Doppler radar data processing and classification
Doppler radar veri işleme ve sınıflandırma
- Tez No: 224028
- Danışmanlar: PROF. DR. UĞUR HALICI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Doppler radarları, Temel Bileşenler Analizi, Lineer Diskriminant Analizi, Negatif Olmayan Matris Ayrıştırma, Bağımsız Bileşenler Analizi, K-Nearest Neighbor (KNN), Support Vector Machine (SVM), Doppler radars, Principal Component Analysis (PCA), Linear Discriminant Analysis (LDA), Non-negative Matrix Factorization (NMF), Independent Component Analysis (ICA), K-Nearest Neighbor (KNN), Support Vector Machine (SVM)
- Yıl: 2008
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
- Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, doppler radar hedeflerinin otomatik olarak tanınma performansının artırılması üzerine çalışmalar yapılmıştır. Gerçek Doppler radar sinyallerinin bir doktora tezi kapsamında Erdogan (2002) ön işleme ve normalizasyondan geçirilmesi sonucu elde edilen çıktılar bu tezin girdilerini (HTÖ vektörleri: Hedef Tanıma Örüntüsü vektörleri) oluşturmaktadır. HTÖ vektörleri hedeflere ait doppler ses sinyallerinin hedef hızı, hedefe bakış açısı, hedef menzili gibi etkilerden arındırılmaya çalışılmış ve homojenize edilmiş halleridir. Bazı hedef sınıflarının HTÖ vektörlerinde zamanda tekrarlamalar bulunmaktadır. Bu tekrarlamaların kullanımı ile hedef tipi tanıma performansının artırılması üzerine çalışılmıştır. KNN (K-Nearest Neighbor) ve SVM (Support Vector Machine) sınıflandırma yöntemleri doppler radar verileri hedef tanıma için kullanılmış ve sonuçlar incelenmiştir. Sınıflandırma öncesinde Temel Bileşenler Analizi (TBA), Lineer Diskriminant Analizi (LDA), Bağımsız Bileşenler Analizi (BBA), Negatif Olmayan Matris Ayrıştırma (NOMA) yöntemleri kullanılmış, öz nitelik çıkarımı ve boyut düşürümü için normalize edilmiş doppler radarı sinyallerine uygulanmıştır. Bu yöntemler doppler radar sinyallerinin normalize edilmiş halleri olan girdi vektörlerini başka bir boyuta dönüştürmektedir. Tüm bu yöntemlerin ve hedef sinyallerindeki tekrarlamaların kullanımının sınıflandırma başarımı üzerine etkileri incelenmiştir. Bu çalışmada kullanılan radar doppler tabanlı bir kara gözetleme radarıdır. Hedef tipleri ise araba, kamyon, otobüs, tank, helikopter, yürüyen adam ve koşan adamdır.
Özet (Çeviri)
In this thesis, improving the performance of the automatic recognition of the Doppler radar targets is studied. The radar used in this study is a ground-surveillance doppler radar. Target types are car, truck, bus, tank, helicopter, moving man and running man. The input of this thesis is the output of the real doppler radar signals which are normalized and preprocessed (TRP vectors: Target Recognition Pattern vectors) in the doctorate thesis by Erdogan (2002). TRP vectors are normalized and homogenized doppler radar target signals with respect to target speed, target aspect angle and target range. Some target classes have repetitions in time in their TRPs. By the use of these repetitions, improvement of the target type classification performance is studied. K-Nearest Neighbor (KNN) and Support Vector Machine (SVM) algorithms are used for doppler radar target classification and the results are evaluated. Before classification PCA (Principal Component Analysis), LDA (Linear Discriminant Analysis), NMF (Nonnegative Matrix Factorization) and ICA (Independent Component Analysis) are implemented and applied to normalized doppler radar signals for feature extraction and dimension reduction in an efficient way. These techniques transform the input vectors, which are the normalized doppler radar signals, to another space. The effects of the implementation of these feature extraction algoritms and the use of the repetitions in doppler radar target signals on the doppler radar target classification performance are studied.
Benzer Tezler
- Object classification on noise reduced and data augmented micro-doppler radar spectrograms
Gürültüsü azaltılmış ve veri seti arttırılmış micro-doppler radar spektrogramları ile nesne sınıflandırılması
ALPEREN ERDOĞAN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELDA GÜNEY
- Classification of human motion using radar micro-doppler signatures with hidden markov models
İnsan hareketlerinin radar mikro-doppler imzaları ve gizli markov modelleri ile sınıflandırılması
MEHMET ONUR PADAR
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÇAĞATAY CANDAN
- Gürültülü durumlar için radar mikro-doppler sınıflandırma başarımının iyileştirilmesi
Enhancement of radar micro-doppler classification performance in noisy conditions
CESUR KARABACAK
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik MühendisliğiTobb Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEVGİ ZÜBEYDE GÜRBÜZ
- Analysis of signal processing algorithms for detection of human vital signs using uwb radar
Hayati bulguların geniş bantlı radar sistemleri ile tespitinde kullanılan sinyal işleme algoritmalarının analizi
CANSU EREN
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. MESUT KARTAL
PROF. DR. SAEİD KARAMZADEH
- Human activity classification with deep learning using FMCW radar
FMCW radar datası kullanılarak derin öğrenme ile insan etkinliği sınıflandırılması
MERT EGE
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER MORGÜL