Compressive sensing methods in transform domains for radar and sonar signals
Radar ve sonar işaretler için dönüşüm bölgelerinde sıkıştırmalı algılama yöntemleri
- Tez No: 442618
- Danışmanlar: DOÇ. DR. LÜTFİYE DURAK ATA
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Haberleşme Bilim Dalı
- Sayfa Sayısı: 72
Özet
Sıkıştırmalı algılama (SA) ve seyrek geriçatım, sinyallerin Nyquist-Shannon teoreminin gereğinden daha az örnek alımına ve geriçatımına odaklanır. CS fikri daha önceden de bilinmesine rağmen, CS üzerine çeşitli alanlardaki araştırmalar son yıllarda dikkat çekmektedir. Donoho, Candes, Romberg ve Tao, CS nin matematiksel temellerini ortaya koyan önemli çalışmalar yapmıştır. Bu tezde, ayrık kesirli Fourier dönüşümü (AKFD) ve ayrık Fourier dönüşümü (AFD) matrisleri taban matrisi olarak kullanılarak radar ve sonar sinyalleri için CS uygulamaları geliştirilmiştir. Ayrıca sonar yankı sinyalleri için seyrek yapıları üzerinden yeni bir sınıflandırma yöntemine yer verilmiştir. Çalışmamızda AKFD matrisini SA metodunda taban matrisi olarak öneriyoruz. Bunun sebebi AFD taban matrisine karşılaştırmalı olarak işaretin daha seyrek halini elde etmemizdir. Simülasyonlarda ayrıca iyi bilinen FIR Wiener filtre ile de karşılaştırma yapılmıştır. Düşük SNR rejimlerinde lineer frakans modüleli (LFM) işaretlerin geri çatımı yapılarak MSE başarım ölçütleri verilmiştir. SNR seviyesi yükseldikça performansının arttığı gözlemlenmiştir. Bir sonraki bölümde frekans modüleli sürekli dalga radar (FMSDR) işaretleri ile çalışılmıştır. Farklı dalga formlarına CS uygulanmadan önce ilk taramalarda AKFD matrisi derecesi kestirimi yapılmıştır. Time-frekans analizleri geri çatılan işaretlerin gözlemlenmesi için iyi bir analiz aracıdır. Tezin geriye kalan kısımları için sentetik olmayan gerçek datalarla çalışılmıştır. Bunlardan bir kısmı YTÜ Mikrodalga Laboratuvarında üretilen 1-7 GHz frekans bandında yansıyan B ve C tarama verileridir. İşaretin bütününe oranla ¼ ve ½ miktarda rasgele örnekler alınarak CS metodu uygulanmıştır. Yapılan uygulamada amaç işaretin yapıtaşı olan Fourier katsayıları ile görüntü çözünürlüğünü analiz etmektir. Son bölümde, işaretin seyrek yapısına dayalı karmaşık değerli sinir ağı (CVANN) ile bir sınıflandırma yapılmıştır. Orijinal sonar veri kümesi, California üniversitesinin makine öğrenmesi veri tabanından alınmıştır. Önerilen yöntemin performansı sunulmuş ve başarısı diğer sınıflandırma yöntemleriyle karşılaştırılmıştır. Ayrıca, önerilen yöntem, düşük hesaplama maliyeti ile hızlı bir yöntemdir.
Özet (Çeviri)
Compressive sensing (CS) and sparse recovery focuses on sampling and reconstruction of signals by taking less samples than required by the Nyquist-Shannon theorem. Although the idea of CS is known before, research on CS has gained atention in various areas in recent years. Donoho, Candes, Romberg, and Tao found out important results about its mathematical foundation. In this thesis, CS applications for radar and sonar signals are developed using discrete Fourier transform (DFT) and discrete fractional Fourier transform (DFrFT) basis matrices. A novel classification is also employed for sonar echo signals in their sparse forms successfully. We propose CS based on the sparsifying domain matrix decomposition. DFrFT matrix is used in comparison with DFT matrix. As a comparison, optimum FIR Wiener filtering is employed, as it is one of the well-known optimum filters. In the simulations, MSE of the reconstruction processes are given for noisy linear frequency modulated (LFM) signals in low SNR regimes. The proposed method provides higher performance in high SNR regime compared to Fourier-domain analysis and optimum Wiener filter. Frequency modulated continuous wave radar (FMCWR) signals are processed in the latter chapter and CS with different FMCWR wave forms are employed by estimating the DFrFT order. Time-frequency analysis is very helpful to monitorize the reconstructed signal with both time and frequency. We study via the real data for the rest of the thesis. Microwave radar signals which are produced in Yildiz Technical University (YTU) Microwave Laboratory are processed by CS. B- and C-scanned reflection data samples produced between 1 GHz - 7 GHz frequency band are taken randomly at ¼, ½ of whole amount and reconstructed by the CS method. Considering the signal structure, compressible Fourier coefficients are taken through CS to analyse the image resolution quality. As the compressible coefficients, which construct the signal are decreased, the image resolution decreases. But, if these coefficients are increased in adequate quantity, the quality of image resolution is acceptable as satisfactory. In the last part, a classification based on sparsity structure of the signal, which is the first step of CS is employed through the complex-valued neural network (CVANN). The original sonar dataset is taken from the UCI Machine Learning Repository. The performance of the proposed method is presented and its success is compared to other classification methods. The proposed method, CVSCs+CVWANN (Complex Valued Sparse Coefficients + Complex Valued Wavelet Neural Network), is very successful as 94.23% by 10-fold cross-validation (CV) data selection and 95.19% by 50-50% training-testing data selection. Additionally, the proposed method is a fast method with low computational cost.
Benzer Tezler
- Mikrodalga görüntülemede seyreklik yaklaşımı yöntemlerinin uygulanması
Sparse approximation and applications in microwave imaging
EMRE YALÇIN
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR ÖZDEMİR
- 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
- 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
- Eş zamanlı sıkıştırıcı algılama ve kriptografi
Simultaneous compressive sensing and cryptography
ERTAN ATAR
Doktora
Türkçe
2016
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. LALE ÖZYILMAZ
PROF. DR. OKAN K. ERSOY
- Image restoration and reconstruction using projections onto Epigraph Set of Convex Cost functions
Dışbükey maliyet fonksiyonları'nın epigraf kümesine dik izdüşümler kullanan imge restorasyonu ve yeniden inşa algoritmasi
MOHAMMAD TOFİGHİ
Yüksek Lisans
İngilizce
2015
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ENİS ÇETİN