Theses supervised by Dr. Öğr. Üyesi Harun Taha Hayvacı
10 theses · TOBB Economics and Technology University
Coğrafi konum ve sensör verileri ile gözetimsiz sürücü performansı skorlama
Araç sürüş performansının ölçülmesi, özellikle otomotiv ve sigorta sektörlerinde çalışan araştırmacıların ilgisini çeken, oldukça zorlu bir konudur. Bu alandaki geçmiş çalışmaların bir kolu Denetleyici Alanı Veri Yolu Ağı (CAN Bus) ve Küresel Konum Belirleme Sistemi (GPS) çıktıları, fizyolojik veriler, kamera kayıtları ve pek çok diğer veri tipini öznitelik olarak kullanarak, etiketli veri setleri üzerinde agresif/agresif olmayan, dikkatli/dikkatsiz, uykulu/uykusuz gibi davranışsal ayrımları istatistiksel olarak öğrenmeyi amaçlamışlardır. Bir diğer akımda ise, araştırmacılar sürüş davranışlarını kural-bazlı olarak değerlendirmeyi tercih etmişlerdir. Ancak, bu yaklaşımlar etiketli verinin çoğu zaman mevcut olmaması, bütün yol şartlarını temsil edebilecek kuralların öğrenilememesi ve standart bir aracın gerekli bütün sensör modalitelerine sahip olmamasından dolayı kullanışlı değillerdir. Çalışmamızda, bu problemlerin hepsinin üstesinden gelen, minimalistik bir veri üzerinde skorlama yapma kapasitesine sahip, gözetimsiz bir olasılıksal model tasarlanmıştır. Sunulan model, sürücüleri geleneksel anomali tespiti yaklaşımlarıyla değerlendirir. Buna göre, bir sürüş tecrübesinin geçmişte görülen örnekler üzerinden hesaplanan normlara ne kadar uyumlu olduğu, onun ne kadar yüksek skorlanacağını tanımlar. Bu normlar, diğer çalışmalardan farklı olarak, yolun tipine ve trafik akışına bağlı olarak bulunur. Takip edilen olasılıksal yaklaşım, bu sürekli değişkenlerin bileşik olasılık dağılımlarının bilinmesini gerektirmektedir; ancak bu matematiksel olarak oldukça zorlu bir problemdir. Bu işlemi kolaylaştırmak için, değişkenlerden her birini gözetimsiz öğrenme yöntemleri ile ayrıklaştırma yoluna gidilmiştir. Bu sayede, değişkenleri ayrık az sayıda küme ile temsil etmek ve bu kümeler arasındaki paylaşılan eleman sayılarını kullanarak bileşik olasılık dağılımlarını kestirmek mümkün olmuştur. Bileşik dağılım bilgisi, Birlikte Kümelenme Matrisi (BKM) adlı bir yapıda tutulmuştur ve bu matris elde edildikten sonra, skorlama sadece matris üzerindeki pozisyonu bulma problemine indirgenmiştir. Değişkenlerin gözetimsiz modellerle ayrıklaştırılması çalışmamızın merkez noktasını oluşturmaktadır. GPS verileri kullanarak yol tiplerinin kümelenmesi ve CAN Bus kayıtlarından yola çıkarak trafik akış tipi ve sürüş stili kümelenmeleri üzerinde durulmuş, doğru öznitelik seçimi hakkında bilgiler sunulmuş ve kümelenmenin farklı ayrışım metotları ve farklı benzerlik ölçütlerinden hangileriyle daha iyi başarıldığı saptanmıştır. Bu başarım sayısal olarak sunulmuş ve kullandığımız veri setinde en başarılı olan yöntemler saptanmıştır. Ardından bu başarının arkasında yatan faktörler sorgulanmıştır. Böylece alandaki gelecek çalışmalara ışık tutacak bir çerçeve oluşturulmaya çalışılmıştır. Buna ek olarak, kümelenmenin öznitelik uzayından değil de, daha düşük boyutlu bir uzaydan yola çıkılarak yapılmasının yararları açıklanmış, bu yöntem yol tipi ve sürüş stili kümeleme aşamasından uygulanmıştır. Değişkenlerin kümelenmeleri başarıldıktan sonra, elimizde bulunan küçük bir etiketli veri seti üzerinde skorlama işlemi yapılmıştır. Burada agresif şoförlerin, agresif olmayanlardan genellikle daha düşük skorlar alması amaçlanmış ve bu başarılmıştır. Son aşamada ise, aynı başarının literatürdeki diğer bir güçlü modelin varyasyonu ile başarılıp başarılamayacağına bakılmıştır. Bu metot, bizim skorlama yaklaşımımızın tersine, agresif ve agresif olmayan şoförler arasında herhangi bir skorlama farkı gösterememiştir.
