Geri Dön

Makine öğrenmesi ile gelişmiş polarizasyon kestirim yöntemi

Advanced polarization estimation method with machine learning

PDF İndir

  1. Tez No: 791783
  2. Yazar: YUSUF ÖNÜR
  3. Danışmanlar: DR. ÖĞR. ÜYESİ HARUN TAHA HAYVACI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: TOBB Ekonomi ve Teknoloji Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik ve Elektronik Teknolojileri Bilim Dalı
  13. Sayfa Sayısı: 67

Özet

Günümüzde elektronik harp sistemlerinin önemi dramatik olarak artmaktadır. Elektronik Harp sistemlerinin unsurlarından olan elektronik destek sistemleri, elektromanyetik spektrumu pasif olarak kullanmaktadır. Yayılan sinyalleri analiz eden bu sistemler, düşman ve dost unsurların, yönlerini, konumlarını, kimliklerini, birlikler arası haberleşme içeriğini tespit edebilmektedir. Bu sayede, elektronik destek sistemleri istihbarat verilerinin çıkarılmasında büyük rol oynamaktadır. Teknolojinin gelişmesiyle birlikte, radar veya haberleşme sinyallerini analiz eden sistemler kabiliyetlerini genişletmektedir. Elektronik harp ve radar uygulamaları, keşif kabiliyetini artırmanın yanı sıra sinyal polarizasyon bilgilerini kullanarak hedef yön ve konum bulma performansını arttırmaya çalışmaktadır. Bu faktörler, sinyalin polarizasyon bilgisinin bahsedilen mevcut sistemlere dahil edilmesine yol açmıştır. Alıcının veya vericinin bulunduğu platformun konumuna veya yönüne bağlı olarak alıcı-verici arası polarizasyon uyumsuzluğu meydana gelebilmektedir. Hedef sinyallerin yüksek güçte alınabilmesi, başarılı bir yön bulma performansı veya elektronik harp sistemlerine karşı etkili bir karşı önlem alınabilmesi için alıcı ve vericideki polarizasyon uyumsuzluğunun önlenmesi gerekmektedir. Bu yüzden elektronik destek sistemlerinde, yayılan sinyalin polarizasyonunun tespiti, kimliklendirme, yön ve konum bulma sistemlerinde kritik bir rol oynamaktadır. Bu çalışmada, gelen sinyalin polarizasyonunu derin öğrenme yoluyla kestiren bir yaklaşım önerilmiştir. Önerilen yaklaşımda, öncelikle klasik geliş açısı ve polarizasyon kestirimi gerçekleştiren algoritmalar gibi kovaryans matrisi hesaplanmaktadır. Hesaplanan kovaryans matrisinin gerçek, sanal ve faz değerlerinden algoritmanın giriş görüntüleri elde edilmiştir. Evrişimsel sinir ağları sayesinde giriş görüntülerinden öznitelikler çıkarılıp, tam bağlı katmanlar sayesinde polarizasyon kestirimi yapılmaktadır. Çalışmada doğrusal polarizasyon belli çözünürlüklerde ele alınmıştır. İlk sınıf yatay polarizasyon ve son sınıf dikey polarizasyon olmak üzere, doğrusal polarizasyon on farklı sınıfa ayrılmıştır. Gözetimli öğrenme modelini benimseyen ve evrişimsel sinir ağlarını ve tam bağlı katmanları içeren model, klasik algoritmalara göre daha hızlı sonuç vermiştir. Önerilen yaklaşım gerçek-zamanlı sistemlerde kullanılma potansiyelini ortaya koymuştur. Polarizasyon sınıfı kestirme performansı kapsamında, hatalı kestirimlerde dahi komşu sınıfları kestiren algoritma özellikle düşük SNR değerlerinde klasik MUSIC algoritmasına göre daha başarılı sonuçlar vermiştir. Ayrıca tez kapsamında, geliş açısı kestirimi için de hibrit bir algoritma önerilmiştir. Önerilen hibrit algoritma, öncelikle evrişimsel sinir ağı tabanlı bir algoritma ile polarizasyon kestirimi yapmaktadır. Sonrasında geliş açısı kestirimi için klasik Çoklu Sinyal Sınıflandırma (Multiple Signal Classification-MUSIC) algoritması kullanılmaktadır. Evrişimsel sinir ağları ile polarizasyon kestiriminin sonucunda, klasik MUSIC algoritması polarizasyon parametrelerini taramadan doğrudan sadece uzamsal açılarda arama yapacağından, geliş açısını daha hızlı kestirmiştir. Önerilen hibrit algoritma, düşük SNR değerlerinde, polarizasyonu daha başarılı kestirdiğinden, geliş açısı kestirimi kapsamında klasik MUSIC algoritmasına göre daha başarılı sonuçlar vermiştir.

