Datadriven Oövervakad Lägesbildning
- Diarienummer
- ID23-0027
- Projektledare
- Chatterjee, Saikat
- Start- och slutdatum
- 240101-281231
- Beviljat belopp
- 2 500 000 kr
- Förvaltande organisation
- KTH - Royal Institute of Technology
- Forskningsområde
- Informations-, kommunikations- och systemteknik
Summary
Inom lägesbildning är det viktigt att separera (urskilja) elektromagnetiska sändare (t.ex. radar och telekommunikations stationer), särskilt fientliga sändare från allierade och neutrala sändare. Målet med detta projekt är att designa förståeliga metoder för källseparering med datadriven oövervakad inlärning. Vidare ämnar vi hitta teoretiska prestanda begränsningar under rimliga antaganden. I detta projekt undersöker vi utmanande scenarion inom lägesbildning där vi saknar a-priori information om de fientliga sändarna, förutom kunskapen om att få sändare är aktiva vid en given tidpunkt. Vi har varken bra modeller av fientliga sändare, eller känner deras parametrar. För att klara av denna utmaning kommer traditionella metoder för glesa problem och signalbehandling kombineras med moderna datadrivna djupa neurala nätverk (DNN). Specifikt kommer oövervakade metoder utvecklas under antagandet om viss data redundans tillsammans med restriktionen om gleshet. Efteråt vill vi skapa en modellbaserad förståelse för fientliga sändare genom semiövervakad inlärning. För att göra det tar vi först fram en ofullständig modell som är enkel att förstå. Sedan förbättrar vi modellen iterativt med hjälp av data för att närma oss fullständighet. Sist kommer prestandagränser studeras på simulerad data och teoretiska gränser beräknas för någon tidsserie med beräkningsbara egenskaper.
Populärvetenskaplig beskrivning
För lägesbildning inom telekrig finns behov av att särskilja inmätta signaler baserat på vilken sändare (framförallt radar) som skickade den. Av särskild vikt är att särskilja fientliga sändare från neutrala och allierade sändare. Detta projekt går ut på att särskilja signalerna med hjälp av datadrivna metoder. Vidare ämnar projektet att dessa metoder ska vara förklarliga och möjliga för människan att förstå, då man ofta vill ha en människa som fattar sista beslutet i känsliga sammanhang som telekrig. Specifikt tar sig projektet an problemet där de fientliga sändarna är okända i förväg, alltså när det inte finns någon tidigare kunskap eller data om dem. Vi har varken bra modeller av de fientliga sändarna eller känner till deras parametrar. Målet är att hitta de okända fientliga sändarna i nyligen insamlad data. Ifall vi skulle ha tidigare data på de fientliga sändarna med facit kan man lösa problemet med typiska datadrivna metoder. Det är dock inte praktiskt möjligt att samla in data med facit på grund av hur svårt det är att skapa facit och hemligheten av fientliga sändare. Till vår hjälp för att ta fram metoder som inte kräver facit har vi domänkunskap om sändare. Vi kan anta att bara ett fåtal sändare är aktiva samtidigt (av många möjliga), eftersom sändare typiskt inte är aktiv hela tiden. För att lyckas med detta ämnar projektet att kombinera traditionella signalbehandlingsmetoder för källseparering med moderna datadrivna metoder. Med hjälp av domänkunskap och de traditionella metoderna ämnar vi ta fram metoder som inte kräver facit trots begränsad tillgång till den relevanta datan (av fientliga sändarna).