Maskinlæring og gruppeantenner i moderne radarsystemer

Denne rapporten presenterer enkelte resultater fra siste del av FFI-prosjektet Operativ radarytelse II (OPRA II), hvor den potensielle anvendelsen av maskinlæring og nevrale nettverk i moderne radarsystemer er blitt studert. Maskinlæringsbaserte teknikker er demonstrert på problemstillinger innen sparse rekonstruksjon og deteksjon av mål. Sparse rekonstruksjon er en teknikk som kan brukes på data som er samlet inn ved hjelp av en compressed sensing metodikk. De innsamlede dataene er derfor ikke punktprøvd regulært, men har gap. For å rekonstruere data må en ta i bruk sparse rekonstruksjonsteknikker som i hovedsak baserer seg på bruk av iterative numeriske metoder. I denne rapporten er det demonstrert hvordan en heller kan anvende et opptrent nevralt nettverk for dette formålet. Resultatene gjør det mulig å kjøre rekonstruksjonsteknikker effektivt ved hjelp av dedikerte grafikkort. Deteksjon av mål er en viktig egenskap for en radar. Svake mål, flere nærliggende mål og clutter gjør blant annet at det er krevende å opprettholde høy deteksjonsevne samtidig som falskalarmraten holdes lav. For å forbedre den generelle deteksjonsytelsen er det implementert detektorer ved hjelp av maskinlæringsteknikker. Resultatene viser at det er mulig å opprettholde god deteksjonsytelse, mens falskalarmraten kan reduseres betraktelig i forhold til konvensjonelle deteksjonsmetoder. I tilknytning til dette er array-prosessering en viktig del av moderne radarsystemer. Teorien bak mange av metodene som anvendes har vært kjent i lengre tid. Gruppeantenner med mange mottakskanaler gir bedre retningsinformasjon enn antenner med en enkelt kanal, og arrayprosessering utnytter denne informasjonen. Men det stiller store krav til antennens maskinvareløsninger og til regneressurser for signalprosesseringen. Rapporten oppsummerer resultater fra ulike simuleringer og testforsøk knyttet til adaptive array-prosesseringsmetoder for bakkebaserte radarer. Resultatene indikerer at array-prosessering fungerer godt for bakkebaserte radarer som opererer i komplekse signalmiljøer. Adaptiv stråleforming gir bedre retningsbestemmelse og deteksjonsevne enn konvensjonell stråleforming under testmålinger med gruppeantenner utsatt for interferens.