Maskininlärning inom radarsignalspaning - en litteraturstudie

Nya typer av radarsignaler som är komplexa och snabbt varierande har ökat intresset för huruvida AI/maskininlärning kan utnyttjas för radarsignalspaning. Denna litteraturstudie syftar till att undersöka och kartlägga det nuvarande forskningsläget inom området. Drygt 50 publikationer, alla från 2016 och framåt, är genomgångna och kategoriserade enligt vilken signalspaningsfunktion de utnyttjar AI för. Publikationerna sammanfattas och faktorer som sammanställs är exempelvis vilka AI-metoder som används, hur respektive dataset är beskrivet, antalet signaler som är tillgängliga för träning/testning av AI-metoden och om studien baseras på verklig eller simulerad data. Mycket inom radarsignalspaning är dock sekretessbelagt och därmed inte öppet publicerat. Detta i kombination med att det kan skapas visst bias i vilka publikationer som hittas, beroende på sökord, sökverktyg et cetera, gör det omöjligt att skapa en heltäckande, representativ bild av forskningsläget. Alla resultat måste därför tolkas med hänsyn till detta. Forskningen inom området är väldigt varierande och undersöker hur AI kan användas till många olika typer av problem, med olika AI-algoritmer, och med olika vinkling på problemställningen. De dataset som används för träning är i de flesta fall simulerade och innehåller endast ett fåtal emittrar, vilket gör att resultaten inte nödvändigtvis är överförbara till verkliga scenarion. Detta kan tyda på att forskningen fortfarande är i sin linda och att det ännu inte är utrett hur och i vilka lägen AI bäst kan tillämpas. Generellt verkar dock forskarna vara överens om att AI-metoder har god potential för uppgifter inom radarsignalspaning, och med största sannolikhet kommer intresset inom området fortsätta öka. Graden av noggrannhet, val av AI-algoritm, med mera, är dock specifikt för den aktuella uppgiften och det är svårt att dra generella slutsatser.