Performance assessment of real time radar classification on software-defined radio (SDR) platforms
Yazılım tanımlı radyolar ile gerçek zamanlı radar sınıflandırma başarım analizi
- Tez No: 860398
- Danışmanlar: PROF. DR. ALİ KARA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, yazılım tanımlı radyo (SDR) platformları kullanılarak gerçek zamanlı radar sınıflandırmasının kapsamlı bir değerlendirmesini sunmaktadır. Darbe tanımlama kelimesi (PDW) içinde özetlenen radar sinyali parametreleri, elektronik destek (ESM) sistemlerinde çok önemli bir rol oynayarak, elektronik harp (EW) ortamlarındaki tehdit radarlarının tespit edilmesini ve sınıflandırılmasını sağlar. Analogdan dijital teknolojilere geçiş, SDR'nin yazılım tabanlı işlemler aracılığıyla benzeri görülmemiş esneklik ve yeniden yapılandırılabilirlik sunmasıyla radyo sistemlerinde devrim yarattı. Bu çalışma, artırılmış işlem hızıyla gerçek zamanlı operasyon gerçekleştiren SDR tabanlı bir radar sınıflandırma sistemi önermektedir. Sistem, güçlü bir sınıflandırıcı olarak Yoğunluk Tabanlı Gürültülü Uygulamaların Uzamsal Kümelenmesi (DBSCAN) algoritmasını kullanır ve verimli radyo frekansı (RF) parametre çıkarımı için Grafik İşleme Birimi (GPU) paralelleştirmesinden yararlanır. Deneysel sonuçlar, gerçek zamanlı radar sınıflandırması için hem işlem hızında hem de doğrulukta önemli bir gelişme olduğunu göstermektedir.
Özet (Çeviri)
This thesis delves into a comprehensive analysis of the real-time classification of radar signals using software-defined radio (SDR) platforms. In the realm of electronic support measure (ESM) systems, the pulse description word (PDW) that encompasses radar signal parameters plays a pivotal role in the detection and classification of threat radars in electronic warfare (EW) scenarios. The advent of digital technologies has revolutionized radio systems, and SDR, with its software-based operations, offers unparalleled flexibility. This study presents an SDR-based radar classification system specifically designed for real-time functionality, with a strong emphasis on improved processing speed. The system employs the Density-Based Spatial Clustering of Applications with Noise (DBSCAN) algorithm as a robust classifier and harnesses the power of Graphical Processing Unit (GPU) parallelization to efficiently extract radio frequency (RF) parameters. The experimental results underscore a noteworthy enhancement in the speed of data processing as well as the precision of real-time radar classification.
Benzer Tezler
- Hava hedeflerinin yüksek çözünürlüklü menzil profili verilerinden makina/derin öğrenme yöntemleri ile sınıflandırılması
Classification of aerial targets from high resolution range profile data using deep/machine learning methods
SEDAT TÜRE
Doktora
Türkçe
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK PAKER
- Menzil profili modunda çalışan radarla otomatik hedef sınıflama
automatic target classification with radars operating in range profilling
CENK GÖKBERK
Yüksek Lisans
Türkçe
1997
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ERCAN TOPUZ
- Evaluation of grid based precipitation products over the Mediterranean region in Turkey
Grid tabanlı yağış ürünlerinin Türkiye'de Akdeniz bölgesi için değerlendirilmesi
ENES HİŞAM
Yüksek Lisans
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
DOÇ. DR. ALI DANANDEH MEHR
- Makine öğrenmesi yöntemleri ile imha değerlendirme
Kill assessment using machine learning methods
RAHİME SEVİNÇ GÖKDUMAN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. CENK TOKER
- Deep learning approaches for hailstorm detection and forecasting using CNN and LSTM algorithms: Comparative evaluation of radar products
Derin öğrenme yaklaşımlarıyla dolu fırtınası tespiti ve tahmini için CNN ve LSTM algoritmalarının kullanılması: Radar ürünlerinin karşılaştırmalı değerlendirmesi
NAHİT ÇATMADIM
Yüksek Lisans
İngilizce
2023
Meteorolojiİstanbul Teknik Üniversitesiİklim ve Deniz Bilimleri Ana Bilim Dalı
PROF. DR. MEHMET SİNAN ÖZEREN