Mehmet ÜSTÜNDAĞ, Engin AVCI, Muammer GÖKBULUT, Fikret ATA

DALGACIK PAKET DÖNÜŞÜMÜ VE GENETİK ALGORİTMA KULLANARAK ZAYIF RADAR SİNYALLERİNİN GÜRÜLTÜDEN ARINDIRILMASI

Radar, haberleşme sistemlerinin önemli uygulama alanlarından birini oluşturur. Radar sinyali kaynaktan hedefe varıncaya kadar çevresel ya da insan kaynaklı nedenlerden dolayı asıl sinyale gürültü karışmış olabilir. Böylece, sinyalin doğru okunması imkânsız olabilir. Bu makalede, zayıf radar sinyallerini yüksek başarım ile gürültüden arındırmak amaçlanmıştır. Bu amaç doğrultusunda, geleneksel yöntemlerden farklı olarak Dalgacık Paket Dönüşümü kullanılmıştır. Bu dönüşümler gerçekleştirilirken, uygun dalgacık ailesi türü, entropi türü ve seviye seçimi oldukça önemli olmaktadır. Ayrıca, uygun bir eşik fonksiyonunun seçilmesi de yüksek başarım için önemlidir. Bu makalede, akıllı sistem olan Genetik Algoritma yapısı optimizasyon amaçlı önerilmiştir. Bu yapı ile birlikte, en iyi dalgacık ailesi türü, entropi türü ve seviye sayısı belirlenebilir. Eşikleme fonksiyonu olarak Bulanık s-fonksiyonu tercih edilmiş ve bu fonksiyona ait değişken parametreler en iyi başarım kriterine göre seçilmiştir. Daha sonra, zayıf radar sinyallerini gürültüden arındırabilmek için önerilen bu yöntem, literatürde mevcut olan diğer algoritmalarla karşılaştırılmıştır. Ortalama Karesel Hatanın Karekökü ve Korelasyon Katsayısı kriterleri kullanılarak başarımlar test edilmiştir. Elde edilen sonuçlara göre, önerilen yöntemin başarımının diğer yöntemlere göre oldukça iyi olduğu görülmektedir.

Anahtar Kelimeler:

Zayıf Radar Sinyali, Gürültüden Arındırma, Genetik Algoritma, Dalgacık Dönüşümü, Eşikleme, Ortalama Karesel Hatanın Karekökü, Korelasyon Katsayısı

