Geri Dön

Adaptive multi-layer interval search tree approach on radar identification

Radar kimliklendirme için uyarlanabilir çok katmanlı aralıklı arama ağacı yaklaşımı

  1. Tez No: 864898
  2. Yazar: ÖMER SİNAN ŞAHİN
  3. Danışmanlar: PROF. DR. DENİZ TURGAY ALTILAR, DR. FATİH ALTIPARMAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Ağaç yapı, Elektromanyetik darbeler, Elektronik harp sistemleri, Elektronik kimlik, Veri yapıları, Yayıcı belirlenmesi, Tree structure, Electromagnetic pulses, Electronic warfare systems, Electronic identification, Data structures, Emitter identification
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Elektronik harp (EH) sistemlerinde kullanılan ve en önemli algoritmalardan biri olan radar kimliklendirme algoritması, ortamda tespit edilen radar sinyallerinin dijitalleştirilmiş parametrelerini, görev veri dosyasındaki (GVD) radarların sinyalleri ile karşılaştırır. GVD, EW görev öncesi hazırlanan bir radar veri tabanı dosyasıdır. GVD, geçmiş görevlerde karşılaşılmış, sonrasında analiz edilmiş ve sıradaki EH görevinde karşılaşılabilecek muhtemel radarlara ait hem sinyal bilgilerini hem de karakteristik bilgileri barındırır. Tespit edilen sinyal, GVD'deki bir radarın sinyal bilgileri ile eşleştiğinde, tespit edilen sinyalin karakteristik bilgilerine de ulaşılmış olur. Karakteristik bilgilere radarın ait olduğu ülke, dost mu düşman mı olduğu, uçak, gemi, tank gibi ait olduğu platform, bu platformda bulunabilen silahlar vb. bilgiler örnek olarak verilebilir. Bu bilgiler sayesinde EW sistemi kullanıcısının, ortam farkındalığı artar ve kritik kararları doğru bir şekilde verebilmesi sağlanır. Ortamdaki aktif yayın yapan ve GVD'de tanımlanan radar sayıları ve çeşitliliği arttıkça tespit edilen sinyalin, GVD'deki radarlar ile karşılaştırılması için harcanan süre artmaktadır. Ayrıca bazı EH sistemleri, radar kimliklendirme algoritmasının hem doğru kimlik bulmasına hem de çok hızlı çalışmasına ihtiyaç duyabilmektedir. Literatür araştırıldığında bu alandaki birçok çalışmada makine ve derin öğrenme yöntemlerini kullanıldığı ve bu çalışmaların %100 doğru kimlik bulma oranına ulaşamadıkları görülmüştür. Bu çalışmada, GVD'deki radarlara ait bilgiler, çok katmanlı, olabildiğince dengeli, aralıklı arama ağaç yapıları ile ifade edilerek hem yüksek performanslı karşılaştırma yapılması hem de %100 doğru kimlik bulma oranına ulaşılması hedeflenmiştir. Bu yapı kullanılarak 2li, 3lü, 4lü ve hibrit ağaç yöntemleri geliştirilmiştir. GVD'deki radarların ağaç yapılarına yerleştirilmesi ve tespit edilen sinyalin ağaçtaki radarlarla karşılaştırılması için algoritmalar geliştirilmiştir. Yöntemler, ön işleme ve sorgu performansları, hafıza ve doğruluk açılarından test edilmiş ve sonuçlar paylaşılmıştır. Sonuç olarak ağaç yapılarının 100% başarılı kimlik bulma oranına ve düşük sorgu zamanına sahip olduğu gözlemlenmiştir. Ön işleme süresi ve kullanılan hafıza açısından oldukça makul olduğu değerlendirilmiştir. Ağaç yöntemlerinden en iyi performansı hibrit ağaç yöntemi göstermiştir. Bu sebeplerle hibrit ağaç yönteminin özellikle zaman ve kimlik doğruluğu kritik sistemlerin radar kimliklendirme algoritması için ideal bir yöntem olacağı değerlendirilmiştir.

Özet (Çeviri)

The radar identification algorithm, one of the most important algorithms used in electronic warfare (EW) systems, compares the digitized parameters of detected radar signals in the environment with the signals of radars in the mission data file (MDF). MDFs are actually radar database files prepared before EW missions. MDFs contain both signal information and characteristics of radars that have been encountered in previous missions, analyzed after the missions and that are likely to be encountered in the next EW mission. When the detected signal matches the signal information of a radar in the GVD, the characteristic information of the detected signal is also obtained. Examples of characteristic information include the country to which the radar belongs, whether it is friendly or hostile, the platform to which it belongs, such as airplanes, ships, tanks, etc., and the weapons that can be found on the platform. These information increase the EW system end user's environmental awareness and enable the end user to make critical decisions accurately. As the number and diversity of active radars in the environment and radars in MDFs increase, the time it takes to compare the detected signal with the radars in the MDF increases. In addition, some EW systems require the radar identification algorithm to be both accurate and fast. A review of the literature reveals that many studies in this field use machine learning and deep learning methods, but these studies cannot not achieve 100% correct identification rate. In this study, the radars in the MDF are expressed in a multi-layered, well-balanced, interval search tree structure to achieve both high performance comparison and 100% correct identification rate. According to the structure, binary tree, 3-tree, quadtree and hybrid tree methods are developed. Algorithms are developed for placing the radars in the tree structures and comparing the detected signal with the radars in the tree. The methods are tested in terms of preprocessing and query performances, memory and accuracy and the results are presented. As a result, it was observed that tree methods have 100% successful identification rate and low query time. It is considered to be quite reasonable in terms of pre-processing time and memory used. Among the tree methods, the hybrid tree method showed the best performance. For these reasons, the hybrid tree method is considered to be an ideal method for radar identification algorithms, especially for time and accuracy critical systems.

Geri Dön