Machine learning-based interference mitigation and ghost target reduction for one-bit quantized Simo FMCW automotive radars
Makine öğrenmesi temelli bir-bit örneklenmiş Simo FMCW otomotiv radarlar için girişim temizleme ve hyalet hedef azaltma
- Tez No: 900048
- Danışmanlar: PROF. DR. ALİ ÖZGÜR YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 105
Özet
Bir bitlik analog-dijital çeviriciler ile donatılmış otomotiv radarlarının kullanımı, düşük üretim maliyeti ve düşük güç tüketimi nedeniyle yüksek hassasiyetli muadillerine kıyasla umut verici bir alternatif sunar. Ancak, bir bitlik örnekleme, menzil-Doppler haritalarında hayalet hedeflerin ortaya çıkmasına yol açabilir ve bu da yanlış tespitlere neden olabilir. Ayrıca, radarlar arası girişim içeren senaryolarda, eşevreli girişimin hedef benzeri görünümü ve yüksek gücü hayalet hedef sorununu daha kötü hale getirirken, eşevreli olmayan girişim gürültü tabanını yükselterek hedefin tespit edilebilirliğini azaltır. Bu tez, bir bitlik örneklenmiş frekans modülasyonlu sürekli dalga radarlarında eşevreli girişimin neden olduğu hayalet hedefler ve eşevreli olmayan girişim nedeniyle gürültü tabanının artması sorunlarını ele alır. Girişimi hafifletmek ve menzil-Doppler haritalarında hayalet hedefleri azaltmak için makine öğrenimi yöntemlerinin kullanımını araştırır. Sinir ağının performans analizi, tespit performansı, ağın çıktısındaki hayalet hedeflerin sayısı ve Sinyal-Girişim-artı-Gürültü Oranı metriği bazında yapılmıştır. Sonuçlar, önerilen sinir ağlarının hayalet hedefleri etkili bir şekilde ortadan kaldırdığını, böylece yanlış tespitleri engellediğini ve eşevreli olmayan girişimi hafifleterek Sinyal-Girişim-artı-Gürültü Oranını artırdığını göstermektedir.
Özet (Çeviri)
The use of automotive radars equipped with one-bit analog-to-digital converters offers a promising alternative to their high-precision counterparts, due to their cost-effectiveness and low power consumption. However, one-bit sampling can lead to the appearance of ghost targets in range-Doppler maps, potentially causing false detections. Furthermore, in scenarios involving radar-to-radar interference, the target-like appearance and high power of coherent interference exacerbates the ghost target problem, while non-coherent interference reduces target detectability by raising the noise floor. This thesis addresses the issue of ghost targets caused by coherent interference and the noise floor increase due to non-coherent interference in one-bit quantized frequency-modulated continuous-wave radars. It explores the use of machine learning methods to mitigate interference and reduce ghost targets in range-Doppler maps. Performance analysis of a neural network-based solution is conducted based on the detection performance, the number of ghost targets in the network's output, and the SINR metric. The results demonstrate that the proposed neural networks effectively eliminate the ghost targets caused by coherent interference, thus preventing false detections, and mitigate interference caused by non-coherent interference, thereby increasing SINR.
Benzer Tezler
- Error mitigation in next generation nand flash memories
Gelecek nesil nand flash depolama sistemlerinde hata azaltma
MAHMOOD REZA ALIZADEH ASHRAFI
Doktora
İngilizce
2018
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ EMRE PUSANE
- Elektrik enerji sistemlerinde güç kalitesi
Power quality in electrical energy systems
ALİ GEMİCİ
Yüksek Lisans
Türkçe
1995
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. NESRİN TARKAN
- Deep learning based channel equalization for mimo isi channels
Çoklu giriş çoklu çıkış sistemlerde semboller arası girişim kanalları için derin öğrenme tabanlı kanal eşitleme
BERKE EREN
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TOLGA METE DUMAN
- Deep-learning for communication systems: New channel estimation, equalization, and secure transmission solutions
Haberleşme sistemleri için derin öğrenme: Yeni kanal kestirimi, denkleştirme ve güvenli iletim çözümleri
MÜCAHİT GÜMÜŞ
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TOLGA METE DUMAN
- Design of robust speaker idintification with built-in noise immunity
Gürültü ayırıma özellikli hoparlör tasarımı
ALI NAJDET NASRET CORAN
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAYRİ SEVER
DR. ÖĞR. ÜYESİ MURAD MOHAMMED AMIN