Milimetre dalga radarı kullanılarak makine öğrenmesi ile drone pervanesi tanıma ve kimliklendirme

Drone olarak da adlandırılan mini boyutlu insansız hava araçları (IHA), uçuşa hazır olarak kolaylıkla satın alınabilmektedir. Çeşitli teknolojik uygulama alanlarında, bu cihazların tespiti, takibi ve sınıflandırılması yüksek önem arz etmektedir. Sinyal işleme bağlamında düşünüldüğünde, Drone'ların en ayırt edici özelliği pervaneleridir. Bu tez, IHA'ların en önemli parçalarından biri olan pervanelerinin milimetre dalga radarını kullanarak çeşitli makine öğrenmesi metodları ile varlığını, dönüş hızını ve boyutunu tespit etme konusundaki çalışmaları içermektedir. Bu araştırma, Texas Instruments'ın tüketici sınıfı milimetre dalga Frekans Modülasyonlu Sürekli Dalga (FMCW) radar modülünün (IWR1843), İHA pervanesinin tanınması ve kimliklendirilmesi için makine öğrenme teknikleriyle birlikte kullanımını araştırmaktır. Milimetre dalgalı radar teknolojisinin benzersiz yeteneklerinden yararlanan bu çalışma, makine öğrenimi modellerini kullanarak İHA pervaneleri tarafından üretilen karmaşık frekans modellerini yakalamayı ve analiz etmeyi amaçlamaktadır. Kontrollü ortamlarda yapılan deneysel doğrulama, makine öğrenimi algoritmalarıyla birleştirilmiş milimetre dalgalı FMCW radar modülünün, İHA pervanesinin varlığı, boyutu ve gaz seviyesinin yakınsanması gibi pervane özelliklerine göre %92'ye kadar doğru bir şekilde tespit etme ve tanımlama potansiyeline sahiptir. Ayrıca bu tez sırasında önerilen çoklu sinir ağı yönteminin birden fazla çıkışlı tek MLP modeline üstünlüğü, yapılan deneylerle gösterilmiştir.