Optimize edilmiş özdevimli öğrenme metotları kullanılarak FMCW radarı ile aktif ve pasif hareketli hedeflerin sınıflandırılması
Active and passive moving targets classification by using optimized machine learning methods via FMCW radar
- Tez No: 651664
- Danışmanlar: DOÇ. DR. ÖKKEŞ TOLGA ALTINÖZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 130
Özet
Radarlar günümüzde hem askeri hem de sivil alanlarda en kritik algılayıcı sistemlerden biri olarak görev almaktadır. Radarların etkin kullanımı, otonom araçlar, yapay zekâ ve robotik teknolojileri gibi alanların daha da gelişmesi ile önem kazanacaktır. Bu sebeple gelişmekte olan yeni radar algoritmaları için hedeflerin sınıflandırılması rekabetçi ve yenilikçi bir özellik olarak öne çıkmaktadır. Radarların hatasız tespit sağlama gerekliliği, genel kullanım prosedürleri doğrultusunda çok kritik bir özelliktir. Radarın hedef sınıflandırma özelliğinin de en az hata oranı performansı ile çalışması mühimdir. Bu doğrultuda bu tez çalışması ile radar hedef sınıflandırma literatürüne, optimizasyon yöntemleri ile iyileştirilen sınıflandırma algoritmaları önerilmiştir. Bu tezde aktif ve pasif hedeflerin ayrıştırılması için hedef sınıflandırılması yapılmıştır. Aktif hedefler ani tehlike arz edebilecek şekilde hareketli hedeflerdir. Pasif hedefler ise sabit ama radarda görülebilir yanıltıcı hedeflerdir. Bu amaçla radar hedefi veri setlerinin optimize edilmiş, hedeflerin sınıflandırılması yapılmış ve sınıflandırma performansları değerlendirilmiştir. Sınıflandırma yöntemleri ile aktif ve pasif hedef sınıflandırmanın yanında, aktif hedeflerden koşan insan ve yürüyen insan hedef tiplerinin de kendi aralarında sınıflandırması yapılmıştır. Tezde kullanılan sınıflandırma yöntemleri özdevimli öğrenme tabanlı algoritmalardır. Bu algoritmalar destek vektörü makineleri (SVM) Algoritması, k'ıncı en yakın komşu (KNN), karar ağacı (DT) algoritmalarıdır. Tezin sonucunda hem halihazırda kullanılan radar hedefi verilerine hem de yeni radarların hedef veri tiplerine uygun, yüksek çözünürlüklü menzil profili (HRRP) veri setlerini kullanarak doğru sınıflandırabilen yöntemler iyileştirilecek ve önerilecektir.
Özet (Çeviri)
Nowadays, radars are used as one of the most important critical sensor systems for both of military and civilian applications. In the future, effective usage of radars will be more important because of the further improvements of autonomous vehicles, artificial intelligence, and robotic technologies. Therefore, classification of targets come to the forefront as a competitive and innovative feature for developing new radar algorithms. Correct detection performance for radars is very critical feature according to general usage procedures of radars. Working performance of classification specification of radar with minimum amount of error is very important. Accordingly, improved classification algorithms with optimization methods are suggested to the radar classification literature. In this thesis target classification was done for identification of Active targets and Passive targets. Active targets are moving which can pose a danger. Passive Targets can be seen by radars, but they are stable targets. For this purpose, optimization of radar targets data sets, classification of targets and evaluation of classification performance has been evaluated. Beside classification of Active and Passive targets, Active target types classified according to running human and walking human targets. Classification methods which are used in the thesis are machine learning based methods. These algorithms are support vector machine (SVM) algorithm, k nearest neighbor (KNN) and, decision tree (DT) algorithms. At the end of the thesis, improvement of succeeded classification methods for high resolution range profile (HRRP) data sets are suggested and these suggested methods can be applied both of conventional radar target data and new radar target data.
Benzer Tezler
- Development of a constrained layer surface damping treatment with optimized spacer geometry for plates
Optimize edilmiş ara levha geometrisi kullanarak uçak gövdesi tarzı plakalar için kontrollü yüzey titreşim sönümleyici geliştirme
BARKAN ULUBALCI
Yüksek Lisans
İngilizce
2019
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN OSMAN ÖZGEN
- Optimized exemplar-based light field super-resolution
Optimize edilmiş örnek-tabanlı ışık alan süper-çözünürlük
BURHAN AYDENİZ
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİzmir Ekonomi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET TÜRKAN
- Image fusion hardware implementation with an optimized reduction circuit
Optimize edilmiş indirgeme devresi ile görüntü birleştirme donanım gerçeklemesi
FURKAN AYDIN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN FATİH UĞURDAĞ
- Optimize edilmiş çok katmanlı evrişimsel sinir ağı modelleri ile diş türlerinin otomatik sınıflandırılması
Automatic classification of tooth types with optimized multilayer convolutional neural network models
YUSUF FAZIL GÖÇ
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGÜR ERGÜL
- Optimize edilmiş bulanık mantık yöntemi ile izole sinyalize kavşak kontrolü
Isolated signalized intersection control by optimized fuzzy logic method
ERDEM DOĞAN