Máster Universitario en Dirección TIC para la Defensa (MÁSTER DIRETIC). Curso 2021-22

Permanent URI for this collection

http://calderon.cud.uvigo.es/handle/123456789/75
Trabajos realizados y presentados como final del Máster durante el curso 2021-22

Browse

Browsing Máster Universitario en Dirección TIC para la Defensa (MÁSTER DIRETIC). Curso 2021-22 by Subject "Guerra electrónica (EW), sistemas de radiogoniometría, Big Data, Machine Learning, detección de anomalías."

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Desarrollo de un sistema de exploración OFFLINE del espectro radioléctrico, basado en el análisis de datos goniométricos (resumen)
    (Centro Universitario de la Defensa en la Escuela Naval Militar, 2022-03-31) Rey Alameda, Javier; Núñez Ortuño (advisor), José María
    Actualmente, la exploración del espectro radioeléctrico con la finalidad de escuchar, interceptar y localizar emisiones radioeléctricas de interés, se realiza en base a receptores de banda ancha, los cuales de una manera ON-LINE presentan la actividad existente en tiempo real. Esto supone que, aquellas emisiones que no se traten en el preciso momento de su interceptación, se perderá su información, a no ser, que puedan ser tratadas a posteriori. Igualmente, no existe un sistema que posibilite el análisis del comportamiento en el tiempo de esas emisiones captadas. Por estos motivos y basado en la información goniométrica proporcionada por un sistema de guerra electrónica (EW), este trabajo pretende implantar las bases de un modelo de sistema que posibilite: - Almacenar la información goniométrica proporcionada por un sistema de EW, en un ancho de banda determinado, así como en un margen de tiempo. - Poder llevar a cabo un análisis de manera conjunta (tiempo y frecuencia de emisión) para convertir orígenes de datos goniométricos, sin relación entre si, en información coherente, interactiva y atractiva visualmente. - Mostrar la información goniométrica que se determine en un Sistema de Información Geográfica (GIS). - Posibilitar en el contexto radioeléctrico y en base al análisis de BIG DATA de captaciones radioeléctricas, la realización de MACHINE LEARNING para detección de anomalías.