Geri Dön

Radar ikaz alıcı sistemleri ve radar sinyallerinin sınıflandırılması

Radar warning receivers and recognition of radar signals

  1. Tez No: 447013
  2. Yazar: ENGİN KISALAR
  3. Danışmanlar: PROF. DR. MEHMET BİLGİNER GÜLMEZOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Elektronik Harp, Darbe Ayrıştırma Yöntemleri, Darbe içi modülasyon, Frank, Barker, LFM, Costas, Radar Sinyalleri, Naive Bayes, DVM, Rastgele Orman, Ortak Vektör Yaklaşımı (OVY), CFS, PCA, Wrapper, Electronic Warfare (EW), Pulse De-interleaving Methods, Modulation On Pulse, Frank, Barker, LFM, Costas, Radar Signals, Naive Bayes, SVM, Random Forest, Common Vector Approach (CVA), CFS, PCA, Wrapper
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Telekomünikasyon - Sinyal İşleme Bilim Dalı
  13. Sayfa Sayısı: 70

Özet

Çok sayıda radarın aynı anda yayın yaptığı günümüz EH (Elektronik Harp) sinyal ortamında, EH sistemlerinin kullandığı klasik darbe ayrıştırma yöntemleri radar sistemlerini tanımlamada yeterli olmamaktadır. Bu yetersizliğin çözümü için radar darbelerinin sahip olduğu istemli veya istemsiz modülasyonlar ayırt edici özellik olarak kullanılabilmektedir. Bu çalışmada, radar elektronik harp sensör çeşitleri ve radar sinyalleri incelenmiş, radar sinyallerini temsil etmede hangi özniteliklerin etkili olduğu ve bu özniteliklerin hangi sınıflandırıcılarda başarılı olduğu görülmüştür. Darbe içi, istemli olarak oluşturulan, sekiz farklı tip modülasyona sahip radar sinyali (P1, P2, P3, P4, Frank, Barker, LFM ve Costas) simüle edilerek 4 farklı veri seti üretilmiş, 12 farklı yöntem ile toplamda 95 adet öznitelik türetilmiş, 3 farklı yöntem (CFS, PCA ve Wrapper) ile öznitelik seçimi yapılmış ve dört farklı sınıflandırma yöntemi (Naive Bayes, Destek Vektör Makineleri (DVM), Rastgele Orman ve Ortak Vektör Yaklaşımı (OVY)) ile deneysel çalışmalar gerçekleştirilmiştir. Öznitelik sayısı 6-8 adede kadar düşürülmüş veri setleri ile Rastgele Orman ve Naive Bayes sınıflandırma yöntemleri kullanılarak 6 dB SNR seviyesi ve üzerindeki radar sinyalleri için %98 ve üzerinde başarı oranı elde edilmiştir.

Özet (Çeviri)

The conventional radar pulse de-interleaving methods isn't sufficient for the modern EW (Electronic Warfare) environment where numerous radars broadcast simultaneously. The intentional and unintentional modulations on radar pulses (IMOP and UMOP) can be used as a distinguishing feature to solve this deficiency. In this study, radar EW sensors and radar signal types have examined, which attributes effective in representing radar signals and which classification methods successful with these attributes have studied. For experimental studies, four different data sets have been produced by simulating eight different types of IMOP radar signals (P1, P2, P3, P4, Frank Barker, LFM and Costas). 95 attributes have been derived from 12 different methods, 3 types of attribute selection methods (CFS, PCA and Wrapper) have been used and four different types of classification methods (Random Forest, Naive Bayes, Support Vector Machines (SVM), Common Vector Approach (CVA)) have been utilized. With data sets having 6-8 attributes, by using Random Forest and Naive Bayes classification methods, approximately %98 success rate has obtained for radar signals over 6dB SNR level.

Benzer Tezler

  1. Elektronik harp sistemlerinde kullanılan Radar İkaz Alıcı'nın MATLAB'da simülasyonu

    Simulation of Radar Warning Receiver used in electronic warfare by using MATLAB program

    AHMET NASIROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    PROF. DR. HAKAN IŞIK

  2. Tek darbe pasif yön bulma tekniklerinin analizi

    The analysis of monopulse passive direction finding techniques

    KIVANÇ CEYHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT TAVLI

  3. Elektronik destek sistemlerinde gerçek zamanlı tehdit radar parametreleri çıkarımı

    Real time threat radar parameter extraction in electronic support systems

    İSMAİL EMRE ORTATATLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HAMZA KURT

  4. Bağlantılı bileşen etiketleme tabanlı kümeleme ile radar sinyallerinin ayrıştırılması

    Deinterleaving of radar signals with connected component labeling based clustering

    NESLİHAN FİŞNE

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiBaşkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET GÜNGÖR PAKFİLİZ

  5. Darbeli radar sinyallerinin makine öğrenmesi algoritmalari i̇le tanimlanmasi

    Identification of pulse radar signals using machine learning algorithms

    MERT DEMİRCAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiBaşkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AHMET GÜNGÖR PAKFİLİZ