Improved microwave imaging of nonlinear scatterers using harmonic radar and machine learning
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: İngilizce
Öğrenci: ONUR ARI
Danışman: Ahmet KIZILAY, CÜNEYT UTKU
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu tez, sentetik açıklıklı harmonik radar teknolojisini kullanarak doğrusal olmayan saçıcıların tespiti ve mikrodalga görüntüleme potansiyelini incelemektedir. Araştırma, diyotlar, transistörler, amplifikatörler ve mikserler gibi doğrusal olmayan bileşenlerin harmonik frekans bileşenlerinin yayılım özelliklerine odaklanmaktadır. Radyo frekansı sinyalleriyle aydınlatıldığında, bu bileşenler p-n bağlantıları nedeniyle doğrusal olmayan saçılma özellikleri gösterir. Bu özellik, harmonik radar sistemlerinin doğrusal olmayan kaynaklardan gelen işaretleri doğal olarak oluşan nesnelerden gelen işaretlerden ayırt etmesini ve doğrusal parazitleri etkin bir şekilde bastırmasını sağlar. Harmonik radar sistemlerinde karşılaşılan bir diğer önemli zorluk da yüksek bir sinyal-gürültü oranı elde edebilmek için yüksek güçlü bir radyo frekansı sinyaline ve harmonik içermeyen temiz bir temel sinyal üretimine ihtiyaç duyulmasıdır. Bu nedenle verici kanalında temel frekansın harmonik bileşenlerini bastıran bir filitre gerekmektedir. Doğrusal olmayan saçıcıların detaylı deneysel mikrodalga görüntülemesi için tek tonlu dar bantlı bir yazılım tanımlı radyo tabanlı harmonik sentetik açıklıklı radar sistemi geliştirilmiştir. Düzgün bir doğrusal dizi sentezlemek için, radar sisteminin bilgisayar kontrollü motorlu mekanik yapısı, çözünürlük, tarama hızı ve doğruluk arasında optimum bir denge elde etmek için dikkatlice optimize edilmiştir. Bu harmonik mikrodalga görüntüleme sistemi, yakın alan bölgesinde tek boyutlu tarama sağlamanın yanı sıra, iki boyutlu haritalama sunan mikrodalga harmonik görüntülemede yenilikçi bir yaklaşımdır. Doğrusal olmayan saçıcıları tanımlamak ve lokalize etmek için geliştirilen görüntü oluşturma tekniklerinde, gecikme ve toplama algoritması ile daha gelişmiş Capon ve Robust Capon algoritmaları kullanılmıştır. Ayrıca, bu çalışma, hüzmeleme sürecini iyileştirmek için bu algoritmaların bir Radyal Tabanlı Fonksiyon Sinir Ağı (RBFNN) yapısı ile entegrasyonunu içeren önemli bir yeniliği sunmaktadır. Üç farklı doğrusal olmayan saçıcı ve iki doğrusal Radar Kesit Alanı (RCS) hedefi kullanılarak sekiz farklı senaryo altında bir dizi deneysel çalışma yürütülmüştür. Bu kapsamlı test ve analizler, hüzmeleme sistemimizin yakın alanından toplanan verilerle doğrusal olmayan saçıcıların 2-D görüntülerinin başarıyla oluşturulmasını sağlamıştır. Görüntüler, çözünürlük, lokalizasyon, doğruluk ve gürültü bastırma yeteneği gibi temel performans parametreleri açısından analiz edilmiş ve yorumlanmıştır. Bu performans değerlendirme süreci, görüntüleme işleminin verimliliği ve doğruluğunu belirlemede hayati öneme sahiptir. Performans parametrelerine ek olarak, standart Capon ve Robust Capon algoritmaları ile eğitilen radyal tabanlı sinir ağlarının görüntü oluşum süresi açısından geleneksel hüzmeleme yöntemleriyle karşılaştırılması yapılmış ve bu karşılaştırmalardan elde edilen bulgular değerlendirilmiştir.