Öğrenme ve çözümleme katmanlarından oluşan saklı Markov model tabanlı frekans kiplemeli sürekli dalga yayın tespiti
Frequency modulated continuous wave emitter detection by using hidden Markov models composed of learning and decoding layers
- Tez No: 639511
- Danışmanlar: DR. ÖĞR. ÜYESİ YAKUP SABRİ ÖZKAZANÇ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 129
Özet
Elektronik harp sistemleri için LPI özellikli frekans kiplemeli sürekli dalga (FKSD) yayın yapan radarların tespit edilebilmesi son derece önemli bir kabiliyettir. Bu kabiliyete sahip olabilmek amacıyla bu tez kapsamında FKSD yayın yapan LPI radarların tespiti için saklı Markov model (SMM) tabanlı özgün bir tespit metodolojisi geliştirilmiştir. Geliştirilen saklı Markov model tabanlı yöntem öğrenme ve çözümleme olmak üzere iki katmandan oluşmaktadır. Öğrenme katmanında beklenti enbüyütme yaklaşımına dayanan Baum-Welch algoritması kullanılmıştır. Çözümleme katmanında ise Viterbi algoritması kullanılmıştır. Buna ek olarak; Matlab ortamında FKSD yayın simülatörü de geliştirilerek önerilen iki katmanlı algoritmaya girdi sağlanmış ve bilgisayar simülasyonları gerçekleştirilmiştir. Geliştirilen tespit yöntemi, elektronik harp sistemlerinde gerçek zamanlı çalışan almaç yapılarında kullanılabilir niteliktedir. Bu sayede EH sistemlerinin LPI yayın tespit performansı artırılabilecektir.
Özet (Çeviri)
The ability of detection of frequency modulated continuous wave (FMCW) radar has strategic importance for electronic warfare systems. In order to have this ability, an original method, based on hidden Markov models (HMM), has been developed in this thesis. This method is composed of learning and decoding layers. In learning layer, Baum-Welch algorithm, based on expectationmaximization approach, is used. On the other hand, Viterbi algorithm is used in decoding layer. In addition, it is shown that the proposed method can run with required inputs by developing FMCW emitter simulator in Matlab environment. Also, the results are supported with computer simulations. The developed method can be used for receivers in electronic warfare systems. The performance of LPI emitter detection for electronic warfare systems can be improved.
Benzer Tezler
- Deep learning for ınverse problems in ımaging
Görüntüleme ters problemlerinde derin öğrenme
HASAN HÜSEYİN KARAOĞLU
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ENDER METE EKŞİOĞLU
- Semantic land cover and land use classification using deep convolutional neural networks
Derin evrişimsel sinir ağları ile arazi kullanımı ve arazi örtüsünün anlamsal sınıflandırılması
BERK GÜNEY
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Analysis of network security using machine learning methods
Makine öğrenmesi yöntemleri kullanılarak ağ güvenirliği analizi
MARYAM SALATI
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İMAN ASKERBEYLİ
- End-to-end tire defect detection model based on machine and deep learning techniques
Makine ve derin öğrenme tekniklerine dayalı uçtan uca lastik arıza tespit modeli
RADHWAN ALI ABDULGHANI SALEH
Doktora
İngilizce
2024
Mekatronik MühendisliğiKocaeli ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN METİN ERTUNÇ
