8.5 GHz FMCW radarı kullanarak araç, insan ve dron üzerinden oluşturulan menzil doppler haritalarının uzamsal boyutlarda sınıflandırılması
Spatial classification of range doppler maps generated from vehicles, humans and drones using 8.5 GHz FMCW radar
- Tez No: 961027
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET DİKMEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Savunma ve Savunma Teknolojileri, Computer Engineering and Computer Science and Control, Defense and Defense Technologies
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Savunma Teknolojileri ve Sistemleri Ana Bilim Dalı
- Bilim Dalı: Savunma Elektroniği ve Yazılım Bilim Dalı
- Sayfa Sayısı: 107
Özet
Bu tezde, menzil doppler haritalarına bağlı olarak insan, dron ve araç özelinde nesne sınıflandırma teknikleri araştırılmıştır. Kullanılan makine öğrenmesi ve derin öğrenme modelleri mimarileri, ardışık menzil doppler görüntülerinin uzamsal ve zamansal özellikleri dikkate alınarak belirlenir. Kamuya açık olan RDRD veri seti, önerilen model mimarisini eğitmek ve değerlendirmek için kullanılmıştır. Veri seti, bir 8.5 GHz frekans modüleli sürekli dalga radarı kullanılarak toplanmış; insan, araç ve dron gibi farklı hedef türlerine ait menzil doppler görüntülerini içermektedir. Belirli bir yol boyunca seyahat eden araç, dron ve insan için belirli sinyal işleme adımlarından geçirilerek elde edilen bu görüntüler, her sınıf için ardışık şekilde bir araya getirilerek bir görüntü yığını oluşturulmuştur. Söz konusu veri seti içindeki görüntülerin işlenmesi için, makine öğrenme ve derin öğrenme yöntemlerini içeren birkaç görüntü sınıflandırma tekniği vardır. Bu kapsamda, makine öğrenmesi tabanlı Rastgele Orman (RF) ve Aşırı Gradyan Artırmalı Öğrenme (XGB) algoritmalarının yanı sıra, derin öğrenmeye dayalı 2 Boyutlu Evrişimli Sinir Ağı (2D CNN) ve Görsel Dönüştürücü (ViT) mimarileri de karşılaştırmalı olarak değerlendirilmiştir. Bu mimariler özelinde, bahsedilen üç ayrı hedef için RF mimarisi test veri setinde %91,45, XGB yöntemi %92,54, özelleştirilmiş 2D CNN modeli %94,34 ve ViT mimarisi test veri seti üzerinde %93,19 oranında sınıflandırma doğruluğu sağlamıştır.
Özet (Çeviri)
In this thesis, object classification techniques for human, drone and vehicle based on range doppler maps are investigated. The machine learning and deep learning model architectures used were determined by considering the spatial and temporal characteristics of consecutive range doppler images. The publicly available RDRD dataset is used to train and evaluate the proposed model architecture. The dataset contains range doppler images of different types of targets, such as humans, vehicles and drones, collected using an 8.5 GHz frequency modulated continuous wave radar. These images, which are obtained by performing certain signal processing steps for vehicles, drones and humans traveling along a given path, are stacked together consecutively for each class to form an image stack. There are several image classification techniques for processing these images, including machine learning and deep learning methods. In this context, machine learning based Random Forest and XGBoost algorithms as well as deep learning based 2D Convolutional Neural Network and Visual Transformer architectures are comparatively evaluated. Specific to these architectures, Random Forest architecture provided 91,45%, XGBoost obtained 92,54%, custom developed 2D Convolutional Neural Network resulted 94,34% and Visual Transformer architecture achieved 93,19% classification accuracy on the test dataset.
Benzer Tezler
- GF 22nm FDSOI power management unit with integrated SRAM design
Entegre SRAM tasarımlı GF 22nm FDSOI güç yönetim birimi
MAHMUT ÇOBAN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET TEKİN
- Development of a (Doppler-Preserving) digital signal processing algorithm for a FMCW radar
FMCW radar için sayısal işaret işleme algoritması tasarımı
HASAN İŞEL
Yüksek Lisans
İngilizce
2013
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK PAKER
- 77 GHz SiGe BiCMOS FMCW RADAR for automotive applications
Otomotiv uygulamaları için 77 GHz SiGe BiCMOS FMCW RADAR
HAMZA KANDİŞ
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR GÜRBÜZ
- Yere nüfuz eden radar sistemi ile gömülü hedef tespiti ve modellenmesi
Embedded target detection and modeling wi̇th ground penetrating radar system
ALİ ŞÖLEN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Uludağ ÜniversitesiElektrik-Elektronik Ana Bilim Dalı
DOÇ. DR. SİBEL YENİKAYA
- Terahertz stand-off imaging for security applications
Güvenlik uygulamaları için terahertz uzaktan görüntüleme
İHSAN OZAN YILDIRIM
Doktora
İngilizce
2023
Fizik ve Fizik MühendisliğiOrta Doğu Teknik ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. HAKAN ALTAN