی دسته بندی  چندتایی آموزش داده می­شود. سپس Faster RCNN با کمک شبکه عصبی ساخته شده و تعداد ۲۵ تصویر زمان- فرکانس از سیگنال رادار روزنه مصنوعی آموزش داده شد. شبکه آموزش دیده قادر است هر نوع تداخل در سیگنال رادار روزنه مصنوعی را با دقت ۹۹ درصد تشخیص دهد. سرانجام با استفاده از فیلتر تطبیقی حداقل میانگین مربعات نرمال شده کاهش تداخل انجام شد. بعد از شناسایی تداخل با استفاده از الگوریتم پیشنهادی، فیلتر حداقل میانگین مربعات نرمال شده توانست تداخل را کاهش و تصویر رادار را بهبود دهد. این فیلتر در کاهش هر سه نوع تداخل به طور یکسان عمل نمود.

رادار, تداخل فرکانس رادیوئی, رادار روزنه مصنوعی, شبکه عصبی کانولوشنی