Compressive sensing for radar target detection
Radar hedef tespitinde sıkıştırılmış örnekleme
- Tez No: 338600
- Danışmanlar: DOÇ. DR. ALİ ÖZGÜR YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
Yeni bir çeşit örnekleme teorisi olan Sıkıştırılmış Örnekleme sıkıştırılabilir (seyrek) sinyallerin gerekli olduğu düşünülenden (Nyquist/Shannon örnekleme teorilerinde belirtilen) çok daha az sayıda örnek ile tekrar elde edilebileceğini öngörmektedir. Bu teorinin yeni görüntü sistemleri, kameralar, sensör ağları, örnekselden sayısala dönüştürücü dizaynı gibi birçok uygulama alanı bulunmaktadır. Ölçüm ve geri alma aşamaları için geliştirilmiş çeşitli algoritmalar mevcuttur. Teori, doğrusal ve uyarlanabilir olmayan ölçümlerden az sayıda, uygun şekilde tasarlanmış olanları kullanmaktadır. Geri alma işlemi ise doğrusal olmamakla birlikte, temel olarak ölçümlerle uyumlu olan en seyrek vektörü bulmayı amaçlamaktadır. Bu tezde, sıkıştırılmış algılama metodu kullanılarak bir radarın hedef sahnesinin yeniden oluşturulması ele alınmıştır. Hedef sahnesi, toplamda N sayıda hedef yeri olacak şekilde ayrıştırılmıştır. Hedef sayısının (K) N?ye göre çok az oldugu varsayılmıştır, bu durumda hedef sahnesi seyrek nüfusludur. Literatürdeki sonuçlar kullanılarak, ölçüm sayısı M için hedef sayısı K ve toplam veri sayısı N?ye bağlı teorik bir alt sınır belirtilmiştir. Sıkıştırılmış algılama ile radar hedef tespiti ve klasik radar hedef tespiti performans farkları incelenmiştir. Hatalı alarm olasılığı (FAR) sabit tutularak SNR değişimine karşılık hedef tespit olasılığının değişimi durumları ve Doppler?in sıkıştırılmış algılama ile radar hedef tespitine etkisi incelenmiştir. Ölçüm sayısı limitli olduğunda, öyle ki M N?den küçük, hedef tespit performansında SNR kaybı oluşmaktadır. Alınan SNR vericide daha fazla güç ya da alıcıda daha düşük gürültü seviyesi kullanılarak M/N oranında artırıldığında Sıkıştırılmış Algılama metodu klasik tespit metodu ile yaklaşık olarak aynı tespit sonuçlarını vermektedir.
Özet (Çeviri)
Compressive sampling, also known as compressive sensing and sparse recovery, is a new type of sampling theory, which predicts that sparse signals and images can be reconstructed from far less amount of data than what was traditionally considered necessary (i.e. Nyquist/Shannon sampling theory). The theory uses only a small amount of measurements which are linear, nonadaptive and suitably designed. The reconstruction process is nonlinear and simply depends on searching for the sparsest vector that is coherent with the measurements. In this thesis, compressive sensing (CS) is used to reconstruct the target scene of a radar. The target scene is discretized so that a total of N possible target locations exist. The number of targets K is assumed to be much less than N meaning that the target scene is sparsely populated. A theoretical lower bound on the number of measurements M depending on the sparsity K and the total number of data N is presented based on the results in the literature. The compressive sensing radar target detection and the classical radar detection performance difference is investigated. The change in probability of detection due to SNR variation under constant false alarm rate (FAR) and the effect of Doppler is analyzed. When the number of measurements is limited, i.e., less than N, there is an SNR loss in detection performance. The CS method roughly attains the performance of classical detection when received SNR is boosted by M/N either with higher power at the transmitter or lower noise figure at the receiver.
Benzer Tezler
- Target detection and imaging on passive bistatic radar systems
Pasif bistatik radar sistemleri üzerinde hedef tespiti ve görüntülenmesi
RASİM AKIN SEVİMLİ
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ENİS ÇETİN
- Deep image prior based high resolution isar imaging for missing data case
Eksik veri için derin görüntü önceli tabanlı yüksek çözünürlüklü tyar görüntüleme
NECMETTİN BAYAR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- A compressive measurement matrix design for detection and tracking of direction of arrival using sensor arrays
Algılayıcı dizilimi kullanarak varış açısı sezimi ve takibi için sıkıştırma matrisi dizaynı
BERK ÖZER
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- Yere nüfuz eden radarlarda öğrenme tabanlı yeni kargaşa giderme yöntemleri
New learning-based clutter removal methods in ground penetrating radar
EYYUP TEMLİOĞLU
Doktora
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Değişken rezolüzyonlu görüntü örnekleyici
Multi resolution image sampler
RIZA CAN TARCAN
Yüksek Lisans
Türkçe
1991
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiY.DOÇ.DR. M. SAİT TÜRKÖZ