The Concept of ELINT DataBase based on ERD Modelling

• Autorzy: Dudczyk J.

Identyfikatory

DOI

10.15199/13.2018.2.8

Warianty tytułu

PL

Koncepcja Bazy Danych ELINT powstałej w oparciu o modelowanie ERD

• Języki publikacji: EN

Abstrakty

EN

This paper provides an overview of the Entity-Relationship Modelling (ERM), which is used to construct the Emitter DataBase (EDB) for current ELectronic INTelligence (ELINT) systems. The method described, delivers a data model of radar signal, called the Entity-Relationship Diagram (ERD). This model incorporates some of the important semantic information about the real radar signal and its platform, weapon system, location, antenna system, ect. A special diagrammatic technique is introduced as a tool for DataBase design, by using Barker’s notation. Also, semantic ambiguities in ERD for radar signal is analysed. The author pay special attention to the character and the meaning of the “radar signature” in DataBase, taking into consideration the difficulties that appear during the process of the parameter selection. Special ERD of radars, presented in this paper, can be used in real time or non-real time on any PC computer with portable HDD containing the signals collected earlier. Such approach is very convenient to operators’ training as it gives them an opportunity to meet rare radar signals and reduces the cost of Electronic Warfare (EW) exercises.

PL

Niniejszy artykuł przedstawia metodę Modelowania Związków Encji (MZE), która została wykorzystana do budowy Bazy Danych Emiterów (BDE) sygnałów radarowych, mającej zastosowanie we współczesnych systemach rozpoznania elektronicznego ELINT. Zaprezentowana metoda dostarcza model danych sygnału radarowego w postaci Diagramu Związków Encji (DZE). Model ten, zawiera ważne informacje semantyczne o rzeczywistym sygnale radarowym, jego platformie, systemie uzbrojenia, lokalizacji, systemie antenowym, itd. Baza Danych Emiterów została zaprojektowana przy użyciu sformalizowanego zapisu graficznego w notacji Barkera. Również w procesie projektowania zostały poddane analizie wieloznaczności semantyczne sygnału radarowego w aspekcie powstałego DZE. Autor pragnie zwrócić szczególną uwagę na charakter i znaczenie „metryki radaru” w bazie danych, biorąc pod uwagę trudności pojawiające się podczas procesu doboru parametrów opisujących ww. metrykę. Diagram Związków Encji sygnałów radarowych przedstawiony w niniejszym artykule, może być używany w czasie rzeczywistym na dowolnym sprzęcie komputerowy klasy PC z przenośnym dyskiem twardym zawierającym zarejestrowane wcześniej sygnały radarowe. Takie podejście jest bardzo wygodne dla analityków oraz operatorów systemów ELINT i umożliwia przetwarzanie rzadko spotykanych sygnałów radarowych przy jednoczesnej minimalizacji kosztów ćwiczeń w zakresie Walki Elektronicznej (WE).

Słowa kluczowe

EN

Emitter DataBase; ELINT System; Entity Relationship Diagram; Electronic Warfare

PL

baza danych emiterów; System ELINT; diagram związków encji; Walka Elektroniczna

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2018
• Tom: Vol. 59, nr 2
• Strony: 34--37
• Opis fizyczny: Bibliogr. 19 poz., rys.

Twórcy

autor

Dudczyk J.

• WB Electronics S.A., 129/133 Poznańska Street, 05-850 Ożarów Mazowiecki, Poland

Bibliografia

• [1] Wiley, R.G. 1985. Electronic intelligence: The interception of radar signals. Artech House, Inc., MA.
• [2] Zhang, C., H. Yang, W. Hu and W. Yu 2007. Ship formation recognition based on information fusion of spaceborne IMINT and ELINT. Proc. SPIE 6795, DOI: 10.1117/12.775016.
• [3] Teorey, J.T., S. Lightstone, T. Nadeau and H.V. Jagadish 2011. Database Modeling and Design: Logical Design. Morgan Kaufmann Publishers Inc., San Francisco, CA.
• [4] Chen, P. 1975. The entity-relationship model-toward a unified view of data. Journal ACM Transactions on Database Systems 1 (1), 9-36, DOI: 10.1145/320434.320440.
• [5] Teorey, J.T., D. Yang and J.P. Fry 1986. A logical design methodology for relational databases using the extended entity-relationship model. Journal ACM Computing Surveys 18 (2), 197- 222, DOI: 10.1145/7474.7475.
• [6] Dudczyk, J. 2001. Applying the Relational Modelling to Design ELINT System’s Database. Proc. of 4th International Electronic and Telecommunication Conference of Students and Young Scientific Workers SECON’2001, Warsaw, 14–15 November 2001, vol. 1, pp. 32–38.
• [7] Dudczyk, J., J. Matuszewski and M. Wnuk 2002. Applying the relational modelling and knowledge based techniques to the emitter database design. IEEE Proc. of MIKON 2002, 1, 172-175, DOI: 10.1109/MIKON.2002.1017828.
• [8] Kolahi, S., and L. Libkin 2010. An information-theoretic analysis of worst-case redundancy in database design. Journal ACM Transactions on Database Systems 35 (1), DOI. 10.1145/1670243.1670248.
• [9] Widom, J., and S. Ceri 1996. Active Database Systems: Triggers and Rules for Advanced Database Processing. Morgan Kaufmann Publishers Inc., San Francisco, CA.
• [10] Efrim, B.J. 2005. IS Practitioners Views on Core Concepts of Information Integrity. International Journal of Accounting Information Systems 6 (4), 260–279.
• [11] Zhang, Y., A. Rajimwale, A.C. Arpaci-Dusseau and R.H. Arpaci -Dusseau 2010. End-to-end Data Integrity for File Systems. Computer Sciences Department, Univ. of Wisconsin- -Madison, 1–14.
• [12] Dudczyk, J., and A. Kawalec 2015. Specific emitter identification based on graphical representation of the distribution of radar signal parameters. Bulletin of the Polish Academy of Sciences, Technical Sciences, Vol. 63, No. 2, pp. 391–396, DOI: 10.1515/ bpasts-2015-0044.
• [13] Dudczyk, J. 2016. Radar emission sources identification based on hierarchical agglomerative clustering for large data sets. Journal of Sensors, Hindawi Publishing Corporation, Vol. 2016, Article ID 1879327, 9 pages (http://dx.doi.org/10.1155/2016/1879327) ISSN: 1687-725X(Print).
• [14] Roe, J., S. Cussons and A. Felthman 1990. Knowledge-based Signal Processing for Radar ESM Systems. IEEE Proc. 137 (5), 293-301.
• [15] Barker, R. 1990. CASE Method: Entity Relationship Modelling. Addison-Wesley Professional, MA.
• [16] Batini, C., S. Ceri and S. Navathe 1992. Conceptual database design. Benjamin/Cummings Pub. Co.
• [17] Dudczyk, J. 2017. Fractal Analysis-Applications in Physics, Engineering and Technology. Chapter 6: Specific Emitter Identification Based on Fractal Features, pp. 115–135. InTech, Croatia, June 2017.
• [18] Dhillon, I.S., S. Mallela and R. Kumar 2003. A divisive information theoretic feature clustering algorithm for text classification. Journal of Machine Learning Research 3, 1265-1287, ISSN: 1532–4435.
• [19] Raś, Z.W., E. Wyrzykowska and H. Wasyluk 2007. Action Rules Discovery Based on Agglomerative Strategy. Int. Workshop Mining Complex Data, 196–208, DOI: 10.1007/978-3-540-68416-9_16.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).