@inproceedings{243456_1,

title = {Emprego da STFT e da CNN na Classifica\c{c}\~{a}o Autom\'{a}tica de Sinais Radar de Baixa Probabilidade 

de Intercepta\c{c}\~{a}o},

author = {Edgard B Alves and Jorge A Alves and Ronaldo R Goldschmidt},

url = {https://www.sige.ita.br/edicoes-anteriores/2024/st/243456_1.pdf?x11208},

issn = {1983-7402},

year  = {2024},

date = {2024-01-01},

booktitle = {Simp\'{o}sio de Aplica\c{c}\~{o}es Operacionais em \'{A}reas de Defesa 2024 (SIGE2024)},

abstract = {As atividades de Guerra Eletr\^{o}nica desempenham um papel essencial em um Teatro de Opera\c{c}\~{o}es. O surgimento de radares de Baixa Probabilidade de Intercepta\c{c}\~{a}o (LPI) tornou a eficacia das atividades de Medidas de Apoio \`{a} Guerra Eletr\^{o}nica (MAGE) dependente de sua capacidade em identificar as modula\c{c}\~{o}es intrapulso presentes nos sinais desses radares. ˜Portanto, tornou-se imprescind\'{i}vel o desenvolvimento de equipamentos MAGE modernos, dotados de algoritmos de Intelig\^{e}ncia Eletr\^{o}nica (ELINT), bem como de Classificadores Autom\'{a}ticos de Modula\c{c}\~{o}es Intrapulso (ATR_LPI) de sinais LPI. Dentre os principais ATR_LPI existentes na literatura, destacam-se aqueles baseados em t\'{e}cnicas de an\'{a}lise no dom\'{i}nio do tempo-frequ\^{e}ncia (TFA) combinados com Redes Neurais Convolucionais (CNN). Este trabalho propoe uma arquitetura de ATR_LPI baseada na Transformada de Fourier de Tempo Curto (STFT) combinada com a CNN SqueezeNet. A arquitetura proposta apresentou resultados que superam os dispon\'{i}veis na literatura, sugerindo sua adequa\c{c}\~{a}o para inclus\~{a}o nos futuros sistemas MAGE da ˜Marinha do Brasil (MB).},

keywords = {Medidas de Apoio \`{a} Guerra Eletr\^{o}nica (MAGE), Radar de Baixa Probabilidade de Intercepta\c{c}\~{a}o (LPI), Rede Neural Convolucional (CNN)},

pubstate = {published},

tppubtype = {inproceedings}

}