Harmonik radar ile elektronik devrelerin tespiti ve sınıflandırılması
Günümüzde elektronik cihazların büyük çoğunluğu, diyot, transistör, yarıiletkenler vb. doğrusal olmayan devre elemanları içerir. Doğrusal olmayan bu devreler, iletilen temel frekansın harmoniklerinde geri-ışımaya neden olurlar. Bu sayede bu devrelerin Radyo Frekansı (RF) yayını ile tespiti ve sınıflandırılmasında harmonik radar kullanılmaktadır. Literatürde yapılan çalışmaların çok büyük bir çoğunluğu, elektronik cihazların tespiti, menzil tayini ve takibine dayanırken, sınırlı sayıda çalışma, cihazların harmonik radar ile ayrıştırılması ve sınıflandırılmasına odaklanmıştır. Bu tezde, doğrusal olmayan yapıdaki elektronik devrelerden geri-ışıyan sinyaller analiz edilerek, bu devrelerin tespiti ve sınıflandırılmasına yönelik özgün metotlar geliştirilmiştir. Bu tez kapsamında, ilk olarak, Frekans Süpürmeli Harmonik Radar (FSHR) yaklaşımı ile elektronik devreleri sınıflandıran özgün bir yöntem sunulmaktadır. Literatürde bulunan çalışmalardan farklı olarak elektronik devrelere sabit güce sahip frekans süpürmeli bir sinyal gönderilmektedir. FSHR yaklaşımı sayesinde farklı tipteki elektronik devreler, farklı harmonik yanıtlar sergilerken, aynı türdeki devreler, benzer harmonik davranışlar göstermektedir. Elektronik devrelerin sınıflandırılmasında harmonik tepkilerden elde edilen istatiksel ve Fourier öznitelikler kullanılmaktadır. Sınıflandırma performansı hem harmonik hem de öznitelik uzaylarında ifade edilmektedir. Harmonik uzay, ilk üç harmonikten oluşan üç boyutlu uzay olarak tanımlanmaktadır. Üç boyutlu öznitelik uzay ise istatiksel ve Fourier parametrelerinden oluşmaktadır. Ek olarak, gürültü varlığındaki harmonik tepkiler kullanılarak Monte Carlo benzetimleri ile FSHR yaklaşımının sınıflandırma performansı değerlendirilmektedir. İlk çalışmanın devamı olarak ikinci çalışmada, elektronik devrelerin sınıflandırılmasında yeni öznitelik kümeleri kullanılmaktadır. Elektronik devrelere, sabit güçte frekans süpürmeli sinyaller iletilerek devrelerin doğrusal olmayan cevapları kaydedilmektedir. Önceki çalışmadan farklı olarak, istatiksel ve Fourier öznitelik kümeleri hem harmonik hem de öznitelik parametrelerinden oluşmaktadır. Bu öznitelik kümeleri ile öznitelik parametrelerini ve harmonik bilgisini tek tek analiz etmekten ziyade bütün parametrelerin bir bütün halinde kullanılması, performans karşılaştırması için iyi bir temel sağlamaktadır. Tez çalışmaları kapsamında yapılan bir başka çalışmada ise elektronik devrelerin harmonik radar ile sınıflandırılmasına dair yeni bir yaklaşım geliştirilmektedir. Önceki çalışmalardan farklı olarak bu çalışmada sunulan doğrusal model yaklaşımı sayesinde, elektronik devrelerin harmonik yanıtları, parametre vektörleri ile ilişkilendirilir. Elektronik devrelere güç süpürmeli zamanla değişen tek tonlu ve iki-tonlu sinyaller gönderilir ve her bir devre için ayırt edici olan parametre vektörleri elde edilir. Kompleks Beyaz Gauss Gürültüsü (CWGN) varlığında En Büyük Olabilirlik Kestiricisi (MLE) kullanılarak tahmini parametre vektörleri elde edilmekte ve normalize edilmiş tahmini parametre vektörlerinin istatiksel öznitelikleri kullanılarak çeşitli elektronik devreler sınıflandırılmaktadır. Benzetim sonuçları, sunulan doğrusal model yöntemi ile parametre vektörlerinin elektronik devreleri başarılı bir şekilde sınıflandırdığını göstermektedir.
