Elektronische Unterstützungsmaßnahmen (EloUM) bezeichnet die militärische Aufklärung auf taktischer Ebene im elektromagnetischen Spektrum, zum Zwecke der Erfassung und Auswertung elektromagnetischer Ausstrahlungen, um ihren Ursprung zu lokalisieren, unmittelbare Bedrohung zu erkennen und abzuwehren, eigene Truppe zu schützen, sowie für die militärische Lage relevante Informationen zu erhalten. EloUM sind, neben elektronischen Gegen- und Schutzmaßnahmen, Teil des Elektronischen Kampfes (EK). Dieser wird mit der Fernmelde- und elektronischen Aufklärung (FmEloAufkl) zum Oberbegriff Elektronische Kampfführung (EloKa) zusammengefasst.
Seit der Schlacht bei Tannenberg im August 1914 werden mittels Funkerfassungs-empfängern elektromagnetische Ausstrahlungen erfasst, aufgezeichnet und dem EloKa-Offizier typischerweise als farbcodiertes Zeit-Frequenz-Diagramm (Spektrogramm oder Wasserfalldiagramm) präsentiert. So kann er die zeitliche Änderung der spektralen Zusammensetzung eines Signals anschaulich erkennen und mit viel Erfahrung den entsprechende Funkstandards zuordnen, denn die verschiedenen Multiplex- und Modulationsarten sind als charakteristische Muster erkennbar. Da seit 1914 die Anzahl der Funkdienste exponentiell gewachsen ist und die meisten Frequenzbänder fast ständig belegt sind, wurde es erforderlich die Analyse der Funküberwachung zu automatisieren.
Der publizierte Stand der Technik ist, dass moderne Signalanalysesystem Methoden künstlicher Intelligenz einsetzen, beispielsweise Deep-Learning-Frameworks. Als Trainingsdaten werden numerisch generierten Funksignale eingesetzt, welche reale Funkstörungen aber nicht ausreichend abbilden, wodurch die Detektionskonfidenz durch den Analysealgorithmus für den realen Einsatz unzureichend sein könnte. Im vorliegenden Projekt soll, eine vielfältigere und realistischere Verzerrung, einschließlich Echo, Dopplereffekt, usw. dargestellt werden.
Ziel des Projektes ist die Erstellung einer Vorstudie zur Implementierung eines C4ISR-Spektrums-Klassifizierungsystem basierend auf Machine Learning Algorithmen. Dieses "Signal Detection System" (SiDeS) soll an einem bestimmten örtlichen Punkt das Funkspektrum empfangene Funksignale in einem großen Frequenzbereich detektieren, klassifizieren und identifizieren können, um so die kontextbezogene Analyse und Entscheidungsfindung des taktischen Kommandanten zu erleichtern.
