Emitter identification with incremental learning using symbolic representations
Kademeli öğrenme ve sembolik gösterimler ile radar kimliklendirme
- Tez No: 581636
- Danışmanlar: PROF. DR. ABDULLAH AYDIN ALATAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- 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: 94
Özet
Radar alıcıları ortamdaki tüm elektromanyetik kaynaklardan karışık halde sinyaller alır. Elektronik harp sistemlerinin kilit noktası olan kimliklendirme, bu kaynakları birer temsilci ile göstermeyi; bu temsilcileri zaman içinde güncellemeyi ve sonuç olarak kaynakların tiplerini önsel bilgiler yardımıyla bulmayı hedefler. Dolayısıyla bu tezin kapsamında durağan olmayan ve sürekli bir veri akışı söz konusudur; ki bu veri yapısı kavram geleneksel -çevrimdışı ya da toplu- makine öğrenme yöntemlerinin uygulama alanının dışında kalmaktadır. Problemin başka bir zorluğu ise kurulacak sistemin olası tüm radar tiplerini bilmesinin mümkün olmaması ve sınıf sayısının belirsiz olmasıdır. Bu sebeple, radar temsilcilerini zamanla birlikte güncelleyebilmek için kademeli (çevrimiçi) öğrenme sistemleri kullanılmalıdır. Tipik bir kademeli öğrenme yöntemi ile her bir kaynağın temsilcisi elde edildikten sonra bu temsilciler önceden var olan radar türleri ile kıyaslanmalıdır. Radar parametreleri genellikle aralık tabanlı olduğu için bu kısımda simgesel veri işleme yöntemlerine başvurulmuştur. Simülasyonlar sırasında kademeli öğrenme yöntemleri arasından fuzzy ART, Bayesian ART, SOM ve KDESOINN incelenmiş ve bu yapılara yöntemsel ilave(ler) önerilmiştir. Sembolik sınıflandırma kısmı için ise Jaccard ölçeğine bağlı ART tabanlı bir yapı önerilmiştir. Sonuçlar önerilen sembolik veri işleme yönteminin diğer mesafe ölçeklerini geçtiğini, önerilen ilavelerin seçilen kademeli öğrenme yöntemlerini iyileştirdiğini ve bunlar arasından doğruluk açısından en iyi performansın KDESOINN ile elde edildiğini göstermiştir.
Özet (Çeviri)
Radar receivers collect mixed signals from all electromagnetic sources in the environment. The ultimate goal of electronic intelligence is to find the types of these sources with the help of a priori information, known as emitter identification. Emitter identification system aims to find a representative for each emitter in the environment and update them over time. Hence, such a non-stationary and continuous flow of data is of this thesis concern which is beyond the scope of traditional –offline or batch- machine learning systems. Another challenge is that the system can not know all possible emitter types and does not have a priori knowledge about the number of emitters. Therefore, incremental or online learning methods should be considered for the update of emitter representatives. After obtaining a representative for each emitter in a typical incremental learning algorithm, these representatives should be compared with a list of previously available emitter types. This part requires symbolic data analysis since the radar parameters generally operate interval-based. During simulations, among incremental learning algorithms, fuzzy ART, Bayesian ART, SOM and KDESOINN are examined and several extensions are proposed for the selected online learning networks. An ART-based structure based on Jaccard index is also proposed and tested for symbolic classification. The results indicate that the proposed symbolic data analysis method has outperformed other distance metrics and that the proposed algorithmic extensions enhance the performance of the selected online learning algorithms, while KDESOINN is observed to perform the best in terms of accuracy.
Benzer Tezler
- Radyoaktif izleme tekniği ile rubidyumun topraktaki ilerleyişinin incelenmesi, sodyum ve potasyuma göre değerlendirilmesi
Investigation of rubidium dispersion in soil by the radiotracer technique, compare with sodium and potassium
ERTUĞRUL DEMİR
Yüksek Lisans
Türkçe
2014
Nükleer Mühendislikİstanbul Teknik ÜniversitesiNükleer Araştırmalar Ana Bilim Dalı
PROF. DR. ASİYE BERİL TUĞRUL
- Novel signal processing techniques for remote sensing applications
Uzaktan algılama uygulamaları için yenilikçi teknikler
GÖKHAN GÖK
Doktora
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- Emitter identification techniques in electronic warfare
Elektronik harpte yayın tanımlama teknikleri
MEHMET KADİR ASLAN
Yüksek Lisans
İngilizce
2006
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAFER ÜNVER
- Emitter identification in electronic varfare by the use of clustering techniques
Elektronik harp sistemlerinde kümeleme teknikleri kullanılarak yayıcı belirlenmesi
ERHAN GÜVEN
Yüksek Lisans
İngilizce
1994
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YALÇIN TANIK
- Galyum arsenik tabanlı fotoiletken terahertz anten üretim ve iyileştirme çalışmaları
Galium arsenic based photoconductive terahertz antenna production and improvement studies
HASAN MERT BOZACI
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiGazi Üniversitesiİleri Teknolojiler Ana Bilim Dalı
PROF. DR. SÜLEYMAN ÖZÇELİK