Harmonik radar ile elektronik devrelerin tespiti ve sınıflandırılması
Günümüzde elektronik cihazların büyük çoğunluğu, diyot, transistör, yarıiletkenler vb. doğrusal olmayan devre elemanları içerir. Doğrusal olmayan bu devreler, iletilen temel frekansın harmoniklerinde geri-ışımaya neden olurlar. Bu sayede bu devrelerin Radyo Frekansı (RF) yayını ile tespiti ve sınıflandırılmasında harmonik radar kullanılmaktadır. Literatürde yapılan çalışmaların çok büyük bir çoğunluğu, elektronik cihazların tespiti, menzil tayini ve takibine dayanırken, sınırlı sayıda çalışma, cihazların harmonik radar ile ayrıştırılması ve sınıflandırılmasına odaklanmıştır. Bu tezde, doğrusal olmayan yapıdaki elektronik devrelerden geri-ışıyan sinyaller analiz edilerek, bu devrelerin tespiti ve sınıflandırılmasına yönelik özgün metotlar geliştirilmiştir. Bu tez kapsamında, ilk olarak, Frekans Süpürmeli Harmonik Radar (FSHR) yaklaşımı ile elektronik devreleri sınıflandıran özgün bir yöntem sunulmaktadır. Literatürde bulunan çalışmalardan farklı olarak elektronik devrelere sabit güce sahip frekans süpürmeli bir sinyal gönderilmektedir. FSHR yaklaşımı sayesinde farklı tipteki elektronik devreler, farklı harmonik yanıtlar sergilerken, aynı türdeki devreler, benzer harmonik davranışlar göstermektedir. Elektronik devrelerin sınıflandırılmasında harmonik tepkilerden elde edilen istatiksel ve Fourier öznitelikler kullanılmaktadır. Sınıflandırma performansı hem harmonik hem de öznitelik uzaylarında ifade edilmektedir. Harmonik uzay, ilk üç harmonikten oluşan üç boyutlu uzay olarak tanımlanmaktadır. Üç boyutlu öznitelik uzay ise istatiksel ve Fourier parametrelerinden oluşmaktadır. Ek olarak, gürültü varlığındaki harmonik tepkiler kullanılarak Monte Carlo benzetimleri ile FSHR yaklaşımının sınıflandırma performansı değerlendirilmektedir. İlk çalışmanın devamı olarak ikinci çalışmada, elektronik devrelerin sınıflandırılmasında yeni öznitelik kümeleri kullanılmaktadır. Elektronik devrelere, sabit güçte frekans süpürmeli sinyaller iletilerek devrelerin doğrusal olmayan cevapları kaydedilmektedir. Önceki çalışmadan farklı olarak, istatiksel ve Fourier öznitelik kümeleri hem harmonik hem de öznitelik parametrelerinden oluşmaktadır. Bu öznitelik kümeleri ile öznitelik parametrelerini ve harmonik bilgisini tek tek analiz etmekten ziyade bütün parametrelerin bir bütün halinde kullanılması, performans karşılaştırması için iyi bir temel sağlamaktadır. Tez çalışmaları kapsamında yapılan bir başka çalışmada ise elektronik devrelerin harmonik radar ile sınıflandırılmasına dair yeni bir yaklaşım geliştirilmektedir. Önceki çalışmalardan farklı olarak bu çalışmada sunulan doğrusal model yaklaşımı sayesinde, elektronik devrelerin harmonik yanıtları, parametre vektörleri ile ilişkilendirilir. Elektronik devrelere güç süpürmeli zamanla değişen tek tonlu ve iki-tonlu sinyaller gönderilir ve her bir devre için ayırt edici olan parametre vektörleri elde edilir. Kompleks Beyaz Gauss Gürültüsü (CWGN) varlığında En Büyük Olabilirlik Kestiricisi (MLE) kullanılarak tahmini parametre vektörleri elde edilmekte ve normalize edilmiş tahmini parametre vektörlerinin istatiksel öznitelikleri kullanılarak çeşitli elektronik devreler sınıflandırılmaktadır. Benzetim sonuçları, sunulan doğrusal model yöntemi ile parametre vektörlerinin elektronik devreleri başarılı bir şekilde sınıflandırdığını göstermektedir.
