Supresión de clutter en radares de búsqueda usando técnicas de aprendizaje automático
En este proyecto se desarrolló un método para etiquetar detecciones de radar como clutter o miembros de trayectorias, combinando métodos de agrupación con aprendizaje automático no supervisado y calculo de correlación espacio-temporal en grupos de detecciones. Se comenzó por estudiar los principio...
| Autor principal: | |
|---|---|
| Formato: | Tesis NonPeerReviewed |
| Lenguaje: | Español |
| Publicado: |
2022
|
| Materias: | |
| Acceso en línea: | http://ricabib.cab.cnea.gov.ar/1142/2/1Verea.pdf |
| Aporte de: |
| id |
I25-R131-1142 |
|---|---|
| record_format |
dspace |
| spelling |
I25-R131-11422023-06-05T19:07:48Z Supresión de clutter en radares de búsqueda usando técnicas de aprendizaje automático Clutter supression in search radars using machine learning techniques Verea, Juan Manuel E. Análisis y sistemas complejos Machine learning Aprendizaje automático Radar [Clutter supression Supresión de clutter Clustering Agrupamiento Unsupervised learning Aprendizaje no supervisado Spatial-temporal correlation Correlación espacio-temporal Radar detections Detecciones de radar] En este proyecto se desarrolló un método para etiquetar detecciones de radar como clutter o miembros de trayectorias, combinando métodos de agrupación con aprendizaje automático no supervisado y calculo de correlación espacio-temporal en grupos de detecciones. Se comenzó por estudiar los principios de radar y aprendizaje automático, llegando a implementar una cadena de procesamiento de señales de radar incluyendo técnicas monopulso. Utilizando datasets reales, se encontraron patrones de comportamiento en los dos tipos de detecciones y se definió un criterio de clasificación en base a los mismos. Se estudiaron métodos publicados previamente y se validaron los resultados utilizando datasets simulados y reales, alcanzando desempeños similares a los observados en la literatura. El método desarrollado no requiere procesamiento de señales y puede aplicarse a cualquier dataset de detecciones donde se tenga información sobre la posición y el tiempo de llegada de cada detección. Finalmente se adaptó el método desarrollado para funcionar en tiempo real y etiquetar cada nueva detección a medida que es guardada. In this project, a method for classifying radar detections as clutter or members of trajectories was developed by using unsupervised machine learning (clustering) techniques as well as calculations of spatial and temporal correlation within clusters. After studying the principles of radar signal processing and machine learning, a radar signal processor was developed, which includes monopulse techniques. Using datasets of real radar detections, patterns of behaviour were found in groups of clutter and non-clutter. These patterns were used to define a decision treshold in order to classify groups of detections. The methods developed were tested using both simulated and real datasets. The method developed in this project does not require signal processing and achieves similar results to other, more complicated methods found in the literature. It can therefore be applied to any radar detection dataset that has information of the location and time of arrival of every detection. Finally, the method was adapted for working in real time and classifying each new arriving detection. 2022-12-20 Tesis NonPeerReviewed application/pdf http://ricabib.cab.cnea.gov.ar/1142/2/1Verea.pdf es Verea, Juan Manuel E. (2022) Supresión de clutter en radares de búsqueda usando técnicas de aprendizaje automático / Clutter supression in search radars using machine learning techniques. Proyecto Integrador Ingeniería en Telecomunicaciones, Universidad Nacional de Cuyo, Instituto Balseiro. http://ricabib.cab.cnea.gov.ar/1142/ |
| institution |
Instituto Balseiro |
| institution_str |
I-25 |
| repository_str |
R-131 |
| collection |
Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB) |
| language |
Español |
| orig_language_str_mv |
es |
| topic |
Análisis y sistemas complejos Machine learning Aprendizaje automático Radar [Clutter supression Supresión de clutter Clustering Agrupamiento Unsupervised learning Aprendizaje no supervisado Spatial-temporal correlation Correlación espacio-temporal Radar detections Detecciones de radar] |
| spellingShingle |
Análisis y sistemas complejos Machine learning Aprendizaje automático Radar [Clutter supression Supresión de clutter Clustering Agrupamiento Unsupervised learning Aprendizaje no supervisado Spatial-temporal correlation Correlación espacio-temporal Radar detections Detecciones de radar] Verea, Juan Manuel E. Supresión de clutter en radares de búsqueda usando técnicas de aprendizaje automático |
| topic_facet |
Análisis y sistemas complejos Machine learning Aprendizaje automático Radar [Clutter supression Supresión de clutter Clustering Agrupamiento Unsupervised learning Aprendizaje no supervisado Spatial-temporal correlation Correlación espacio-temporal Radar detections Detecciones de radar] |
| description |
En este proyecto se desarrolló un método para etiquetar detecciones de radar como clutter o miembros de trayectorias, combinando métodos de agrupación con aprendizaje automático no supervisado y calculo de correlación espacio-temporal en grupos de
detecciones.
Se comenzó por estudiar los principios de radar y aprendizaje automático, llegando a implementar una cadena de procesamiento de señales de radar incluyendo técnicas monopulso. Utilizando datasets reales, se encontraron patrones de comportamiento en los dos tipos de detecciones y se definió un criterio de clasificación en base a los mismos.
Se estudiaron métodos publicados previamente y se validaron los resultados utilizando datasets simulados y reales, alcanzando desempeños similares a los observados en la literatura. El método desarrollado no requiere procesamiento de señales y puede aplicarse a cualquier dataset de detecciones donde se tenga información sobre la posición y el tiempo de llegada de cada detección.
Finalmente se adaptó el método desarrollado para funcionar en tiempo real y etiquetar cada nueva detección a medida
que es guardada. |
| format |
Tesis NonPeerReviewed |
| author |
Verea, Juan Manuel E. |
| author_facet |
Verea, Juan Manuel E. |
| author_sort |
Verea, Juan Manuel E. |
| title |
Supresión de clutter en radares de búsqueda usando técnicas de aprendizaje automático
|
| title_short |
Supresión de clutter en radares de búsqueda usando técnicas de aprendizaje automático
|
| title_full |
Supresión de clutter en radares de búsqueda usando técnicas de aprendizaje automático
|
| title_fullStr |
Supresión de clutter en radares de búsqueda usando técnicas de aprendizaje automático
|
| title_full_unstemmed |
Supresión de clutter en radares de búsqueda usando técnicas de aprendizaje automático
|
| title_sort |
supresión de clutter en radares de búsqueda usando técnicas de aprendizaje automático |
| publishDate |
2022 |
| url |
http://ricabib.cab.cnea.gov.ar/1142/2/1Verea.pdf |
| work_keys_str_mv |
AT vereajuanmanuele supresiondeclutterenradaresdebusquedausandotecnicasdeaprendizajeautomatico |
| _version_ |
1812569759542149120 |