نوع مقاله : مقاله پژوهشی

نویسندگان

• حمید محسنی ¹
• مهدی توکلی ²
• محمد فرهمند راد ³
• حمید بلوچستانی ⁴

¹ مدرس دانشگاه پدافند هوایی ارتش خاتم الانبیاء (ص)

² دکتری تخصصی فیزیک-فوتونیک، دانشکده مهندسی برق، دانشگاه پدافند هوایی خاتم الانبیاء(ص) ، تهران، ایران

³ محقق دانشکده مهندسی برق

⁴ کارشناسی ارشد، دانشکده مهندسی برق، دانشگاه کاشان، کاشان، ایران.

چکیده

با پیشرفت در فناوری رادار، آموزش اپراتورها برای تجزیه و تحلیل مؤثر و پاسخگویی به تهدیدات بالقوه بسیار مهم است. این تحقیق یک شبیهساز نمایشگر رادار PPI را ارائه می‌دهد که با استفاده از C# و پلتفرم WPF پیادهسازی شده است. این شبیه‌ساز یک شبکه عصبی را که توسط کتابخانه Encog پشتیبانی می‌شود، با نمایشگر رادار ادغام می‌کند تا مکان‌های حمله و مسیرهای آتی اهداف شبیه‌سازی شده را پیش‌بینی کند. شبکه عصبی پیاده‌سازی شده دارای یک معماری چهار لایه است که به اپراتورها اجازه می‌دهد تا پارامترهایی متعدد شبکه را متناسب با نیاز خود تنظیم کنند. این شبیه‌ساز با دارا بودن قابلیت امکان تغییر داده‌های آموزشی از طریق فایل‌های اکسل، تعامل با کاربر را افزایش داده و همچنین امکان افزودن یا حذف مکان‌های هدف نیز فراهم شده است. این امکان زمینه را برای سناریوهای واقعی‌تر فراهم می‌کند. شبیه‌ساز پیاده‌سازی شده به دانشجویان دانشگاه پدافند هوایی خاتم الانبیا (ص) این امکان را می‌دهد تا مهارت‌های خود را در تجزیه و تحلیل داده‌های راداری تقویت کنند و با یک محیط یادگیری جامع و پیشرفته نمایشگرهای نسل جدید رادار مجهز به فناوری شبکه عصبی آشنا شوند.

کلیدواژه‌ها

• آموزش
• پیش‌بینی
• شبکه عصبی
• شبیه‌ساز
• کتابخانه Encog

موضوعات

• IT و جنگ سایبری (رمزنگاری و امنیت داده، نفوذ و اختلال در شبکه ‌های اطلاعاتی، رادارها، مقابله با هکرها و...)

عنوان مقاله [English]

Predicting the future movement of hostile targets based on artificial neural network on the radar screen

نویسندگان [English]

• Mehdi Tavakoli ²
• Mohammad Farahmand Rad ³
• Hamid Balouchestani ⁴

² . Faculty of Electrical Engineering, Khatam Al-Anbia Air Defense University, Tehran, Iran

³ Researcher

⁴ Master's Degree, Electrical Engineering Faculty, Kashan University, Kashan, Iran.

چکیده [English]

As radar technology advances, training operators to effectively analyze and respond to potential threats is critical. This research presents a PPI radar display simulator implemented using C# and WPF platform. This simulator integrates a neural network powered by the Encog library with a radar display to predict attack locations and future trajectories of simulated targets. The implemented neural network has a four-layer architecture that allows operators to adjust multiple network parameters to suit their needs. With the ability to change training data through Excel files, this simulator has increased interaction with the user, and it is also possible to add or remove target locations. This allows for more realistic scenarios. The implemented simulator allows the operators of Khatam al-Anbia Air Defense University to strengthen their skills in radar data analysis and familiarize themselves with a comprehensive and advanced learning environment of new generation radar displays equipped with neural network technology.

کلیدواژه‌ها [English]

• Encog Library
• Neural Network
• Prediction
• Simulator
• Training