KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2014 / Cilt: 29 - Sayı: 2

DALGACIK PAKET DÖNÜŞÜMÜ VE GENETİK ALGORİTMA KULLANARAK ZAYIF RADAR SİNYALLERİNİN GÜRÜLTÜDEN ARINDIRILMASI

Mehmet ÜSTÜNDAĞ
Engin AVCI
Muammer GÖKBULUT
Fikret ATA
Sayfa
0
Yayın Tarihi
2014-06-17
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Elde edilen sonuçlara göre, önerilen yöntemin başarımının diğer yöntemlere göre oldukça iyi olduğu görülmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Radar, haberleşme sistemlerinin önemli uygulama alanlarından birini oluşturur.
📊
Temel Bulgular & Veri:Bu amaç doğrultusunda, geleneksel yöntemlerden farklı olarak Dalgacık Paket Dönüşümü kullanılmıştır.
💡
Sonuç & Katkı:Elde edilen sonuçlara göre, önerilen yöntemin başarımının diğer yöntemlere göre oldukça iyi olduğu görülmektedir.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Zayıf Radar Sinyali · Gürültüden Arındırma · Genetik Algoritma

Özet

Radar, haberleşme sistemlerinin önemli uygulama alanlarından birini oluşturur. Radar sinyali kaynaktan hedefe varıncaya kadar çevresel ya da insan kaynaklı nedenlerden dolayı asıl sinyale gürültü karışmış olabilir. Böylece, sinyalin doğru okunması imkânsız olabilir. Bu makalede, zayıf radar sinyallerini yüksek başarım ile gürültüden arındırmak amaçlanmıştır. Bu amaç doğrultusunda, geleneksel yöntemlerden farklı olarak Dalgacık Paket Dönüşümü kullanılmıştır. Bu dönüşümler gerçekleştirilirken, uygun dalgacık ailesi türü, entropi türü ve seviye seçimi oldukça önemli olmaktadır. Ayrıca, uygun bir eşik fonksiyonunun seçilmesi de yüksek başarım için önemlidir. Bu makalede, akıllı sistem olan Genetik Algoritma yapısı optimizasyon amaçlı önerilmiştir. Bu yapı ile birlikte, en iyi dalgacık ailesi türü, entropi türü ve seviye sayısı belirlenebilir. Eşikleme fonksiyonu olarak Bulanık s-fonksiyonu tercih edilmiş ve bu fonksiyona ait değişken parametreler en iyi başarım kriterine göre seçilmiştir. Daha sonra, zayıf radar sinyallerini gürültüden arındırabilmek için önerilen bu yöntem, literatürde mevcut olan diğer algoritmalarla karşılaştırılmıştır. Ortalama Karesel Hatanın Karekökü ve Korelasyon Katsayısı kriterleri kullanılarak başarımlar test edilmiştir. Elde edilen sonuçlara göre, önerilen yöntemin başarımının diğer yöntemlere göre oldukça iyi olduğu görülmektedir.

🔖

Bu Makaleye Atıf Yap

ÜSTÜNDAĞ, M., AVCI, E., GÖKBULUT, M., ATA, F. (2014). DALGACIK PAKET DÖNÜŞÜMÜ VE GENETİK ALGORİTMA KULLANARAK ZAYIF RADAR SİNYALLERİNİN GÜRÜLTÜDEN ARINDIRILMASI. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 29 - Sayı: 2, 0. https://ajindex.com/articles/20510

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (16)

  1. Yang, B.J. ve Li, Y., “Introduction of chaotic oscillator detection”, Beijing: Publish House of Electronics Industry, 2004.
  2. Couch, I., Digital and Analog Communication Systems, Maxwell MacMillan, New York, A.B.D., 1990.
  3. Cunningham, I. A., ve Shaw, R., “Noise in imaging systems and humaan vision: signal-to-noise optimization of medical imaging systems”, Journal of the Optical Society of America, A16 (3), s.621-632. 1999.
  4. Chen, W., Meng C., Wang C. ve Zhang, Z., “Summary on weak signal detection methods based on chaos theory”, The Ninth International Conference on Electronic Measurement and Instruments, 978-1-4244-3864-8/09, IEEE, 2009.
  5. Wang, G., ve diğ., “Application of chaos oscillator in detection of signal under the background of strong noise”, Beijing: Chinese Journal of Scientific Instrument, 18(2), 209-212. 1997.
  6. Ehara, N., Sasese, I. ve Mori, S., “Weak radar signal detection based on wavelet transform”, IEEE, 0-7803-1775-0/94, 1994.
  7. Ahern, J., Delisle, G. Y. ve diğ., Radar, Lab-Volt Ltd., vol. 1, Canada. 1989.
  8. Ahern, J., Delisle, G. Y. ve diğ., Radar, Lab-Volt Ltd., vol. 2, Canada. 1990.
  9. Aly, O.A.M. ve Omar A.S., “Detection and localization of RF radar pulses in noise environments using wavelet packet transform and higher order statistics”, Progress in Electromagnetics Research, PIER 58, 301-317, 2006.
  10. Wei, C. ve Zhu, W., “Weak signal denoising method based on accumulation in frequency domain and wavelet transform”, Third International Symposium on Information Processing, IEEE, 2010. Chongsheng L., “Study of weak signal detection based on second FFT and chaotic oscillator”, Nature and Science, 3(2), 2005.
  11. Khairnar, D.G., Merchant, S.N., Desai, U.B., “Radar signal detection in non-gaussian noise using RBF neural network”, Journal of Computers, Vol.3, No.1. 2008.
  12. To, A.C., Moore, J.R., Glaser, S.D., “Wavelet denoising techniques with applications to experimental geophysical data”, Signal Processing, 89, 144-160, 2009.
  13. Yang, R., Ren, M., “Wavelet denoising using principal component analysis”, Expert systems with Applications, 38, 1073-1076, 2011.
  14. Sharma, L.N., Dandapat S. ve Mahanta A., “ECG signal denoising using higher order statistics in wavelet subbands”, Biomedical Signal Processing and Control, 5, 214-222. 2010.
  15. Bingo W.K, L., Charlotte H., Hak-Keung L., Thomas P.L, W., Albert, Y., Peter, S., “Fuzzy rule based multiwavelet ECG signal denoising”, IEEE International Conference on Fuzzy Systems, 2008.
  16. Geetha, G. ve Geethalakshmi S.N., “EEG De-noisin