Harmonik radar ile elektronik devrelerin tespiti ve sınıflandırılması
Günümüzde elektronik cihazların büyük çoğunluğu, diyot, transistör, yarıiletkenler vb. doğrusal olmayan devre elemanları içerir. Doğrusal olmayan bu devreler, iletilen temel frekansın harmoniklerinde geri-ışımaya neden olurlar. Bu sayede bu devrelerin Radyo Frekansı (RF) yayını ile tespiti ve sınıflandırılmasında harmonik radar kullanılmaktadır. Literatürde yapılan çalışmaların çok büyük bir çoğunluğu, elektronik cihazların tespiti, menzil tayini ve takibine dayanırken, sınırlı sayıda çalışma, cihazların harmonik radar ile ayrıştırılması ve sınıflandırılmasına odaklanmıştır. Bu tezde, doğrusal olmayan yapıdaki elektronik devrelerden geri-ışıyan sinyaller analiz edilerek, bu devrelerin tespiti ve sınıflandırılmasına yönelik özgün metotlar geliştirilmiştir. Bu tez kapsamında, ilk olarak, Frekans Süpürmeli Harmonik Radar (FSHR) yaklaşımı ile elektronik devreleri sınıflandıran özgün bir yöntem sunulmaktadır. Literatürde bulunan çalışmalardan farklı olarak elektronik devrelere sabit güce sahip frekans süpürmeli bir sinyal gönderilmektedir. FSHR yaklaşımı sayesinde farklı tipteki elektronik devreler, farklı harmonik yanıtlar sergilerken, aynı türdeki devreler, benzer harmonik davranışlar göstermektedir. Elektronik devrelerin sınıflandırılmasında harmonik tepkilerden elde edilen istatiksel ve Fourier öznitelikler kullanılmaktadır. Sınıflandırma performansı hem harmonik hem de öznitelik uzaylarında ifade edilmektedir. Harmonik uzay, ilk üç harmonikten oluşan üç boyutlu uzay olarak tanımlanmaktadır. Üç boyutlu öznitelik uzay ise istatiksel ve Fourier parametrelerinden oluşmaktadır. Ek olarak, gürültü varlığındaki harmonik tepkiler kullanılarak Monte Carlo benzetimleri ile FSHR yaklaşımının sınıflandırma performansı değerlendirilmektedir. İlk çalışmanın devamı olarak ikinci çalışmada, elektronik devrelerin sınıflandırılmasında yeni öznitelik kümeleri kullanılmaktadır. Elektronik devrelere, sabit güçte frekans süpürmeli sinyaller iletilerek devrelerin doğrusal olmayan cevapları kaydedilmektedir. Önceki çalışmadan farklı olarak, istatiksel ve Fourier öznitelik kümeleri hem harmonik hem de öznitelik parametrelerinden oluşmaktadır. Bu öznitelik kümeleri ile öznitelik parametrelerini ve harmonik bilgisini tek tek analiz etmekten ziyade bütün parametrelerin bir bütün halinde kullanılması, performans karşılaştırması için iyi bir temel sağlamaktadır. Tez çalışmaları kapsamında yapılan bir başka çalışmada ise elektronik devrelerin harmonik radar ile sınıflandırılmasına dair yeni bir yaklaşım geliştirilmektedir. Önceki çalışmalardan farklı olarak bu çalışmada sunulan doğrusal model yaklaşımı sayesinde, elektronik devrelerin harmonik yanıtları, parametre vektörleri ile ilişkilendirilir. Elektronik devrelere güç süpürmeli zamanla değişen tek tonlu ve iki-tonlu sinyaller gönderilir ve her bir devre için ayırt edici olan parametre vektörleri elde edilir. Kompleks Beyaz Gauss Gürültüsü (CWGN) varlığında En Büyük Olabilirlik Kestiricisi (MLE) kullanılarak tahmini parametre vektörleri elde edilmekte ve normalize edilmiş tahmini parametre vektörlerinin istatiksel öznitelikleri kullanılarak çeşitli elektronik devreler sınıflandırılmaktadır. Benzetim sonuçları, sunulan doğrusal model yöntemi ile parametre vektörlerinin elektronik devreleri başarılı bir şekilde sınıflandırdığını göstermektedir.
