Radar target detection under correlated non-Gaussian clutter using transfer learning
Gauss olmayan ilintili kargaşa altında transfer öğrenmeyi kullanarak radar hedef tespiti
- Tez No: 919099
- Danışmanlar: PROF. DR. ALİ ÖZGÜR YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Radar sinyal i¸sleme alanında, gürültü ve karga¸sa varlı˘gında hedeflerin do˘gru ¸sekilde tespit edilmesi, otonom araçlar ve askeri savunma sistemleri gibi uygulamalar için kritik öneme sahiptir. Do˘grusal frekans modülasyonlu sürekli dalga (LFMCW) radar sistemlerinde, yansıyan sinyaller genellikle gürültü ve karma¸sık çevresel etkiler tarafından bozulur, bu da hedef tespitini zorla¸stırır. Derin ö˘grenme alanındaki son geli ¸smeler, özellikle evri¸simli sinir a˘gları (CNN) ve transfer ö˘grenimi, sinyal tespitini iyile¸stirmek için umut verici çözümler sunmaktadır. Bu tez, çoklu hedef tespiti için ResNet modellerinin entegrasyonunu ara¸stırmakta ve performansını geleneksel sabit yanlı¸s alarm oranı algoritmaları (CFAR) ve uyarlamalı normalize edilmi¸s e¸sle¸smi¸s filtrelerle (ANMF) kar¸sıla¸stırarak, ili¸skili Gauss olmayan karga¸sa ve dü¸sük sinyalgürültü- artı-karga¸sa oranlarında de˘gerlendirmektedir. Yöntemimiz, önceden e˘gitilmi¸s modellerin yüksek do˘grusal olmayan temsil yetene˘gi sayesinde, tespit olasılı˘gı açısından hem geleneksel hem de en yeni yöntemlere üstünlük sa˘glayarak radar sinyal i¸sleme için uygun bir çözüm sunmaktadır.
Özet (Çeviri)
In radar signal processing, accurate detection of targets in the presence of noise and clutter is critical for systems like autonomous vehicles and military defense. In linear frequency modulated continuous wave radar, reflected signals are often degraded by noise and clutter, complicating target detection. Recent advancements in deep learning, particularly convolutional neural networks and transfer learning, offer promising solutions for enhancing signal detection. This thesis explores the integration of ResNet models for multi-target detection, comparing their performance with traditional constant false alarm rate algorithms and adaptive normalized matched filters in addressing correlated non-Gaussian clutter and low signal-to-clutter-plus-noise ratios. Our method outperforms conventional and state-of-the-art techniques using pretrained models with high nonlinear representation capability in terms of probability of detection, offering a robust solution for radar signal processing.
Benzer Tezler
- Novel methods for SAR imaging problems
SAR görüntüleme problemleri için yeni metodlar
SALİH UĞUR
Doktora
İngilizce
2013
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- Tektür olmayan ilintili çevresel yansımalı ortamda sansürlemeli uyarlanabilir SYAO başarımı
Adaptive censored CFAR performance in nonhomogenous correlated clutter
OSMAN COŞKUN
Yüksek Lisans
Türkçe
2007
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. KANİ MÜCAHİT ÜNER
- Çoklu hedef ortamında ilintili m-tarama için hücre ortalamalı sabit yanlış alarm oranı (HO-SYAO) radar işlemcileri başarımı
Performance of cell average constant false alarm rate (CA-CFAR) processors for m-correlated sweeps in multiple target environments
ELVAN ŞAHİN
Yüksek Lisans
Türkçe
2009
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MÜCAHİT ÜNER
- Doğrusal anten dizilerinde ortak bağlaşım durumunda uyarlanır huzme oluşturma yöntemlerinin karşılaştırılması
Comparison of adaptive beamforming methods in the presence of mutual coupling of linear antenna arrays
CİHAD SİNAN ATEŞAVCI
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SULTAN ALDIRMAZ ÇOLAK
- Yer radarı ile karstik boşluk araştırmaları
Karstic cavity investigations with ground penetrating radar
MEHMET TUZER
Yüksek Lisans
Türkçe
2015
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiKatı Yer Bilimleri Ana Bilim Dalı
DOÇ. DR. ZİYADİN ÇAKIR