Automatic target recognition of quadcopter type drones from moderately-wideband electromagnetic data using convolutional neural networks
Dört pervaneli robot helikopter tipi insansız hava araçlarının evrişimli sinir ağları kullanılarak orta derecede bant genişliğine sahip elektromanyetik sinyallerden otomatik yöntemlerle tanınması
- Tez No: 775599
- Danışmanlar: PROF. DR. GÖNÜL SAYAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- 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: 126
Özet
Bu tezde,“Evrişimli Sinir Ağı (CNN) ile Öğrenme”yöntemine dayalı sınıflandırıcı tasarım yaklaşımı, iki farklı hedef kütüphanesi/veri seti için uygulanacaktır. İlk veri seti, dört dielektrik küreden oluşan bir hedef kütüphanesi için elde edilen ultra-geniş bantlı (37 MHz'den 19.1 GHz'e kadar) simülasyon verilerini içerirken, ikinci veri seti dört pervaneli robot helikopter tipi insansız hava araçlarından (İHA'lar) oluşan bir hedef kütüphanesi için orta derecede bant genişliğine sahip (3.1 ila 4.8 GHz arasında) ölçülmüş verilerden oluşmaktadır. Küresel hedefler için hesaplanan simülasyon verilerinin bant genişliği yaklaşık dokuz oktav iken, quadkopterler için toplanan ölçüm verilerinin bant genişliği bir oktavdan azdır. İlk iş olarak, dielektrik kürelere ait ultra-geniş bantlı simülasyon veritabanı kullanılarak küresel hedeflerin tanınmasına yönelik CNN-tabanlı bir elektromanyetik hedef sınıflandırıcı tasarlanacaktır. Daha sonra, bu hedef sınıflandırıcının performansı, aynı hedef seti ve aynı veritabanı kullanılarak tasarlanmış, otomatik hedef tanıma (ATR) literatüründe yer alan ve“Wigner Dağılımı-Temel Bileşenler Analizi (WD-PCA) tabanlı Öznitelik Çıkarma”tekniği olarak adlandırlan yönteme dayanan diğer bir hedef sınıflandırıcının performansı ile karşılaştırılacaktır. Sözü edilen karşılaştırmalı inceleme sonucunda etkinliğinin doğrulanmasını takiben, CNN-tabanlı hedef tanıma yöntemi dört pervaneli robot helikopter tipi hedefler için de hedef sınıflandırıcı tasarımı için kullanılacaktır. Bu ikinci tasarımda düşük bant genişliğine sahip dezavantajlı bir veri tabanının kullanılacak olması problemin zorluk derecesini arttırmaktadır. Tasarlanan iki sınıflandırıcının da tasarım detayları ve performans sonuçları tez içerisinde verilecek, CNN-tabanlı sınıflandırıcı tasarım yönteminin avantaj ve dezavantajları tartışılacaktır.
Özet (Çeviri)
In this thesis, the classifier design approach based on“Learning by a Convolutional Neural Network (CNN)”will be applied to two different target library/data sets; an ultra-wideband simulation data (from 37 MHz to 19.1 GHz) obtained for a target library of four dielectric spheres, and a moderately-wide band measurement data (from 3.1 to 4.8 GHz) obtained for a target library of four quadcopter type unmanned aerial vehicles (UAVs). While the bandwidth of simulation data for spherical targets is about nine octaves, the bandwidth of measurement data collected for quadcopters is even less than one octave. As the first task, a CNN-based electromagnetic target classifier will be designed for the spherical targets using that spectrally rich simulated database. Then, its performance will be compared to the performance of another classifier that has been already reported in automatic target recognition (ATR) literature as designed by the“Wigner Distribution-Principle Component (WD-PCA) based Feature Extraction”technique using the same target library and the same database. After verifying the effectiveness of the CNN-based classifier design aproach through this comparative investigation, a second CNN-based classifier will be designed for the quadcopter type UAVs using their challenging scattered database of very modest spectral bandwidth. Design details and performances of each classifier will be presented through the thesis discussing the advantages and disadvantages of the CNN-based classifier design approach.
Benzer Tezler
- Makine öğrenmesi ve görüntü işleme tekniklerini kullanarak drone ile yaprak sınıflandırma
Leaf classification with drone by using machine learning and image processing techniques
MEHMET ÖZTÜRK
Yüksek Lisans
Türkçe
2018
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAZIM KEMAL ÜRE
- Kenar koruyan görüntü ayrışım yöntemleri ile SAR görüntülerinde otomatik hedef sınıflama performansının arttırılması
Increasing automatic target recognition rate of SAR images via edge preserving image decomposition methods
HALDUN BOZKURT
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. IŞIN ERER
- Cisim tanıma problemine yapay sinir ağlarının uygulanması
Application of artificial neural networks to object recognition
ATİLLA ÜSTÜN
Yüksek Lisans
Türkçe
1999
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. A. TALHA DİNİBÜTÜN
- Applying deep learning methodsto identify targets in synthetic apertureradar images
Başlık çevirisi yok
SERKAN AKTAŞ
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolThe Naval Postgraduate SchoolDR. DAVİD A. GARREN
DR. JOHN D. ROTH
- Bir otomatik hedef tanıma algoritmasının donanım gerçeklemesine yönelik optimizasyonu
An automatic target recognation algorithm intended for hardware implementation
ERDOĞAN ALDEMİR
Yüksek Lisans
Türkçe
2013
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. VEDAT TAVŞANOĞLU