Identificación automática de emisores radar en base al espectro de la señal

Abstract

El presente Trabajo Fin de Grado aborda la identificación de emisores radar mediante el uso de técnicas de inteligencia artificial, concretamente redes neuronales convolucionales (CNN). En la guerra electrónica actual, donde los radares modernos presentan características que dificultan su detección, los métodos tradicionales basados en correlación resultan insuficientes. Por ello, se propone un enfoque basado en el análisis de representaciones tiempo-frecuencia de las señales. La metodología incluye la generación de una base de datos sintética de 64.000 imágenes de espectrogramas radar con distintas modulaciones (LFM, NLFM, Barker, Frank, Costas, P4, DPSK y SFH), empleando el software Matlab, para entrenar y optimizar distintas arquitecturas de CNN. Se emplean tres tipos de espectrograma: STFT, distribución de Choi-Williams y STFT reasignado. Los resultados obtenidos muestran que las CNN son capaces de identificar patrones radar complejos, alcanzando altas tasas de precisión incluso en condiciones de bajo nivel señal-ruido. En conclusión, el uso de Deep Learning constituye una alternativa viable y prometedora para mejorar la identificación automática de emisores radar, con potencial aplicación en sistemas de guerra electrónica.