Radar darbelerinin kümelenmesi için iki-aşamalı bir ayrıştırma tekniği
Citation
Gençol, K. (2017). Radar darbelerinin kümelenmesi için iki-aşamalı bir ayrıştırma tekniği. 25th Signal Processing and Communications Applications Conference (SIU). IEEE.Abstract
Darbe ayrıştırma alınan radar darbelerinin hangi kaynağa (vericiye) ait olduğunu belirleyen bir işlemdir. Darbe ayrıştırma teknikleri genel olarak darbelerin geliş zamanlarına göre aralık algoritmaları ve geliş açısı, frekans, darbe genişliği, darbe genliği gibi parametrelere göre çoklu-parametreli algoritmalar olarak iki kısma ayrılmaktadır. Geleneksel çokluparametreli ayrıştırmada darbe genişliği ve darbe genliği çoklu yol olgusunun darbe şeklinde yol açtığı bozunumlardan dolayı güvenilir parametreler olmamaktadır. Bu çalışmada bu probleme yönelik iki-aşamalı bir ayrıştırma tekniği önerilmiştir. İlk aşamada radar darbeleri frekans ve geliş açısı parametrelerine göre ayrıştırılmıştır. İkinci aşamada ise Levenberg-Marquardt optimizasyon algoritmasıyla öncelikle anten tarama hızı tahmin edilmiştir. Daha sonra bu bilgi geri beslenerek ilk aşamadaki kümeleme hatası düşürülmeye çalışılmıştır. Benzetim sonuçları bu hedefe ulaşıldığını göstermektedir. Pulse deinterleaving is the process of identifying which received pulses belong to which emitter sources. Pulse deinterleaving techniques generally consist of multi-parameter algorithms that utilize pulse parameters such as angle of arrival, frequency, pulse width and pulse amplitude and interval-only algorithms. In conventional multi-parameter deinterleaving pulse width and pulse amplitude parameters are generally assumed to be unreliable parameters due to distortions caused by the multipath phenomenon in the channel. In this study, a two-stage deinterleaving technique is proposed for such deinterleaving problem. In the first stage radar pulses are deinterleaved according to their frequency and angle of arrival parameters. In the second stage antenna scan rates are firstly estimated by the Levenberg-Marquardt optimization algorithm and then this information is fed back to the first stage to decrease clustering errors. Simulation results show that this goal is accomplished.