Makine öğrenmesi ile gelişmiş polarizasyon kestirim yöntemi
Günümüzde elektronik harp sistemlerinin önemi dramatik olarak artmaktadır. Elektronik Harp sistemlerinin unsurlarından olan elektronik destek sistemleri, elektromanyetik spektrumu pasif olarak kullanmaktadır. Yayılan sinyalleri analiz eden bu sistemler, düşman ve dost unsurların, yönlerini, konumlarını, kimliklerini, birlikler arası haberleşme içeriğini tespit edebilmektedir. Bu sayede, elektronik destek sistemleri istihbarat verilerinin çıkarılmasında büyük rol oynamaktadır. Teknolojinin gelişmesiyle birlikte, radar veya haberleşme sinyallerini analiz eden sistemler kabiliyetlerini genişletmektedir. Elektronik harp ve radar uygulamaları, keşif kabiliyetini artırmanın yanı sıra sinyal polarizasyon bilgilerini kullanarak hedef yön ve konum bulma performansını arttırmaya çalışmaktadır. Bu faktörler, sinyalin polarizasyon bilgisinin bahsedilen mevcut sistemlere dahil edilmesine yol açmıştır. Alıcının veya vericinin bulunduğu platformun konumuna veya yönüne bağlı olarak alıcı-verici arası polarizasyon uyumsuzluğu meydana gelebilmektedir. Hedef sinyallerin yüksek güçte alınabilmesi, başarılı bir yön bulma performansı veya elektronik harp sistemlerine karşı etkili bir karşı önlem alınabilmesi için alıcı ve vericideki polarizasyon uyumsuzluğunun önlenmesi gerekmektedir. Bu yüzden elektronik destek sistemlerinde, yayılan sinyalin polarizasyonunun tespiti, kimliklendirme, yön ve konum bulma sistemlerinde kritik bir rol oynamaktadır. Bu çalışmada, gelen sinyalin polarizasyonunu derin öğrenme yoluyla kestiren bir yaklaşım önerilmiştir. Önerilen yaklaşımda, öncelikle klasik geliş açısı ve polarizasyon kestirimi gerçekleştiren algoritmalar gibi kovaryans matrisi hesaplanmaktadır. Hesaplanan kovaryans matrisinin gerçek, sanal ve faz değerlerinden algoritmanın giriş görüntüleri elde edilmiştir. Evrişimsel sinir ağları sayesinde giriş görüntülerinden öznitelikler çıkarılıp, tam bağlı katmanlar sayesinde polarizasyon kestirimi yapılmaktadır. Çalışmada doğrusal polarizasyon belli çözünürlüklerde ele alınmıştır. İlk sınıf yatay polarizasyon ve son sınıf dikey polarizasyon olmak üzere, doğrusal polarizasyon on farklı sınıfa ayrılmıştır. Gözetimli öğrenme modelini benimseyen ve evrişimsel sinir ağlarını ve tam bağlı katmanları içeren model, klasik algoritmalara göre daha hızlı sonuç vermiştir. Önerilen yaklaşım gerçek-zamanlı sistemlerde kullanılma potansiyelini ortaya koymuştur. Polarizasyon sınıfı kestirme performansı kapsamında, hatalı kestirimlerde dahi komşu sınıfları kestiren algoritma özellikle düşük SNR değerlerinde klasik MUSIC algoritmasına göre daha başarılı sonuçlar vermiştir. Ayrıca tez kapsamında, geliş açısı kestirimi için de hibrit bir algoritma önerilmiştir. Önerilen hibrit algoritma, öncelikle evrişimsel sinir ağı tabanlı bir algoritma ile polarizasyon kestirimi yapmaktadır. Sonrasında geliş açısı kestirimi için klasik Çoklu Sinyal Sınıflandırma (Multiple Signal Classification-MUSIC) algoritması kullanılmaktadır. Evrişimsel sinir ağları ile polarizasyon kestiriminin sonucunda, klasik MUSIC algoritması polarizasyon parametrelerini taramadan doğrudan sadece uzamsal açılarda arama yapacağından, geliş açısını daha hızlı kestirmiştir. Önerilen hibrit algoritma, düşük SNR değerlerinde, polarizasyonu daha başarılı kestirdiğinden, geliş açısı kestirimi kapsamında klasik MUSIC algoritmasına göre daha başarılı sonuçlar vermiştir.
