Makine öğrenme tabanlı ters yapay açıklıklı radar tekniği ile karmaşık hedeflerin görüntülenmesi
Imaging of complex targets by machine learning based inverse synthetic aperture radar technique
- Tez No: 840197
- Danışmanlar: PROF. DR. ÖZLEM ÖZGÜN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 104
Özet
Radar sistemleri ile karmaşık hedefler görüntülenirken, bu sistemler çevresel bir etken olan gürültüden oldukça etkilenir ve yüksek çözünürlüklü görüntüler veremez. Bu duruma bir çözüm sunmak amaçlı, iyi bir sinyal isleme teknigi olan Ters Yapay Açiklikli Radar (TYAR) ve derin öğrenme tabanlı bir yapi olan Evrisimsel Sinir Ağları (ESA) bir arada kullanılmıştır. Bu sayede geleneksel TYAR görüntüleme yöntemlerinin sahip olduğu, zaman veri yetersizliği gibi problemlerin aşılması amaçlanmıştır. Elektromanyetik dalga ile aydınlatılan 7 farklı karmaşık hedeften X bandını (8-12 GHz) kapsayacak sekilde, faklı açı ve polarizasyonda toplam 400 adet geri saçılan elektrik alan bilgisi ANSYS HFSS programı kullanılarak toplanmıştır. Bu veriler MATLAB ile işlenerek hem saçılma merkezi ile TYAR göruntüleri oluşturulmuş, hem de menzil-Doppler yardımı ile ESA yapısı için giriş görüntü verisi olarak kullanılmıştır. ESA yapıları hem gürültü sorununu aşmak hem de çözünürlük iyilestirmek üzere eğitilmiştir. 21 katman ve 11 katmandan oluşan iki farklı ESA yapısı kurulmuş ve bunlar gürültü sorunu çözmek amaçlı karşılaştırılmıştır. Daha sonra saçılma merkezi çıkartılarak yeniden oluşturulan görüntüler ve çıkartılmamış halindeki görüntüler bu yapılar kullanılarak karşılaştırılmıştır. Son olarak bu görüntüler çözünürlük problemini çözmek için rasgele örneklenerek bozulmuş ve eğitim sonuçları karşılaştırılmıştır. Bu yapılan üç farklı test sonucunda ESA yapıları başarılı görüntü sonuçları vermiş ve gelecek çalışmalarda da az veri ile etkili sonuçlar alınabileceğini göstermiştir.
Özet (Çeviri)
When imaging complex targets with radar systems, these systems are highly affected by environmental noise and cannot provide high resolution images. In order to provide a solution to this situation, a combination of Inverse Synthetic Aperture Radar (ISAR), which is a good signal processing technique, and Convolutional Neural Networks (CNN), a deep learning based structure, are used. In this way, it is aimed to overcome the problems of traditional TAR imaging methods such as lack of time and data. A total of 400 backscattered electric field data is collected from 7 different complex targets illuminated by electromagnetic waves at different angles and polarizations covering the X band (8-12 GHz) using ANSYS HFSS software. These data are processed with MATLAB to create ISAR images with the scattering center and used as input image data for the CNN structure with the help of range-Doppler. The CNN structures are trained to overcome the noise problem and to improve the resolution. Two different CNN structures consisting of 21 layers and 11 lavers are built and compared to solve the noise problem. Then, the reconstructed images with the scattering center and the unconstructed images are compared using these structures. Finally, these images are randomly sampled and distorted to solve the resolution problem and the training results are compared. As a result of these three different tests, CNN structures yielded successful image results and demonstrated that effective results can be obtained with less data in future studies.
Benzer Tezler
- Derin öğrenme ile süper çözünürlüklü radar görüntüleme
Super resolution radar imaging with deep learning
İREM FADİME ERİM
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Yapay zekâ yöntemleriyle termoelektrik modülün kontrolü
Control of thermoelectric module with artificial intelligence methods
TUFAN KOÇ
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiMilli Savunma ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NEVRA BAYHAN
PROF. DR. SEDAT BALLIKAYA
- Yapay sinir ağlarında öğrenme algoritmalarının analizi
Analysis of learning algorithms in neural networks
SEVİNÇ BAKLAVACI
Yüksek Lisans
Türkçe
1994
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. LEYLA GÖREN
- Yaşam kalitesi endeksi tabanlı bileşik makine öğrenme teknikleriyle yaşam alanı tahmin modeli
A living environment prediction model using ensemble machine learning techniques based on life quality index
ZÜLFİYE ERDOĞAN
Yüksek Lisans
Türkçe
2017
Endüstri ve Endüstri Mühendisliğiİstanbul ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ERSİN NAMLI
- Learning based control compensation for multi-axis gimbal systems using inverse and forward dynamics
Çok eksenli gimbal sistemleri için ileri ve geri dinamikleri kullanan öğrenme tabanlı kontrol dengeleyicisi
DAMLA LEBLEBİCİOĞLU
Yüksek Lisans
İngilizce
2021
Mekatronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MELİH ÇAKMAKCI
DR. ÖZGÜR ATEŞOĞLU