AI Summary & Key Takeaways
AI InsightThe result presented here demonstrates that Fourier transform based feature extraction can be used effectively in radar target classification applications.Keywords: Artificial neural networks, naïve bayes classifier, radar cross section, radar target classification.
📌 3 Key Takeaways
Abstract
The classification of radar targets is one of the most important study topics, especially in the defense and automotive industries. However, in most of the studies in the literature, raw radar signals are used. Raw radar signals may be subject to ambient noise and signal modulation effects. This may make it difficult to classify radar targets. In this study, instead of using raw data, Fourier-based features extracted from Radar Cross-sectional Area have been used. These extracted features are then input to two types of classifiers, ie, Naive Bayes (NB) and Artificial Neural Networks (ANN) for the classification of radar targets. In addition, both classifiers were trained with different algorithms and their performances were compared. In the ANN-based classifiers, the best accuracy was found that 96.69% with using Bayesian regularization and back propagation training function. On the other hand, the best accuracy with the NB classifier was achieved at 93.95% using Epanechnikov Kernel Distribution. The result presented here demonstrates that Fourier transform based feature extraction can be used effectively in radar target classification applications.Keywords: Artificial neural networks, naïve bayes classifier, radar cross section, radar target classification.
Özet
Radar hedeflerinin sınıflandırılması, özellikle savunma ve otomotiv endüstrilerinde en önemli çalışma konulardan biridir. Ancak, literatürdeki çalışmaların çoğunda ham radar sinyalleri kullanılmaktadır. Ham radar sinyalleri ortamdan kaynaklı Gürültü ve sinyal modülasyon etkilerine maruz kalabilmektedir. Bu durum radar hedeflerinin sınıflandırılmasını zorlaştırabilir. Bu çalışmada, ham veri kullanmak yerine, Radar Kesit Alanından çıkarılan Fourier tabanlı özellikler kullanılmıştır. Bu çıkarılan özellikler daha sonra radar hedeflerinin sınıflandırılması için iki tür sınıflandırıcıya, yani Naive Bayes (NB) ve Yapay Sinir Ağlarına (YSA) girdi olarak verilmiştir. Ayrıca, her iki sınıflandırıcı farklı algoritmalar ile eğitilmiş ve performansları karşılaştırılmıştır. YSA tabanlı sınıflandırıcıda, en iyi doğruluk, Bayesian regülarizasyon ve geri yayılma eğitim fonksiyonu kullanılarak 96.69% olarak bulunmuştur. Diğer taraftan, NB sınıflandırıcı ile en iyi doğruluk Epanechnikov çekirdek dağılımı kullanılarak 93.95% olarak elde edilmiştir. Burada sunulan sonuç, Fourier dönüşüm temelli öznitelik çıkarımının radar hedef sınıflandırma uygulamalarında etkili bir şekilde kullanılabileceğini göstermektedir.Anahtar kelimeler: Yapay sinir ağları, naïve bayes sınıflandırma, radar kesit alanı, radar hedef sınıflandırma.