Sıkıştırılmış Algılama Kullanarak Radar Hedef Tespiti / Radar Target Detection Using Compressive Sensing

Bu makalede, sıkıştırılmış algılama metodu kullanılarak bir radarın hedef sahnesinin yeniden oluşturulması ele alınmıştır. Hedef sahnesi, toplamda N sayıda hedef yeri olacak şekilde ayrıştırılmıştır. Hedef sayısının (K) N'ye göre çok az oldugu varsayılmıştır (K<<N). Literatürdeki sonuçlar kullanılarak, ölçüm sayısı M için hedef sayısı K ve toplam veri sayısı N'ye bağlı teorik bir alt sınır belirtilmiştir. Ölçüm sayısı ve gürültü seviyesindeki değişimler karşısında hedef sahnesinin yeniden oluşturulması durumlarının karşılaştırılması grafiklerle sunulmuştur. Farklı sıkıştırılmış algılama metodları karşılaştırılmıştır. Hatalı alarm olasılığı (FAR) sabit tutularak SNR değişimine karşılık hedef tespit olasılığının değişimi durumları incelenmiştir. In this paper, compressed sensing (CS) is used to reconstruct the target scene of a radar. The target scene is discretized so that a total of N possible target locations exist. The number of targets K is assumed to be small (i.e., K<<N). A theoretical lower bound on the number of measurements M depending on the sparsity K and the total number of data N is presented based on the results in the literature. The target scene reconstruction results for different noise levels and measurement numbers are compared. Different compressed sensing methods are compared. Change in probability of detection due to SNR variation under constant false alarm rate (FAR) is analyzed.

Anahtar Kelimeler:

Sıkıştırılmış algılama, seyreklik, hedef sahnesi, tespit

-

In this paper, compressed sensing (CS) is used to reconstruct the target scene of a radar. The target scene is discretized so that a total of N possible target locations exist. The number of targets K is assumed to be small (i.e., K

Keywords:

Compressed sensing, sparsity, target scene, detection,

PDF

___

Emmanuel CandÃ¨s, Justin Romberg, and Terence Tao, Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information. (IEEE Trans. on Information Theory, 52(2) pp. 489 - 509, February 2006)
David Donoho, Compressed sensing. (IEEE Trans. on Information Theory, 52(4), pp. 1289 - 1306, April 2006)
Mehmet B. Güldoğan, Mert Pilancı, Orhan Arıkan, Yüksek Cözünürlüklü Tespit için Belirsizlik Fonksiyonu Düzleminde Sıkıştırılmış Algılama. (SIU2010 - IEEE 18.Sinyal isleme ve iletisim uygulamalari kurultayi - Diyarbakir)
Richard Baraniuk, Compressive sensing. (IEEE SignalProcessing Magazine, 24(4), pp. 118-121, July 2007)
Lokman Ayas, Ali Cafer Gürbüz, Sıkıştırılmış Algılamada Gerekli Ölçüm Sayısının Analizi. (SIU2010 - IEEE 18.Sinyal isleme ve iletisim uygulamalari kurultayi - Diyarbakir)
Matthew A. Herman and Thomas Strohmer, High-Resolution Radar via Compressed Sensing. (To Appear In IEEE Transactions On Signal Processing)
Richard Baraniuk, Mark Davenport, Ronald DeVore, andMichael Wakin, A simple proof of the restricted isometryproperty for random matrices. (Constructive Approximation,28(3), pp. 253-263, December 2008)
Emmanuel J. CandÃ¨s, Compressive sampling. (Proceedings of the International Congressof Mathematicians, Madrid, Spain, 2006)
Dmitry Malioutov, Müjdat Çetin, Alan S. Willsky, A Sparse Signal Reconstruction Perspective for Source Localization With Sensor Arrays. (IEEE Trans. on Signal Processing, Vol. 53, No. 8, August 2005)
Honglin Huang, Member, IEEE, and Anamitra Makur, Senior Member, IEEE, Backtracking-Based Matching Pursuit Method for Sparse Signal Reconstruction. (IEEE SIGNAL PROCESSING LETTERS, VOL. 18, NO. 7, JULY 2011)
Mark A. Richards, Fundamentals of Radar Signal Processing, pp.308-316 (McGraw-Hill, 2005)