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...
Guardado en:
| 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: |
| Sumario: | 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. |
|---|