No/VOL: 12/2023 Page no. 152
Authors: Mostafa Mostafa , Mahmoud Shaker , Shady Zahran , Mohamed Nasr , Azhar Hamdi :
Title: Bank rozszerzonych filtrów Dopplera umożliwiający lepsze wykrywanie celów w oparciu o uczenie maszynowe
Abstract: Radarowe wykrywanie celów (RTD) to krytyczny aspekt nowoczesnych systemów radarowych, które są szeroko stosowane zarówno w zastosowaniach cywilnych, jak i wojskowych. Jednak wykrywanie celów w bałaganie i niesprzyjających warunkach jest trudne przy konwencjonalnych metodach przetwarzania sygnału, takich jak stała częstość fałszywych alarmów (CFAR). Trudne i złożone środowiska w pomiarach radarowych sprawiają, że problem wykrywania celu staje się jeszcze większym wyzwaniem przy użyciu tradycyjnych metod. Dlatego kluczowe znaczenie ma opracowanie niezawodnej i solidnej techniki BRT. W tym artykule zaproponowano podejście, które łączy uczenie maszynowe (ML) z konwencjonalnymi metodami wykrywania, oddzielania i klasyfikowania rzeczywistych celów z hałaśliwego tła w prawdziwym zbiorze danych radarowych poprzez zastosowanie klastrowania rozmytych średnich C (FCM) w celu segmentacji mapy Range Doppler (RDM) ) na cele i tło, a następnie technikę ekstrakcji cech opartą na macierzy współwystępowania na poziomie szarości (GLCM) i klasyfikować cele za pomocą maszyny wektorów nośnych (SVM). Podejście to opiera się na rozszerzonym banku filtrów dopplerowskich (DFB) z obrazami RDM i zostało przetestowane na radarze fali ciągłej z modulacją częstotliwości (FMCW) zamontowanym na bezzałogowym statku powietrznym (UAV) w celu wykrywania celów naziemnych. Przeprowadzono lot w trudnym środowisku, aby ocenić wydajność proponowanego systemu. Wyniki eksperymentów pokazują, że proponowane podejście przewyższa istniejące metody pod względem dokładności klasyfikacji. Proponowane podejście jest również wydajne obliczeniowo i może być łatwo zaimplementowane w systemach czasu rzeczywistego oraz ma ogromny potencjał w zakresie poprawy wydajności RTD w różnych zastosowaniach.
Key words: bank filtrów dopplerowskich, detektor ruchomych celów, przetwarzanie sygnału radarowego, rozmyty klaster c-średnich, maszyna wektorów nośnych.