KaydedilenlerDerginizi ekleyin

Dergiler / Gazi University Journal of Science / 2005 / Cilt: 18 - Sayı: 2

DARBELİ RADAR SİSTEMLERİNDE GELİŞTİRİLEN PERİODOGRAM ÇIKARIMLI AKILLI HEDEF TANIMA

AN INTELLIGENT TARGET RECOGNITION SYSTEM BASED ON PERIODOGRAM FOR PULSED RADAR SYSTEMSPERIODOGRAM FOR PULSED RADAR SYSTEMS

Engin AVCI
İbrahim TÜRKOĞLU
Mustafa POYRAZ
Sayfa
259–272
Yayın Tarihi
2010-08-13
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)

Her iki sınıflandırıcının başarımları, geliştirilen özellik çıkarma yöntemine göre radar işaretleri ile hedef tanımada değerlendirilmiştir

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, radar hedef işaretlerini sınıflamak üzere akıllı örüntü tanıma sistemi geliştirilmiştir.
📊
Temel Bulgular & Veri:Radar işaretleri, farklı hedefler için darbeli radar sisteminden elde edilmiştir.
💡
Sonuç & Katkı:Her iki sınıflandırıcının başarımları, geliştirilen özellik çıkarma yöntemine göre radar işaretleri ile hedef tanımada değerlendirilmiştir
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Radar hedef sınıflandırma · güç spektrumu · darbeli radar

Özet

Bu çalışmada, radar hedef işaretlerini sınıflamak üzere akıllı örüntü tanıma sistemi geliştirilmiştir. Örüntü tanımanın önemli bir kısmı olan özellik çıkarma için periodogram güç spektrum yoğunluğu ve akıllı sınıflandırıcı temelli bir yöntem sunulmuştur. Akıllı sınıflandırıcı olarak, yapay sinir ağı ve uyarlamalı yapay sinir ağı temelli bulanık çıkarım sınıflandırıcısı kullanılmıştır. Radar işaretleri, farklı hedefler için darbeli radar sisteminden elde edilmiştir. Her iki sınıflandırıcının başarımları, geliştirilen özellik çıkarma yöntemine göre radar işaretleri ile hedef tanımada değerlendirilmiştir

Abstract

ABSTRACTIn this study, a pattern recognition system is developed for automatic classification of the radar target signals. For feature extraction which is an important subset of the pattern recognition system, a new method which is based on periodogram power spectral density and intelligent classifier is proposed. Artificial neural network and adaptive network based fuzzy inference system were used as an intelligent classifier respectively. Radar signals were obtained from pulse radar system for various targets. According to developed feature extraction method, the classifier performances were evaluated with radar signals on the target recognition.

🔖

Bu Makaleye Atıf Yap

AVCI, E., TÜRKOĞLU, İ., POYRAZ, M. (2010). DARBELİ RADAR SİSTEMLERİNDE GELİŞTİRİLEN PERİODOGRAM ÇIKARIMLI AKILLI HEDEF TANIMA. Gazi University Journal of Science, Cilt: 18 - Sayı: 2, 259–272. https://ajindex.com/articles/255326

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (10)

  1. Ahern J., Delisle G. Y., etc. Radar, Lab-Volt Ltd., vol. 1, Canada, (1989).
  2. Madrid J.J. M., Corredera J. R. C., Vela G. M., “A neural network approach to Doppler-based target classification”, Radar 92. International Conference, Brighton, England, 450–453, (1992).
  3. Swiatnicki Z., Semklo R., “The artificial intelligence tools utilization in radar signal processing”, 12th International Conference on Microwaves and Radar (MIKON '98), Vol. 3, Krakow, Poland, 799 –803, (1998).
  4. Jakubiak A., Arabas J., Grabczak K., etc., “Radar clutter classification using Kohonen neural network”, Radar 97 (Conf. Publ. No. 449), Edinburgh, UK, 185 –188, (1997).
  5. Tang B., Jiang W., Ke Y., “Radar signal classification by projection onto wavelet packet subspaces”, CIE International Conference of Radar Proceedings, Beijing, China, 124–126, (1996). Beastall W. D.,” Recognition of radar signals by neural network”, First IEE International Conference on Artificial Neural Networks, (Conf. Publ. No. 313), London, UK, 139-142, (1989). Application of pattern recognition techniques for early warning radar, Nasa Technical Reports, AD-A299735, Mar, (1995). Guangyi C., “Applications of wavelet transforms in pattern recognition and de-noising”, Concordia University (Canada), (1999).
  6. Sowelam S.M., Tewfik A.H., “Waveform selection in radar target classification”, IEEE Transactions on Information Theory, Vol. 46, 1014 –1029, (2000).
  7. Kempen L.V., Sahli H., Nyssen E., etc., “Signal processing and pattern recognition methods for radar AP mine detection and identification”, Second International Conference on the Detection of Abandoned Land Mines, (Conf. Publ. No. 458), Edinburg, UK, 81–85, (1998). Noone G.P., “A neural approach to automatic pulse repetition interval modulation recognition”, Information Decision and Control, IDC 99 Proceedings, Adelaide, Australia, 213-218, (1999).
  8. Zyweck A., Bogner R.E, “Radar target recognition using range profiles”, IEEE International Conference on Acoustics, Speech, and Signal Processing, ICASSP-94., vol. 2, Adelaide, Australia, II/373 -II/376, (1994). Roome S.J.,”Classification of radar signals in modulation domain”, Electronics Letters, vol.28, 704 –705, (1992).
  9. Liu J., Gao S., Luo Z.Q., etc., “The minimum description length criterion applied to emitter number detection and pulse classification, Statistical Signal and Array Processing”, Proceedings., Ninth IEEE SP Workshop, Portland, Oregon, USA, 172 –175, (1998).
  10. Richards M. A., Fundamentals of Radar Signal Proces