Makine öğrenmesi ile gelişmiş polarizasyon kestirim yöntemi
Günümüzde elektronik harp sistemlerinin önemi dramatik olarak artmaktadır. Elektronik Harp sistemlerinin unsurlarından olan elektronik destek sistemleri, elektromanyetik spektrumu pasif olarak kullanmaktadır. Yayılan sinyalleri analiz eden bu sistemler, düşman ve dost unsurların, yönlerini, konumlarını, kimliklerini, birlikler arası haberleşme içeriğini tespit edebilmektedir. Bu sayede, elektronik destek sistemleri istihbarat verilerinin çıkarılmasında büyük rol oynamaktadır. Teknolojinin gelişmesiyle birlikte, radar veya haberleşme sinyallerini analiz eden sistemler kabiliyetlerini genişletmektedir. Elektronik harp ve radar uygulamaları, keşif kabiliyetini artırmanın yanı sıra sinyal polarizasyon bilgilerini kullanarak hedef yön ve konum bulma performansını arttırmaya çalışmaktadır. Bu faktörler, sinyalin polarizasyon bilgisinin bahsedilen mevcut sistemlere dahil edilmesine yol açmıştır. Alıcının veya vericinin bulunduğu platformun konumuna veya yönüne bağlı olarak alıcı-verici arası polarizasyon uyumsuzluğu meydana gelebilmektedir. Hedef sinyallerin yüksek güçte alınabilmesi, başarılı bir yön bulma performansı veya elektronik harp sistemlerine karşı etkili bir karşı önlem alınabilmesi için alıcı ve vericideki polarizasyon uyumsuzluğunun önlenmesi gerekmektedir. Bu yüzden elektronik destek sistemlerinde, yayılan sinyalin polarizasyonunun tespiti, kimliklendirme, yön ve konum bulma sistemlerinde kritik bir rol oynamaktadır. Bu çalışmada, gelen sinyalin polarizasyonunu derin öğrenme yoluyla kestiren bir yaklaşım önerilmiştir. Önerilen yaklaşımda, öncelikle klasik geliş açısı ve polarizasyon kestirimi gerçekleştiren algoritmalar gibi kovaryans matrisi hesaplanmaktadır. Hesaplanan kovaryans matrisinin gerçek, sanal ve faz değerlerinden algoritmanın giriş görüntüleri elde edilmiştir. Evrişimsel sinir ağları sayesinde giriş görüntülerinden öznitelikler çıkarılıp, tam bağlı katmanlar sayesinde polarizasyon kestirimi yapılmaktadır. Çalışmada doğrusal polarizasyon belli çözünürlüklerde ele alınmıştır. İlk sınıf yatay polarizasyon ve son sınıf dikey polarizasyon olmak üzere, doğrusal polarizasyon on farklı sınıfa ayrılmıştır. Gözetimli öğrenme modelini benimseyen ve evrişimsel sinir ağlarını ve tam bağlı katmanları içeren model, klasik algoritmalara göre daha hızlı sonuç vermiştir. Önerilen yaklaşım gerçek-zamanlı sistemlerde kullanılma potansiyelini ortaya koymuştur. Polarizasyon sınıfı kestirme performansı kapsamında, hatalı kestirimlerde dahi komşu sınıfları kestiren algoritma özellikle düşük SNR değerlerinde klasik MUSIC algoritmasına göre daha başarılı sonuçlar vermiştir. Ayrıca tez kapsamında, geliş açısı kestirimi için de hibrit bir algoritma önerilmiştir. Önerilen hibrit algoritma, öncelikle evrişimsel sinir ağı tabanlı bir algoritma ile polarizasyon kestirimi yapmaktadır. Sonrasında geliş açısı kestirimi için klasik Çoklu Sinyal Sınıflandırma (Multiple Signal Classification-MUSIC) algoritması kullanılmaktadır. Evrişimsel sinir ağları ile polarizasyon kestiriminin sonucunda, klasik MUSIC algoritması polarizasyon parametrelerini taramadan doğrudan sadece uzamsal açılarda arama yapacağından, geliş açısını daha hızlı kestirmiştir. Önerilen hibrit algoritma, düşük SNR değerlerinde, polarizasyonu daha başarılı kestirdiğinden, geliş açısı kestirimi kapsamında klasik MUSIC algoritmasına göre daha başarılı sonuçlar vermiştir.
