Radar kesit alan analizi için yakın alandan uzak alana makine öğrenmesi tabanlı dönüşüm algoritması geliştirilmesi
Development of a machine learning-based transformation algorithm from near field to far field for radar cross section analysis
- Tez No: 933269
- Danışmanlar: PROF. DR. ÖZLEM ÖZGÜN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 94
Özet
Radarlar doğası gereği elektromanyetik dalgaların uzak alan bölgesinde çalışırlar. Radarlar ile yapılan ölçümler uzak alan bölgelerinde kapalı veya açık alanda yapılır. Açık alanda ölçüm yapmanın geniş gözlem alanı ve daha kapsamlı veri toplamı gibi avantajları olmasına rağmen çevre koşulları, hava durumu ve diğer dış etkenler nedeniyle, radar sinyalleri üzerinde istenmeyen etkilere sebebiyet vermesi gibi dezavantajları da vardır. Bu kontrolsüz durumdan kaçınmak için kapalı alan ölçümleri yapılır. Kapalı alanda ölçüm yapmak, dış etkenlerin kontrol altında tutulabilmesi anlamına gelir, bu da ölçüm sürecinin daha öngörülebilir olmasını sağlar. Ancak kapalı alan için tasarlanan yankısız odaların boyutları genellikle uzak alan mesafelerini kapsamamaktadır. Bu durum, ölçümlerin yakın alanda yapılmasını ve daha sonra uzak alana dönüştürülmesini gerektirir. Bu dönüşüm süreci genellikle uzun ve maliyetlidir. Bu tez çalışmasında, bu sorunun çözümü olarak, radar ölçümlerinin akın alandan uzak alana dönüşümünde makine öğrenmesi algoritması kullanılarak bu sürecin daha etkin ve verimli hale getirilmesi hedeflenmektedir. Elektromanyetik dalga ile aydınlatılan hedeflerden, X bandını (8-12 GHz) kapsayacak şekilde, farklı açı ve frekanslarda toplam 3 milyon adet geri saçılan uzak ve yakın elektrik alan bilgisi ALTAIR FEKO programı aracılığıyla toplanmıştır. Bu veriler MATLAB uygulamasında bulunan regresyon algoritmaları ile eğitilmiş ve uzak alan verileri ile karşılaştırılmıştır. Makine öğrenmesi algoritması, yakın alan verilerini kullanarak uzak alan verilerini tahmin etmek üzere eğitilmiştir. Tahmin edilen veriler MATLAB ile işlenerek Ters Yapay Açıklıklı Radar (TYAR) görüntüleri oluşturulmuştur. Sonrasında tahmin verileri ile saçılma merkezleri hesaplanmış ve hesaplanan saçılma merkezleri ile TYAR görüntüleri tekrar oluşturularak orijinal görüntüler ile karşılaştırılmıştır. Laboratuvardan veya ölçüm ekipmanlarından dolayı meydana gelen istenmeyen gürültü sinyallerinin makine öğrenmesi algoritması üzerindeki etkisi incelenmiş ve TYAR görüntüsündeki sonuçları karşılaştırılmıştır. Makine öğrenmesi algoritması ile gürültüsüz ve gürültülü sinyaller için başarılı TYAR görüntüleri oluşturulmuş, eğitim verilerinin artmasıyla daha etkili sonuçlar alınabileceği gösterilmiştir.
Özet (Çeviri)
Radar systems inherently operate in the far-field region of electromagnetic waves. Measurements with radars are conducted in either indoor or outdoor environments in the far-field region. While outdoor measurements offer advantages such as a wide observation area and comprehensive data collection, they also come with disadvantages due to environmental conditions, weather, and other external factors that can introduce unwanted effects on radar signals. To avoid this uncontrolled situation, measurements are performed in indoor environments. Conducting measurements indoors allows for the control of external factors, making the measurement process more predictable. However, the dimensions of anechoic chambers designed for indoor measurements typically do not cover far-field distances. As a result, measurements need to be performed in the near-field and then transformed into the far-field, which often involves a lengthy and costly conversion process. As a solution to this problem, the aim is to make this transformation process more efficient and effective by using machine learning algorithms in the conversion of radar measurements from the near-field to the far-field. The data comprising of a total of three million scattered electric field information from targets illuminated by electromagnetic waves, covering the X-band (8-12 GHz) in different angles and frequencies, has been collected through the ALTAIR FEKO program. These data were trained with regression algorithms available in MATLAB application and compared with far-field data. The machine learning algorithm was trained to predict far-field data using near-field data. The predicted data were processed with MATLAB to create images of Inverse Synthetic Aperture Radar (ISAR). Subsequently, scattering centers were calculated with the predicted data, and ISAR images were reconstructed with the calculated scattering centers and compared with the original images. The impact of unwanted noise signals arising from the laboratory or measurement equipment on the machine learning algorithm was examined, and the results in the ISAR images were compared. The machine learning algorithm successfully generated ISAR images for both noisy and noiseless signals, demonstrating that more effective results could be obtained with an increase in training data.
Benzer Tezler
- Radar target detection using improved transformer neural networks
Geliştirilmiş transformer sinir ağları ile radar hedef tespiti
SENA ÇAYBAŞI
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- The fractional derivative approach to the solution of diffraction problem for the strip
Kesirli türev yaklaşımıyla şeritten saçılma probleminin çözümü
KAMİL KARAÇUHA
Doktora
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ELDAR VELIYEV
DOÇ. DR. VASIL TABATADZE
- Antenna and frequency selective surface design for 3.1 GHZ detect and avoid radar system on unmanned aerial vehicle
İnsansız hava aracında 3.1 GHZ tespit ve kaçınma radar sistemi için anten ve frekans seçici yüzey tasarımı
MOHAMMAD HAROON AZAD
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. FUNDA AKLEMAN YAPAR
DOÇ. DR. HÜSEYİN ŞERİF SAVCI
- Faz dizili antenler için yakın alan tarama probu kalibrasyon yöntemi uygulaması
Application of near field scanning probe method calibration for phased array antennas
MUHAMMED İHSAN ZEYVELİ
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET NURİ AKINCI
- Design, implementation and comparison ofsensor fusion methods for object detection and trackingbased on multiple 3D lidar sensors
Çoklu 3D lidar sensörleri üzerindenesne algılama ve takibi için sensör füzyon yöntemlerinintasarımı, uygulaması ve karşılaştırılması
ELİF AKSU TAŞDELEN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. VOLKAN SEZER