Geri Dön

Doppler radar data processing and classification

Doppler radar veri işleme ve sınıflandırma

  1. Tez No: 224028
  2. Yazar: ALPER AYGAR
  3. Danışmanlar: PROF. DR. UĞUR HALICI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. 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)
  7. Yıl: 2008
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
  12. Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  13. Sayfa Sayısı: 124

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

  1. Meteoroloji radar verilerinden optimal hava durumu tespiti için öznitelik seçimi ve yeni yöntemlerin geliştirilmesi

    Feature selecti̇on for opti̇mal weather detecti̇on from meteorologi̇cal radar data and development of new methods

    EREN HAMURCU

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İMAM ŞAMİL YETİK

  2. Improved helicopter classification via deep learning and overlapped range-doppler maps

    Derin öğrenme ve örtüşen menzil-doppler görüntüleri ile geliştirilmiş helikopter sınıflandırması

    DENİZ CAN ACER

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. IŞIN ERER

  3. Çevresel ve operasyonel koşullara uyarlı mikro doppler veri işleme

    Adaptive micro doppler data processing for environmental and operational conditions

    BARIŞ EROL

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SEVGİ ZÜBEYDE GÜRBÜZ

  4. Gürültülü durumlar için radar mikro-doppler sınıflandırma başarımının iyileştirilmesi

    Enhancement of radar micro-doppler classification performance in noisy conditions

    CESUR KARABACAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SEVGİ ZÜBEYDE GÜRBÜZ

  5. 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

    İngilizce

    2016

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÇAĞATAY CANDAN