Makine öğrenmesi ile gelişmiş polarizasyon kestirim yöntemi
Günümüzde elektronik harp sistemlerinin önemi dramatik olarak artmaktadır. Elektronik Harp sistemlerinin unsurlarından olan elektronik destek sistemleri, elektromanyetik spektrumu pasif olarak kullanmaktadır. Yayılan sinyalleri analiz eden bu sistemler, düşman ve dost unsurların, yönlerini, konumlarını, kimliklerini, birlikler arası haberleşme içeriğini tespit edebilmektedir. Bu sayede, elektronik destek sistemleri istihbarat verilerinin çıkarılmasında büyük rol oynamaktadır. Teknolojinin gelişmesiyle birlikte, radar veya haberleşme sinyallerini analiz eden sistemler kabiliyetlerini genişletmektedir. Elektronik harp ve radar uygulamaları, keşif kabiliyetini artırmanın yanı sıra sinyal polarizasyon bilgilerini kullanarak hedef yön ve konum bulma performansını arttırmaya çalışmaktadır. Bu faktörler, sinyalin polarizasyon bilgisinin bahsedilen mevcut sistemlere dahil edilmesine yol açmıştır. Alıcının veya vericinin bulunduğu platformun konumuna veya yönüne bağlı olarak alıcı-verici arası polarizasyon uyumsuzluğu meydana gelebilmektedir. Hedef sinyallerin yüksek güçte alınabilmesi, başarılı bir yön bulma performansı veya elektronik harp sistemlerine karşı etkili bir karşı önlem alınabilmesi için alıcı ve vericideki polarizasyon uyumsuzluğunun önlenmesi gerekmektedir. Bu yüzden elektronik destek sistemlerinde, yayılan sinyalin polarizasyonunun tespiti, kimliklendirme, yön ve konum bulma sistemlerinde kritik bir rol oynamaktadır. Bu çalışmada, gelen sinyalin polarizasyonunu derin öğrenme yoluyla kestiren bir yaklaşım önerilmiştir. Önerilen yaklaşımda, öncelikle klasik geliş açısı ve polarizasyon kestirimi gerçekleştiren algoritmalar gibi kovaryans matrisi hesaplanmaktadır. Hesaplanan kovaryans matrisinin gerçek, sanal ve faz değerlerinden algoritmanın giriş görüntüleri elde edilmiştir. Evrişimsel sinir ağları sayesinde giriş görüntülerinden öznitelikler çıkarılıp, tam bağlı katmanlar sayesinde polarizasyon kestirimi yapılmaktadır. Çalışmada doğrusal polarizasyon belli çözünürlüklerde ele alınmıştır. İlk sınıf yatay polarizasyon ve son sınıf dikey polarizasyon olmak üzere, doğrusal polarizasyon on farklı sınıfa ayrılmıştır. Gözetimli öğrenme modelini benimseyen ve evrişimsel sinir ağlarını ve tam bağlı katmanları içeren model, klasik algoritmalara göre daha hızlı sonuç vermiştir. Önerilen yaklaşım gerçek-zamanlı sistemlerde kullanılma potansiyelini ortaya koymuştur. Polarizasyon sınıfı kestirme performansı kapsamında, hatalı kestirimlerde dahi komşu sınıfları kestiren algoritma özellikle düşük SNR değerlerinde klasik MUSIC algoritmasına göre daha başarılı sonuçlar vermiştir. Ayrıca tez kapsamında, geliş açısı kestirimi için de hibrit bir algoritma önerilmiştir. Önerilen hibrit algoritma, öncelikle evrişimsel sinir ağı tabanlı bir algoritma ile polarizasyon kestirimi yapmaktadır. Sonrasında geliş açısı kestirimi için klasik Çoklu Sinyal Sınıflandırma (Multiple Signal Classification-MUSIC) algoritması kullanılmaktadır. Evrişimsel sinir ağları ile polarizasyon kestiriminin sonucunda, klasik MUSIC algoritması polarizasyon parametrelerini taramadan doğrudan sadece uzamsal açılarda arama yapacağından, geliş açısını daha hızlı kestirmiştir. Önerilen hibrit algoritma, düşük SNR değerlerinde, polarizasyonu daha başarılı kestirdiğinden, geliş açısı kestirimi kapsamında klasik MUSIC algoritmasına göre daha başarılı sonuçlar vermiştir.
Classification of electronic devices using harmonic radar based on a linear model with power-swept signals
Nonlinear circuit components such as diodes, transistors, etc. receive a transmitted signal at a fundamental frequency and re-radiate the harmonics and possibly intermodulation products of that frequency. Many studies have been done to utilize nonlinearities of electronic circuits to detect, range, and track targets of interest in the presence of clutter using harmonic radar, yet only a few number of researches focus on classification of various electronic circuits. A new technique to use nonlinear characteristics of electronic devices for classification of those devices using Harmonic Radar is proposed in this thesis. Unlike prior work in the literature, the powers of the transmitted incident waves are swept within a determined range in this study to capture the nonlinearities of the Electronic Circuits Under Test (ECUT). National Instruments (NI) AWR Design Environment is used to design the ECUT of this study. The first three harmonics of the received powers are analyzed in harmonic space. This novel method, derives the harmonic responses of the ECUT using Power Series Model. As a major contribution of this research, a linear model is proposed to relate the measurements to the unknown deterministic vectors of parameters characterizing the nonlinearities of the ECUT. Each electronic circuit under test has a distinguishable harmonic response to a single-tone or two-tone incident wave with varying power. Therefore, a unique vector of parameters can be derived from the presented linear model for each circuit. A Maximum Likelihood Estimator (MLE) is used in this novel approach to estimate the unique vectors of parameters in the presence of Complex White Gaussian Noise (CWGN) based on the newly developed linear model. K-Nearest Neighbors (kNN) classification method is employed to classify different nonlinear electronic devices such as diode clamper, diode limiter, and full-wave rectifier using the statistical features of the normalized estimated vectors of parameters as distinguishing factors. Simulation results prove the presented method of power-swept incident waves and estimated vectors of parameters to be an effective approach for classification of nonlinear devices using harmonic radar. The performance of the obtained classifier is evaluated using confusion matrices and scattered feature plots of the normalized estimated vectors of parameters. It is shown that the presented classifier in this study has a better performance compared to existing classifiers.
