Kernkompetenzen

Kognitives Radar und Klassifizierung

Moderne Radarsysteme stellen intelligente Sensoren mit einer Vielzahl an Software-definierten Freiheitsgraden dar. Kognitive Radarsteuerungen ermöglichen somit eine optimale Adaption der Wellenform und anderer Parameter an die Umgebung. Maschinelle Lernverfahren und andere Methoden aus dem Bereich der Informatik und der künstlichen Intelligenz erlauben die Automatisierung kognitiver Fähigkeiten und Expertenwissen, die bisher dem menschlichen Operateur vorbehalten waren.

Das am FHR verfolgte Konzept des kognitiven Radars orientiert sich deshalb am "Drei-Ebenen-Modell" menschlicher Kognition:

Die unterste, fertigkeitsbasierte Verarbeitungsebene beschreibt die Ebene der kontinuierlichen Signalverarbeitung.  Sie beinhaltet adaptive Signalverarbeitungsverfahren und stellt eine Schätzung der Umgebung und des Übertragungskanals zur Verfügung. Diese kann genutzt werden um optimal an die Umgebung und Radaraufgabe angepasste Wellenformen aussenden. Technische Fortschritte wie AWGs, DSPs und FPGAs ermöglichen die experimentelle Überprüfung der Ansätze, die am FHR seit jeher von großer Bedeutung ist.

Die Ebene des regelbasierten Verhaltens setzt auf der Ebene der Signalverarbeitung und der durch Klassifizierung erkannten Radarszene auf. Die für das kognitive Radar typische Rückführung zwischen Empfangs- und Sendezweig erfolgt hierbei regelbasiert, d.h. unmittelbar und reaktiv. Die Kompetenz auf dem Gebiet der Klassifizierung ist in der Historie des Instituts entstanden im Kontext der Aufgabe, Flugzeuge, Fahrzeuge oder Schiffe ohne deren Mitwirkung anhand ihrer Radar-Signaturen in Klassen einzuteilen oder sogar den Typ zu identifizieren. Die dazu entwickelten Klassifizierungsverfahren basieren auf einem automatisierten Vergleich einer aktuell aufgenommenen Signatur mit den Signaturen aller infrage kommenden Objekte in einer Referenzdatenbank (»Nicht-kooperative Identifizierung «). Im Gegensatz zu bekannten Verfahren der Bildverarbeitung werden hier die speziellen Eigenschaften von Radar-Signaturen genutzt. Eine Übertragung auf Erkennungsprobleme bei zivilen Radarsystemen – zum Beispiel Unterscheidung von Fahrzeugen oder Fußgängern beim Automobilradar, aber auch zur Identifizierung von Fremdkörpern und anderen Objekten bei Material- und Personenscannern – liegt auf der Hand.

Die wissensbasierte Verarbeitungsebene stellt die höchste Abstraktionsstufe unter Berücksichtigung externer Daten und Schnittstellen  dar. Ein solches, auftrags- oder zielbasiertes Radarsystem verfügt über ein semantisches Szenenverständnis in Bezug auf die aktuellen Radaraufgabe und plant langfristige Radarmoden im Kontext des antizipierten Missionsverlaufs. Eine wichtige Rolle bei der Umsetzung einer solchen, voll-integrierten kognitiven Radarsteuerung spielen des Weiteren Systemengineering-Aspekte und Bedienkonzepte.