Motion classification for radar moving target via STFT and convolution neural network

Mou, Xiaoqian; Chen, Xiaolong; Su, Ningyuan; Guan, Jian

doi:10.1049/joe.2019.0179

Cited by 5 publications

(2 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Bu sistemler çeşitli elektro optik ve radar sistemlerinden oluşmaktadırlar. Radarlar bu tür sistemlerde olası hedeflerin algılanması ve kullanıcının uyarılması açısından kritik öneme sahiptir [2][3][4][5][6]13]. Kullandıkları teknikler ve amaçlarına göre ayrılan radarlar, cisimlerden yansıyan radyo dalgalarını algılayarak nesne tespiti yapmaktadırlar.…”

unclassified

“…Görüntü tabanlı veri setlerinde çoğunlukla derin öğrenme tabanlı yöntemler tercih edilirken, sayısal nitelikler içeren veri setlerinde ve işlem maliyetinin düşük olması istenen çalışmalarda Destek Vektör Makineleri (Support Vector Machine), k-En Yakın Komşu (k-nearest neighbors), karar ağacı vb. yöntemler tercih edilmektedir[1,[3][4][5][6][18][19][20].…”

unclassified

See 1 more Smart Citation

Target Detection in Unbalanced Doppler Radar Data Using Convolutional Neural Network

Erdoğan

Yıldız

2023

Journal of Polytechnic

View full text Add to dashboard Cite

Kritik öneme sahip askeri ve sivil yerleşkelerin korunması geçmişte olduğu gibi günümüzde önemini korumaktadır. Bu amaçla, çeşitli sensörler barındıran sistemler geliştirilmektedir. Sensörlerin sağladığı verilerden bilginin elde edilmesi donanımların en verimli şekilde kullanılması açısından önemlidir. Radar sistemleri keşif, gözetleme ve tespit amacıyla sıklıkla kullanılmaktadır. Radar ile tespit edilen nesnelerin sınıflandırılması amacıyla kural tabanlı ve makine öğrenmesi tabanlı yöntemler mevcuttur. Makine öğrenmesi tabanlı yaklaşımlarda uzman görüşüne gerek kalmadan zaman içerisinde hedef nesnenin karakteristik özellikleri model tarafından öğrenilir. Bu sebeple bu yöntemler kural tabanlı yöntemlere nazaran daha avantajlıdır. Gerçekleştirilen bu çalışmada, dengesiz Doppler Radarı verisi üzerinde İHA’ların diğer nesnelerden ayırt edilmesi amacıyla hedef sınıflandırması yapılmıştır. Deneysel çalışmalarda en yüksek başarım SMOTE kullanılarak dengeli hale getirilen veri setinde elde edilmiş, önerilen CNN modeli ile %99,99 doğruluğa ulaşılmıştır.

show abstract

unclassified