Automatic radar antenna scan analysis in electronic warfare
Radar anten taramalarının otomatik analizi
- Tez No: 275043
- Danışmanlar: PROF. DR. BİLLUR BARSHAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Bu calışmada Elektronik Harp (EH) dünyasında el değmemiş bir problemolan ve çoğunlukla insan operatörler tarafından gerçekleştirilen anten taramaperiyodu kestirimi ve anten tarama tipinin otomatik tanınması için bir algoritmaönerilmektedir. Önerilen algoritma iki temel kısımdan oluşmaktadır: antentarama periyod kestirimi ve anten tarama tipi sınıflandırma. Algoritmanınilk kısmı sinyalin periyodunu zaman alanında kullanılan bir yöntemle kestirir.Periyod kestirildikten sonra, sinyal, periyoduna göre tekrar örneklenerek, boyutuönceden belirlenmiş, N elemanlı bir dizi haline getirilir. Bu işlem, çıkartılanözelliklerin güvenilir ve sadece anten tarama tipine bağlı özellikler olmasını sağlar,periyodun etkilerini ortadan kaldırır. Sinyalleri oluşturan etkiler de düşünülerekdört değişik öznitelik çıkartılmakta ve kullanılmaktadır. Çıkartılan bu özniteliklerkullanılarak Bayes, karar ağacı, yapay sinir ağları ve destek vektör makinalarısınıflandırıcıları eğitilir. İlk aşamada Anten Tarama örüntüsü Benzetim programıyazılarak üretilen sentetik veriler kullanılmıştır. Bu sınıflandırıcılar hata matrisleri,doğru sınıflandırma oranları, gürültüye karşı dayanıklılığı ve hesaplamakarmaşıklığı açısından karşılaştırılmaktadır. Her sınıflandırıcı için N parametresininve değişik gürültü seviyelerinin başarım üzerindeki etkisi incelenmiştir.Karar ağacı sınıflandırıcısı, yüksek doğru sınıflandırma oranı, gürültüye karşıdayanıklılığı ve hesaplama kolaylığı nedeniyle en uygun sınıflandırıcı olarak belirlenmiştir. Sonuçlar, yüksek sınıflandırma doğrulukları ile problemin çözüldüğünügöstermektedir. Algoritmayı geçerlemek için sentetik verilerin yanı sıra ASELSANA.Ş. tarafından sağlanan gerçek veriler de kullanılmıştır. Gerçek verilerinsonuçları, algoritmanın sahada kullanıma hazır olduğunu ve pratikteki sorunlarakarşı dayanıklı olduğunu göstermektedir.
Özet (Çeviri)
Estimation of the radar antenna scan period and recognition of the antenna scantype is usually performed by human operators in the Electronic Warfare (EW)world. In this thesis, we propose a robust algorithm to automatize these two criticalprocesses. The proposed algorithm consists of two main parts: antenna scanperiod estimation and antenna scan type classification. The first part of the algorithminvolves estimating the period of the signal using a time-domain approach.After this step, the signal is warped to a single vector with predetermined size(N) by resampling the data according to its period. This process ensures thatthe extracted features are reliable and are solely the result of the different scantypes, since the effect of the different periods in the signal is removed. Four differentfeatures are extracted from the signal vector with an understanding of thephenomena behind the received signals. These features are used to train naiveBayes classifiers, decision-tree classifiers, artificial neural networks, and supportvector machines. We have developed an Antenna Scan Pattern Simulator (ASPS)that simulates the position of the antenna beam with respect to time and generatessynthetic data. These classifiers are trained and tested with the syntheticdata and are compared by their confusion matrices, correct classification rates,robustness to noise, and computational complexity. The effect of the value of Nand different signal-to-noise ratios (SNRs) on correct classification performanceis investigated for each classifier. Decision-tree classifier is found to be the mostsuitable classifier because of its high classification rate, robustness to noise, andcomputational ease. Real data acquired by ASELSAN Inc. is also used to validatethe algorithm. The results of the real data indicate that the algorithm isready for deployment in the field and is capable of being robust against practicalcomplications.
Benzer Tezler
- Radar yayınlarının makine öğrenmesi algoritmaları tabanlı sınıflandırılması
Radar emitter classification based on machine learning alghorithms
KORHAN AYHAN
Yüksek Lisans
Türkçe
2025
Savunma ve Savunma TeknolojileriMilli Savunma ÜniversitesiAskeri Elektronik Sistemler Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF SÖNMEZ
DR. TAYLAN ÖZGÜR GÜLÜM
- Homojen olmayan bir yüzey altında gömülü nesneler için evrişimsel sinir ağı tabanlı hedef tespiti
Convolutional neural network based target detection for objects buried under a non-homogeneous surface
ALİ BATUHAN BAĞCACIER
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. ALİ YAPAR
- Benek gürültüsü gidermeye dayalı veri artırma ile derin ağlarda radar hedef sınıflandırma
Despeckling based data augmentation approach in deep learning based radar target classification
ŞAKİR HÜDAİ MERT CEYLAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Automatic tracking and identification systems in navigation
Navigasyon amaçlı kullanılan otomatik izleme ve tanıma sistemleri
YUSUF BARIŞ ÇABUK
Yüksek Lisans
İngilizce
1999
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ERCAN TOPUZ
- Performance optimization of monopulse tracking radar
Tek-darbe hedef izleme radarının performans açısından en-iyilenmesi
MEHMET ALPER ŞAHİN
Yüksek Lisans
İngilizce
2004
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KEMAL LEBLEBİCİOĞLU