Parazit yankılı ortamda çoklu hedef izleme için derin pekiştirmeli öğrenme temelli veri ilişkilendirme
Deep reinforcement learning based data association for multi-target tracking in clutter
- Tez No: 722120
- Danışmanlar: PROF. DR. MURAT EFE, PROF. DR. THİA (KİRUBA) KIRUBARAJAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 132
Özet
Çoklu hedef takibinde veri ilişkilendirme algılayıcı tarafından elde edilen her ölçümün hedefe ait olup olmadığının belirlenebildiği önemli bir bileşendir. Literatürde geçen birçok klasik veri ilişkilendirme yöntemi yoğun parazit yankılı ortamlarda yüksek doğruluk sağlayamamaktadır. Bu tez kapsamında, yoğun parazit yankılı ortamlarda doğruluğu arttırmak için derin pekiştirmeli öğrenmeye (DPÖ) dayalı yenilikçi bir veri ilişkilendirme yöntemi önerilmiştir. Ayrıca, ilişkilendirme sonuçlarının doğruluğunu arttırmak için hedeflerin hareket modellerinde Uzun-Kısa Süreli Bellek Ağlarından (UKSB) yararlanılır. Önerilen yöntemin sonuçları klasik yöntemler olan en yakın komşu veri ilişkilendirme yöntemi, ortak olasılıklı veri ilişkilendirme yöntemi ve veriye dayali pekiştirmeli öğrenme very ilişkilendirme yöntemi ile kıyaslamalı olarak açıklanmıştır. Sonuçlar, önerilen yöntemin diğer yöntemlere kıyasla yoğun parazit yankının olduğu ortamlarda daha etkin bir yöntem olduğunu göstermektedir.
Özet (Çeviri)
In multi-target tracking, data association is an important component in which it can be determined whether each measurement obtained by the sensor belongs to the target. Many classical data association methods in the literature cannot provide high accuracy in dense clutter environments. In this thesis, an innovative data association method based on deep reinforcement learning (DRL) is proposed to increase accuracy in intense clutter environments. In addition, Long-Short-Term Memory Networks (LSTM) are utilized in the motion models of the targets to increase the accuracy of the data association results. The results of the proposed method are explained comparatively with the classical methods such as nearest neighbor data association method, joint probability data association method and data-based reinforcement learning data association method. The results show that the proposed method is more effective in environments with intense clutter compared to other methods.
Benzer Tezler
- Parazit yankılı ortamlarda çalışan çoklu hedef takip algoritmalarının analizi ve karşılaştırılması
Analysis and comparison of multi-target tracking algorithms in cluttered environment
MUSTAFA YAMAN
Yüksek Lisans
Türkçe
2004
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. MURAT EFE
- Parazit yankılı ortamda manevra yapan birden çok hedefin takibi için olasılıksal bir takip algoritması geliştirilmesi
Development of a probabilistic tracking algorithm for maneuvering targets in cluttered environment
AHMET GÜNGÖR PAKFİLİZ
Doktora
Türkçe
2004
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. MURAT EFE
- Range profile extraction in noise radars based on the target characteristics
Gürültü radarlarında hedef karakteristiklerine dayalı menzil profili çıkarımı
ŞEVVAL KARABAĞ ÇAHA
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
PROF. DR. SELÇUK PAKER
- Çoklu hedef takibinde adaptif yaklaşımlarla iz yönetimi
Track management with adaptive approaches in target tracking
GÖKHAN SOYSAL
Yüksek Lisans
Türkçe
2005
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. MURAT EFE
- Hedef takibi uygulamalarında tespit öncesi izleme yöntemi için yeni yaklaşımlar geliştirilmesi
Development of novel approaches for track-before-detect techniques in target tracking applications
SERDAR TUĞAÇ
Doktora
Türkçe
2013
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT EFE