Classification of electronic devices using harmonic radar based on a linear model with power-swept signals
Nonlinear circuit components such as diodes, transistors, etc. receive a transmitted signal at a fundamental frequency and re-radiate the harmonics and possibly intermodulation products of that frequency. Many studies have been done to utilize nonlinearities of electronic circuits to detect, range, and track targets of interest in the presence of clutter using harmonic radar, yet only a few number of researches focus on classification of various electronic circuits. A new technique to use nonlinear characteristics of electronic devices for classification of those devices using Harmonic Radar is proposed in this thesis. Unlike prior work in the literature, the powers of the transmitted incident waves are swept within a determined range in this study to capture the nonlinearities of the Electronic Circuits Under Test (ECUT). National Instruments (NI) AWR Design Environment is used to design the ECUT of this study. The first three harmonics of the received powers are analyzed in harmonic space. This novel method, derives the harmonic responses of the ECUT using Power Series Model. As a major contribution of this research, a linear model is proposed to relate the measurements to the unknown deterministic vectors of parameters characterizing the nonlinearities of the ECUT. Each electronic circuit under test has a distinguishable harmonic response to a single-tone or two-tone incident wave with varying power. Therefore, a unique vector of parameters can be derived from the presented linear model for each circuit. A Maximum Likelihood Estimator (MLE) is used in this novel approach to estimate the unique vectors of parameters in the presence of Complex White Gaussian Noise (CWGN) based on the newly developed linear model. K-Nearest Neighbors (kNN) classification method is employed to classify different nonlinear electronic devices such as diode clamper, diode limiter, and full-wave rectifier using the statistical features of the normalized estimated vectors of parameters as distinguishing factors. Simulation results prove the presented method of power-swept incident waves and estimated vectors of parameters to be an effective approach for classification of nonlinear devices using harmonic radar. The performance of the obtained classifier is evaluated using confusion matrices and scattered feature plots of the normalized estimated vectors of parameters. It is shown that the presented classifier in this study has a better performance compared to existing classifiers.
Classification of electronic devices using harmonic radar based on a linear model with power-swept signals
Nonlinear circuit components such as diodes, transistors, etc. receive a transmitted signal at a fundamental frequency and re-radiate the harmonics and possibly intermodulation products of that frequency. Many studies have been done to utilize nonlinearities of electronic circuits to detect, range, and track targets of interest in the presence of clutter using harmonic radar, yet only a few number of researches focus on classification of various electronic circuits. A new technique to use nonlinear characteristics of electronic devices for classification of those devices using Harmonic Radar is proposed in this thesis. Unlike prior work in the literature, the powers of the transmitted incident waves are swept within a determined range in this study to capture the nonlinearities of the Electronic Circuits Under Test (ECUT). National Instruments (NI) AWR Design Environment is used to design the ECUT of this study. The first three harmonics of the received powers are analyzed in harmonic space. This novel method, derives the harmonic responses of the ECUT using Power Series Model. As a major contribution of this research, a linear model is proposed to relate the measurements to the unknown deterministic vectors of parameters characterizing the nonlinearities of the ECUT. Each electronic circuit under test has a distinguishable harmonic response to a single-tone or two-tone incident wave with varying power. Therefore, a unique vector of parameters can be derived from the presented linear model for each circuit. A Maximum Likelihood Estimator (MLE) is used in this novel approach to estimate the unique vectors of parameters in the presence of Complex White Gaussian Noise (CWGN) based on the newly developed linear model. K-Nearest Neighbors (kNN) classification method is employed to classify different nonlinear electronic devices such as diode clamper, diode limiter, and full-wave rectifier using the statistical features of the normalized estimated vectors of parameters as distinguishing factors. Simulation results prove the presented method of power-swept incident waves and estimated vectors of parameters to be an effective approach for classification of nonlinear devices using harmonic radar. The performance of the obtained classifier is evaluated using confusion matrices and scattered feature plots of the normalized estimated vectors of parameters. It is shown that the presented classifier in this study has a better performance compared to existing classifiers.