Examensarbete: Klassificering av störning mot flygradar med maskininlärning

Lediga 02 oktober 2018

På Saab blickar vi ständigt framåt och utmanar gränserna för vad som är tekniskt möjligt. Vi samarbetar med kollegor runt om i världen som alla delar vår utmaning – att göra världen till en säkrare plats.

Slutdatum

30-nov-2018

Plats

Göteborg

Kontakt

Magnus Enger, rekryterande chef +46 31 7948425
Albert Nummelin, kontakt för ex-jobb +46 31 7949842
Maria Forsberg, HR +46 31 7948276
Ansök om jobb!

Vad du blir en del av

Affärsområde Surveillance erbjuder effektiva lösningar för övervakning och beslutsstöd, och system för att upptäcka och skydda mot olika typer av hot. Produktportföljen omfattar flygburna, landbaserade och marina radarsystem, system för signalspaning och självskydd, ledningssystem samt system för sjöfarts- och flygtrafikledning.

Affärsenheten Airborne Surveillance System ansvarar för flygburen radar och övervakningssystem och examensarbetet kommer bedrivas inom sektionen Concepts & Functions.

Vårt arbetsområde är avancerade systemstudier både rörande våra befintliga och framtida produkter samt systemdesign av gemensamma funktioner för våra radarsystem. Vi har en generellt sett hög teoretisk kompetens där all personal har en gedigen bakgrund och våra kontaktytor återfinns både inom och utom företaget.

Din framtida utmaning

Modern luftstrid utgörs till stor del av en duell mellan spanings- och eldledningsradar av pulsdopplertyp på ena sidan och elektroniska motmedelssystem på andra sidan, där de senare försöker försvåra radarinmätning eller ge falska måldata genom elektromagnetisk emission. Då ett annat radarsystem belyser den egna radarn på samma frekvens uppstår interferens som stör radarfunktionen i varierande utsträckning. Detta kan bli ett problem under större luftoperationer, då ett stort antal flygplan skall dela på tillgängligt frekvensutrymme. Vidare måste flygradarsystem i princip alltid detektera mål mot en bakgrund av starka markekon, kallad klotter, från olika riktningar och avstånd. 

Traditionellt tillämpar radarn modellbaserade processmetoder för att detektera, klassificera och undertrycka både avsiktlig störning och interferens. Eftersom utmaningen för radarns signalbehandling blir svårare i takt med att allt mer flexibla och adaptiva störare utvecklas vill vi undersöka alternativa lösningar.

Examensarbetet går ut på följande:

1: Undersök hur maskininlärning eller angränsande datavetenskapliga metoder kan användas för att klassificera och särskilja störning och interferens i ett flygradarsystem i närvaro av markklotter och mål.

2: Med hjälp av simuleringsprogram generera syntetiska dopplerspektra inklusive mål, klotter och störning för att skapa lämpligt dataset för träning.

3: Utvärdera prestanda för utvald metod på syntetiska respektive verkliga radardata och jämför mot tidigare modellbaserade processmetoder.

4: Presentera resultaten i rapport och presentation.

Den du är idag

Examensarbetet är lämpligt för en eller två studenter på mastersnivå med inriktning mot t ex teknisk matematik, fysik, datavetenskap, eller signalbehandling. God kunskap i MATLAB är en förutsättning.

Tjänsten innebär arbete som omfattas av försvarssekretess. Därför krävs att du genomför och godkänns i en säkerhetsprövning gjord av myndighet.

Välkommen med din ansökan!

Saab är ett globalt försvars- och säkerhetsföretag verksamt inom flyg-, land- och
marinförsvar, civil säkerhet och kommersiell flygteknik. Vi är 15 500 medarbetare och har verksamhet på alla kontinenter. Tekniskt är vi ledande inom många områden och en femtedel av våra intäkter går till forskning och utveckling.

Saab är också ett möjligheternas företag. Ett företag där vi ser mångfald som en tillgång och där du som medarbetare får stort ansvar och goda utvecklingsmöjligheter. Men också ett företag som respekterar varje människas behov av ett liv utanför arbetet.

Ansök om jobb!