Özet (Çeviri)

Nowadays, the importance of electronic warfare systems is increasing. Electronic support systems, which are one of the elements of Electronic Warfare systems, passively use the electromagnetic spectrum. These systems, which analyze the emitted signals, are able to detect the directions, positions, identities, and content of communication between the enemy and friendly elements. In this way, electronic support systems play a major role in extracting intelligence data. With the development of technology, systems that analyze radar or communication signals are expanding their capabilities. Electronic warfare and radar applications try to increase target direction and position finding performance by using signal polarization information as well as increasing reconnaissance capability. These factors have led to the incorporation of polarization information of the signal into existing systems. Depending on the location or direction of the platform where the receiver or transmitter is located, polarization mismatch between the transmitter and receiver may occur. In order for target signals to be received at high power, for successful direction finding performance, or for an effective countermeasure against electronic warfare systems, polarization mismatch in the receiver and transmitter must be prevented. Therefore, detection of the polarization of the emitted signal in electronic support systems plays a critical role in identification, direction and position finding systems. In this study, an approach that estimate the polarization of the incoming signal through deep learning is proposed. In the proposed approach, first of all, the covariance matrix is calculated, such as algorithms that perform classical angle of arrival and polarization estimation. The input images of the algorithm were obtained from the real, imaginer and phase values of the calculated covariance matrix. Thanks to convolutional neural networks, features are extracted from the input images and polarization estimation is performed thanks to fully connected layers. In the study, linear polarization was considered at certain resolutions. Linear polarization is divided into ten different classes, the first class being horizontal polarization and the last class being vertical polarization. The model, which adopts the supervised learning model and includes convolutional neural networks and fully connected layers, has yielded faster results than classical algorithms. The proposed approach has revealed the potential to be used in real-time systems. Within the scope of polarization estimation performance, the algorithm that estimates neighboring classes even with erroneous estimates has given more successful results compared to the classical MUSIC algorithm, especially at low SNR values. In addition, within the scope of the thesis, a hybrid algorithm is proposed for the estimation of the angle of arrrival. The proposed hybrid algorithm primarily performs polarization estimation with a convolutional neural network based algorithm. Then, the classical Multiple Signal Classification (MUSIC) algorithm is used to estimate the angle of arrival. As a result of polarization estimation with convolutional neural networks, the classical MUSIC algorithm estimated the arrival angle faster, since it will search directly only spatial angles without scanning polarization parameters. Since the proposed hybrid algorithm estimates polarization more successfully at low SNR values, it has given more successful results compared to the classical MUSIC algorithm in the scope of angle of arrival estimation.

Benzer Tezler

  1. Tez No

    798232

    Delay root cause analysis and 3D modeling of LTE control communication using machine learning

    Gecikme kök neden analizi ve 3D LTE kontrol iletişiminin modellenmesimakine öğrenimini kullanmak

    SAMEER QUTAIBA MOHAMMED TOTONCHI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MUHAMMAD ILYAS

  2. Tez No

    721475

    Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi

    Analysis of container port operations using machine learning methods

    ÜSTÜN ATAK

    Doktora

    Türkçe

    Türkçe

    2022

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    PROF. DR. YASİN ARSLANOĞLU

    PROF. DR. TOLGA KAYA

  3. Tez No

    894718

    Doğal dil işleme ve makine öğrenmesi teknikleri ile sayısal asistan tasarımı ve gerçeklemesi

    Design and implementation of a digital assistant with natural language processing and machine learning techniques

    EZGİ SANCAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ URAZ YAVANOĞLU

  4. Tez No

    897634

    Analysis of technical debt in ML-based software development projects

    Makine öğrenimi temelli yazılım geliştirme projelerinde teknik borcun analizi

    PELİN DAYAN AKMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZDEN ÖZCAN TOP

    PROF. DR. TUĞBA TAŞKAYA TEMİZEL

  5. Tez No

    837181

    Makine öğrenmesi ile havacılık sektöründeki suistimal ve dolandırıcılık risk türlerine çözüm yaklaşımı

    Solution approach to misuse and fraud risk types in the aviation industry using machine learning

    ŞULE GÜNEŞ SARIÇAM

    Doktora

    Türkçe

    Türkçe

    2023

    EkonometriMarmara Üniversitesi

    Yöneylem Araştırması Ana Bilim Dalı

    PROF. DR. SAİT ERDAL DİNÇER

Geri Dön