Anten tarama tipi bilgisini kullanarak çoklu radar sinyallerini bilgisayar görüsü temelli ayrıştırma
Computer vision based deinterleaving of multiple radar signals using antenna scan type
- Tez No: 998498
- Danışmanlar: DR. ÖĞR. ÜYESİ SELÇUK TAŞCIOĞLU, DR. ADNAN ORDUYILMAZ
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Nesne tespiti, Object detection
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Elektronik Destek ve Elektronik İstihbarat sistemlerindeki temel adım, aynı anda ortamda bulunan birden fazla radar sinyalinin ayrıştırılmasıdır. Taşıyıcı frekans, darbe genişliği ve darbe tekrarlama aralığı gibi parametrelerde çeviklik gösteren modern radar sinyallerinin ayrıştırılması oldukça zorlu bir problemdir. Bu tezde, radar anten tarama tipleriyle doğrudan ilişkili olan genlik örüntülerinden yararlanan, derin öğrenme tabanlı nesne tespiti ve örnek bölütleme yaklaşımlarına dayalı yeni ayrıştırma yöntemleri geliştirilmiştir. Anten tarama tipi, radarın arama veya takip gibi fonksiyonları hakkında kritik bilgiler sunmakta olup genlik örüntülerinin tespiti, bilişsel elektronik harp uygulamaları açısından önem taşımaktadır. Tezin ilk aşamasında, gerçek zamanda çalışma kriterini sağlayan darbe genliği-darbe geliş zamanı (AMP–TOA) görüntülerine dayalı derin öğrenme tabanlı özgün bir nesne tespiti yöntemi geliştirilmiştir. Farklı radar çeşitliliği ve sinyal sayılarını içeren benzetimlerde, yüzde 30 kayıp darbe oranında ortalama mAP50 değerinin 0.98'in üzerinde olması yöntemin etkinliğini göstermektedir. İkinci aşamada, nesne tespitinin darbelere doğrudan erişimdeki sınırlamalarını gidermek amacıyla, nesneye ait maske çıktıları üreten derin öğrenme tabanlı bir örnek bölütleme yöntemi geliştirilmiştir. Böylece, gerçek zamanda çalışma gereksinimini karşılayan, bilinen tüm radar tarama tiplerini kapsayan ve AMP–TOA görüntülerinin kullanıldığı bir örnek bölütleme yöntemi, bildiğimiz kadarıyla, literatürde ilk kez geliştirilmiştir. Bu yöntem, beş radar sinyalinin bulunduğu ve yüzde 30 darbe kaybı içeren en zorlu senaryoda dahi yaklaşık 0.90 F1-skoruna ulaşmıştır. Son olarak, örnek bölütleme yöntemi hem gelişmiş bir benzetim ortamında hem de gerçek donanım üzerinde kablosuz ortamda emüle edilen radar sinyalleri ile doğrulanmıştır. Elde edilen sonuçlar, geliştirilen yöntemin gerçek sistemlere uygulanabilirliğini ortaya koyması açısından önemlidir.
Özet (Çeviri)
The fundamental step in Electronic Support and Electronic Intelligence systems is deinterleaving multiple radar signals existing simultaneously. Deinterleaving modern radar signals, which exhibit agility in parameters such as carrier frequency, pulse width, and pulse repetition interval, remains a challenging task. This thesis introduces novel deep learning based object detection and instance segmentation methods that exploit amplitude patterns directly associated with radar antenna scan types. As scan types provide critical information about radar functions, such as search or tracking, identifying these patterns is valuable for cognitive electronic warfare applications. In the first stage, an object detection method based on amplitude–time-of-arrival (AMP–TOA) images is developed, demonstrating high accuracy and real-time detection of radar emissions. Simulation studies involving diverse radar types and varying numbers of signals show that the proposed method achieves an average mAP50 exceeding 0.98 under a 30% missing-pulse ratio. In the second stage, an instance segmentation approach producing pixel-level masks is introduced to overcome the limitations of object detection in directly accessing pulse information. To the best of our knowledge, this is the first AMP–TOA based segmentation approach in the literature that supports all known radar scan types while meeting real-time constraints. The method attains an F1-score of approximately 0.90 in the most challenging scenario with five radar signals and a 30% missing-pulse ratio. Finally, the proposed segmentation method is validated both in an advanced simulation environment and on real hardware using over-the-air emulated radar signals. The results demonstrate the operational potential of the proposed approach.
Benzer Tezler
- Yeni Cami'nin akustik açıdan performans değerlendirmesi
Evaluation of the acoustical performance of the New Mosque
EVREN YILDIRIM
Yüksek Lisans
Türkçe
2003
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ DEMİRKALE
- New clutter removal methods for through obstacle target detection
Engel arkası hedef tespitinde yeni kargaşa giderme yöntemleri
DENİZ KUMLU
Doktora
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. IŞIN ERER
- 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
- Mobil telefon kullanımına bağlı oluşan 900-1800 mhz radyo frekans dalgalarının meydana getirdiği elektromanyetik alanın iliak kanat kemik mineral yoğunluğuna etkisi
The effect of electromagnetic fields on bone mineral density of iliac bone produced by 900-1800 mhz radio frequency waves dependent on cellular phone usage
BEŞİR ANDAÇ AKSOY
Tıpta Uzmanlık
Türkçe
2006
Ortopedi ve TravmatolojiSüleyman Demirel ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
PROF.DR. NEVRES HÜRRİYET AYDOĞAN
- Kablosuz sistemlerde kayıt sinyal trafiğini en aza indirmek için optimum bölge alanı tasarım tekniği
Optimal location area design technique to minimize registration signalling traffic in wireless systems
ÜMİT ASLIHAK
Yüksek Lisans
Türkçe
2003
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FEZA BUZLUCA