Detection and classification of multiple shallow-buried targets by a ground penetrating radar
Yüzeye yakın gömülmüş çoklu hedeflerin yer altı radarı ile tespiti ve sınıflandırılması
- Tez No: 811560
- Danışmanlar: PROF. DR. GÖNÜL SAYAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, farklı toprak özellikleri ve toprak yüzeyindeki pürüzlülük şartlarında, aşağı bakan çok geniş bantlı Yer Altı Radarı (YAR) için elde edilmiş benzetim verileri kullanılarak, farklı büyüklüğe, şekle ve gömülüm derinliğine sahip iletken ve/veya dielektrik cisimlerin tespiti ve sınıflandırılması incelenmiştir. Tekli veya çoklu gömülü hedef problemlerinde, zamanın tek boyutlu fonksiyonu olan A-tarama sinyalleri, yanca veya ilerleme yönlerinde elde edilen iki-boyutlu B tarama görüntüleme verileri ile üç-boyutlu C-tarama görüntüleme verileri hep birlikte işlenmiştir. Yer yüzeyine çok yakın gömülen hedeflerin tespitine ilişkin zorlayıcı senaryolar, doğrusal dizilimli GPR anten dizinlerinden kaynaklanan istenmeyen sinyal bağlaşım etkilerini özellikle dikkate alarak, detaylı bir şekilde incelenmiştir. Doğrudan bağlaşan ve yer yüzeyinden sekerek bağlaşan sinyallerinin ayıklanması için kullanılan sinyal işleme algoritmaları derinliğine çalışılmış ve tezde verilen çeşitli senaryolara karşılaştırmalı bir şekilde uygulanmıştır. Hedef geometrisi ve malzeme yapısı bakımından birbirinden oldukça farklı hedeflerin birbirine çok yakın konumlandırıldığı karmaşık bir gömülü hedef senaryosu için hedef tespiti ve sınıflandırma problemleri detaylıca incelenmiştir. Yakındaki yüksek radar kesit alanlı (RKA) cisimler tarafından maskelenen düşük RKA hedeflerin tespitinde, üç-boyutlu C-tarama verilerinden elde edilen enerji görüntüleme haritalarının bölütlenmesi yöntemi önerilmiştir. Hedeflerin tespit aşamasını takiben, tespit noktalarında izole edilen A-tarama sinyallerine ait fizik-tabanlı hedef öznitelikleri, ikinci dereden bir zaman-frekans dönüşüm (ZFD) tekniği olan Page dağılımı kullanılarak elde edilmiştir. Birden fazla bakış açısında elektromanyetik saçınım verisi kullanarak hedef sınıflandırma doğruluğunu iyileştirmek için, hedefin tespit merkezine en yakın örnekleme noktalarında Esas Bileşenler Analizi (EBA) kullanılarak öznitelik füzyonu gerçekleştirilmiştir.
Özet (Çeviri)
In this thesis, detection and classification of conducting and/or dielectric objects of different sizes, shapes and burial depths are investigated based on numerically simulated ultra-wideband Ground Penetrating Radar (GPR) data for different soil properties in flat or rough surface conditions. One-dimensional A-scan time-domain signals, two-dimensional B-scan image data (in cross-track and/or down-track directions), as well as three-dimensional C-scan image GPR data are processed altogether in single target or multiple target problems. The challenging scenario of extremely shallow-buried target detection is examined in detail paying special attention to undesired mutual coupling effects stemming from a collinear GPR antenna array. Signal processing algorithms used for the removal of direct coupling and ground-bounced signals are extensively studied and applied to various scenarios presented in the thesis on a comparative basis. Detection and classification of buried objects in a complex multiple-target scenario are investigated in detail where the targets with quite dissimilar geometries and different material compositions are placed very close to each other. Segmentation of energy maps is proposed and demonstrated to be useful to reveal the presence of low radar cross-section (RCS) targets that may be masked by closely located high RCS objects. For target classification, physics-based electromagnetic target features are extracted from the isolated A-Scan data by using the Page distribution (PD), a quadratic time-frequency distribution (TFD) technique. The method of principal component analysis (PCA) is implemented for feature fusion in the close vicinity of the detected target center to utilize multi-aspect electromagnetic scattered data for improved classification accuracy.
Benzer Tezler
- An ensemble classification model for detecting voice phishing in telecommunication networks and its integration into a visual analysis tool
Telekomünikasyon ağlarında sesli olta saldırılarının birleşik sınıflandırma modeli ile tespiti ve görsel analiz aracına entegrasyonu
HÜSEYİN EREN ÇALIK
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR DOĞRUSÖZ
- Methods for segmentation and classification of swallowing instants from the feeding sound of newborn infants
Yenidoğan bebeklerin beslenme sesi üzerinden yutmaanlarını bölütleme ve sınıflandırma yöntemleri
ABDULLAH ONUR KOYUNCU
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. TOLGA ÇİLOĞLU
- Eeg sinyalleri işlenerek multipl skleroz hastalığının tespiti ve sınıflandırılması
Detection and classification of multiple sclerosis disease by processing of eeg signals
SONER KOTAN
Doktora
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. FIRAT KAÇAR
PROF. DR. AYDIN AKAN
- Ardışık sayısal görüntülerde çok sayıda hareketli nesnenin tespiti, izlenmesi, tanımlanması ve sınıflandırılması (ntits)
Detection, tracking, identification and classification of multiple moving objects in sequential digital images (ntits)
KEMAL BOZKURT
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
PROF. DR. ÇETİN ELMAS
PROF. DR. UĞUR GÜVENÇ
- Detection and classification of breast cancer in whole slide histopathology images using deep convolutional networks
Derin evrişimli ağlar ile tüm slayt histopatolojisi resimlerinde meme kanseri tesbiti ve sınıflandırılması
BARIŞ GEÇER
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELİM AKSOY