Bağlantılı Bileşen Etiketleme Tabanlı Kümeleme İle Radar Sinyallerinin Ayrıştırılması
Özet
Bu tez çalışmasında, sinyal ayrıştırma işlemi için önerilen yenilikçi bir kümeleme sayesinde radar ikaz alıcısında darbeli ve sürekli dalga sinyallerinin verimli ve yüksek-doğrulukta ayrıştırma amaçlanmıştır. Askeri hava platformları tehdit radar sinyallerini tespit etmek için radar ikaz alıcı mimarilerine sahiptir. Muharebe sırasında askeri uçaklar için tehdit radar kaynaklarının sınıflandırılması ve kabiliyetlerinin belirlenmesi önem arz etmektedir. Bu kapsamda, darbe ve Frekans Modüllü Sürekli Dalga (FMSD) radar sinyallerinin ayrıştırılmasından önce verimli kümeleme için bilgisayarlı görü tabanlı bağlantılı bileşen etiketleme yöntemini içeren yenilikçi bir yöntem önerilmiştir. Bağlantılı bileşen etiketleme ile kümeleme sırasında sinyal ayrıştırma girdileri olan geliş zamanı, geliş açısı, radyo frekansı ve darbe genişliği parametreleri ile çözüm sunulur. Kümeleme sonrasında her bir küme içinde darbe radar sinyalleri için Darbe Tekrarlama Aralığı (DTA) bilgisi çıkarılırken FMSD sinyalleri için frekans değeri, bant genişliği, süpürme süresi ve tarama yönü parametreleri kestirilmektedir. Benzetim test sonuçlarına göre önerilen kümeleme yöntemi hiyerarşik kümeleme yöntemine göre daha hızlı ve doğruluk kaybı olmaksızın performans sağlamaktadır. Ayrıca, FMSD sinyal parametreleri düşük hata oranıyla tahmin edilirken, sabit ve aşamalı DTA bilgileri yüksek başarımla çıkarılmaktadır.
This thesis aims to deinterleave pulsed and continuous wave signals efficiently and accurately with the proposed innovative clustering for the signal deinterleaving process, in the radar warning receiver. Military airborne platforms have radar warning receiver architectures to detect threat radar signals. It is essential to classify and determine the capabilities of threat radar sources for military aircraft during combat. In this scope, an innovative method is proposed that includes a computer vision-based connected component labeling method for efficient clustering of pulse and Frequency Modulated Continuous Wave (FMCW) radar signals. During clustering, it is represented solution with the signal separation inputs such as the time of arrival, the angle of arrival, the radio frequency, and the pulse width parameters. After clustering, inside each cluster, the radio frequency, bandwidth, sweep time, and chirp direction parameters are estimated for FMCW signals while Pulse Repetition Interval (PRI) information is extracted for pulse radar signals. The deinterleaving tests have been comparatively realized with simulations by using various radar signal sets. According to simulation test results, our proposed clustering method provides faster and higher accuracy performance when compared to the hierarchical clustering method. In addition, fixed and staggered PRI information is extracted with high performance, while FMCW signal parameters are estimated with a low error rate.