PDF

___

Yang, B.J. ve Li, Y., “Introduction of chaotic oscillator detection”, Beijing: Publish House of Electronics Industry, 2004.
Couch, I., Digital and Analog Communication Systems, Maxwell MacMillan, New York, A.B.D., 1990.
Cunningham, I. A., ve Shaw, R., “Noise in imaging systems and humaan vision: signal-to-noise optimization of medical imaging systems”, Journal of the Optical Society of America, A16 (3), s.621-632. 1999.
Chen, W., Meng C., Wang C. ve Zhang, Z., “Summary on weak signal detection methods based on chaos theory”, The Ninth International Conference on Electronic Measurement and Instruments, 978-1-4244-3864-8/09, IEEE, 2009.
Wang, G., ve diğ.., “Application of chaos oscillator in detection of signal under the background of strong noise”, Beijing: Chinese Journal of Scientific Instrument, 18(2), 209-212. 1997.
Ehara, N., Sasese, I. ve Mori, S., “Weak radar signal detection based on wavelet transform”, IEEE, 0-7803-1775-0/94, 1994.
Ahern, J., Delisle, G. Y. ve diğ., Radar, Lab-Volt Ltd., vol. 1, Canada. 1989.
Ahern, J., Delisle, G. Y. ve diğ., Radar, Lab-Volt Ltd., vol. 2, Canada. 1990.
Aly, O.A.M. ve Omar A.S., “Detection and localization of RF radar pulses in noise environments using wavelet packet transform and higher order statistics”, Progress in Electromagnetics Research, PIER 58, 301-317, 2006.
Wei, C. ve Zhu, W., “Weak signal denoising method based on accumulation in frequency domain and wavelet transform”, Third International Symposium on Information Processing, IEEE, 2010.
Chongsheng L., “Study of weak signal detection based on second FFT and chaotic oscillator”, Nature and Science, 3(2), 2005.
Khairnar, D.G., Merchant, S.N., Desai, U.B., “Radar signal detection in non-gaussian noise using RBF neural network”, Journal of Computers, Vol.3, No.1. 2008.
To, A.C., Moore, J.R., Glaser, S.D., “Wavelet denoising techniques with applications to experimental geophysical data”, Signal Processing, 89, 144-160, 2009.
Yang, R., Ren, M., “Wavelet denoising using principal component analysis”, Expert systems with Applications, 38, 1073-1076, 2011.
Sharma, L.N., Dandapat S. ve Mahanta A., “ECG signal denoising using higher order statistics in wavelet subbands”, Biomedical Signal Processing and Control, 5, 214-222. 2010.
Bingo W.K, L., Charlotte H., Hak-Keung L., Thomas P.L, W., Albert, Y., Peter, S., “Fuzzy rule based multiwavelet ECG signal denoising”, IEEE International Conference on Fuzzy Systems, 2008.
Geetha, G. ve Geethalakshmi S.N., “EEG De-noising using sure thresholding based on wavelet transforms”, International Journal of Computer Applications, 0975-8887, Vol.24, No.6, 2011.
Talbi, M., Salhi, L., Barkouti, W. ve Cherif A., “Speech enhancement with bionic wavelet transform and recurrent neural network”, 5th International Conference: Sciences of Electronic, Technologies of Information and Telecommunications, March. 2009.
Kumar, B.M. ve Lavanya, R.V., “Signal denoising with soft threshold by using chui-lian multiwavelet”, International Journal of Electronics and Communication Technology, Vol.2, Issue 1, March, 2011.
Liu, L. ve Jiang J., “Using stationary wavelet transformation for signal denoising”, Eighth International Conference on Fuzzy Systems and Knowledge Discovery, IEEE, 2011.
Song, S., Qi, Y.Y. ve Qiao, J.F., “Research on de-noising of pulse signal based on fuzzy threshold in wavelet packet domain”, Proceedings of the 2007 International Conference on Wavelet Analysis and Pattern Recognition, Beijing, China, 2-4 Nov., 2007.
Zhang, Q., Rossel, R.A. ve Choi, P., “Denoising of gamma-ray signals by interval-dependent thresholds of wavelet analysis”, Measurement Science and Technology, 17, 731-735, 2006.
Liu, F., Ruan, X.E., “Wavelet-based diffusion approaches for signal denoising”, Signal Processing, 87, 1138-1146, 2007.
Xiang, D.Li., Lai-Bin, Z. ve Zhao-Hui, W., “De-noising of diesel vibration signal using wavelet packet and singular value decomposition”, Front.Mech.Eng.China, 4:443-447, 2006.
Alfaouri, M. ve Daqrouq K., “ECG signal denoising by wavelet transform thresholding”, American Journal of Applied Sciences, 5(3):276-281. 2008.
Ravier, P. ve Amblard, P., “Wavelet packets and de-noising based on higher order statistics for transient detection”, Signal Processing, 81, 1909-1926, 2001.
Medina, C.A., Alcaim, A. ve Apolinario J.A., “Wavelet denoising of speech using neural networks for threshold selection”, Electronics Letters 11th, Vol.39, No.25, December, 2003.
Chen, G.Y. ve Bui, T.D., “Multiwavelets denoising using neighboring coefficients”, IEEE Signal Processing Letters, Vol.10, No.7, July, 2003.
Arı, N., Özen, Ş. ve Çolak, Ö.H., Dalgacık Teorisi, Palme Yayıncılık, Ankara, 2008.
Fliege, N.J., Multirate digital signal processing (Multirate systems-filter bankswavelets, John Wiley & Sons, Chichester, 251 p. 1996.
Misiti, M., Misiti, Y., Oppenheim, G., Poggi, J.M.,, Wavelet toolbox users guide, copyright by the MathWorks, Inc., 1996-1997.
Üstündağ, M., Zayıf radar sinyallerinin genetik algoritmalar kullanılarak gürültüden arındırılması, Doktora Tezi, Fırat Üniversitesi, Fen Bilimleri Enstitüsü, 2012.
Avcı, E., Akıllı radar ile hedef tanıma sistemi, Doktora Tezi, Fırat Üniversitesi, Fen Bilimleri Enstitüsü 2005.
Üstündağ, M., Gökbulut, M., Şengür, A. ve Ata, F., “Denoising of weak ECG signals by using wavelet analysis and fuzzy thresholding”, Springer, 1:135-140, 2012.
Demirel, N., Gökçen, H., Akçayol, M.A. ve Demirel, E., “Çok aşamalı bütünleşik lojistik ağı optimizasyonu probleminin melez genetik algoritma ile çözümü”, Journal of the Faculty of Engineering and Architecture of Gazi University, Cilt 26, No 4, 929-936, 2011.
Üstündağ, M., Şengür, A., Gökbulut, M. ve Ata, F., “Zayıf radar sinyallerinde gürültü gidermek için dalgacık paket dönüşümü ve entropi tabanlı bir yöntem”, Fırat Üniversitesi Mühendislik Bilimleri Dergisi, Cilt 24, Sayı 2, 139-147, 2012