Diseño de forma de onda de radar LPD adaptativo con aprendizaje profundo generativo

Proponemos un método novedoso, basado en el aprendizaje, para generar de manera adaptativa formas de onda de radar de baja probabilidad de detección (LPD) que se mezclan con su entorno operativo. Nuestras formas de onda están diseñadas para seguir una distribución que es indistinguible del fondo de frecuencia de radio (RF) ambiental, mientras que todavía son efectivas para la medición y detección. Para hacerlo, utilizamos un marco de aprendizaje adversarial no supervisado; nuestra red generadora produce formas de onda diseñadas para confundir una red crítica, que está optimizada para diferenciar las formas de onda generadas del fondo. Para asegurar que nuestras formas de onda generadas sigan siendo efectivas para la detección, introducimos y minimizamos una función de pérdida basada en función de ambigüedad en las formas de onda generadas. Evaluamos el rendimiento de nuestro método comparando la detectabilidad de pulso único de nuestras formas de onda generadas con formas de onda LPD tradicionales utilizando una red neuronal de detección entrenada por separado. Descubrimos que nuestro método puede generar formas de onda LPD que reducen la detectabilidad en hasta un 90% mientras que simultáneamente ofrecen características de función de ambigüedad (detección) mejoradas. Nuestro marco también proporciona un mecanismo para equilibrar la detectabilidad y el rendimiento de detección.