Seyreklik Güdümlü Doğrusal Öngörü ile Yüksek Çözünürlüklü Radar Görüntüleme / High Resolution Radar Imaging with Sparsity Driven Linear Prediction

Koray SARIKAYA; Haldun BOZKURT; Işın Erer

Makale detayları

Seyreklik Güdümlü Doğrusal Öngörü ile Yüksek Çözünürlüklü Radar Görüntüleme / High Resolution Radar Imaging with Sparsity Driven Linear Prediction

Yazarlar:

Koray SARIKAYA | Haldun BOZKURT | Işın Erer

Yayıncı:

TMMOB Elektrik Mühendisleri Odası

Dergi:

EMO Bilimsel Dergi 2014 Vol.4 Issue 8, pp.47-55

Belge Tipi:

Makale

Yayın Tarihi:

4/2015

Belge Dili:

Türkçe

Document ID (Org No.):

2000409117

pISSN:

1309-5501

Özet:

 

ISAR imaging based on the 2D linear prediction uses the l2norm minimization of the prediction error to obtain 2D AR model coefficients. However, this approach causes many spurious peaks in the resulting image. SVD truncation of AR coefficients depends on the choice of scattering coefficients and a wrong choice may cause underestimation of scattering centers or inefficient suppression of sidelobes. In this study, we present sparsity regularized AR models and apply them to the problem of high resolution radar imaging. By using the sparsity prior we constrain AR coefficient vector to be sparse. The use of resulting coefficient vector yields radar images with reduced side lobes improving the discrimination of the target from the background. This method also works successfully in case of narrow frequency band and angular sector. The proposed sparse AR models have been applied to the ISAR imaging problem as well as classification of ISAR images. The results show that the proposed method has higher performance compared to the other AR based methods.

 


Özet2B doğrusal öngörü temelli ISAR görüntüleme 2B AR katsayıların eldesi için ð‘™2 norm minimizasyonunu kullanır. Fakat bu yöntem sonuç görüntüde yalancı tepelerin oluşmasına neden olur. AR katsayılarına TDA kesmesinin uygulanmasının başarımı saçıcı sayısının kestirimine bağlıdır. Saçıcı sayısının yanlış kestirimi bazı saçıcıların kestirilememesine ya da yan lobların etkin şekilde indirgenememesine neden olur. Bu çalışmada, seyreklik regülarizasyonlu AR modeller sunulmuş ve yüksek çözünürlüklü radar görüntüleme problemine uygulanmıştır. Seyreklik öncelinin kullanılmasıyla AR katsayı vektörü seyrek olmaya zorlanmıştır. Elde edilen seyrek katsayı vektörünün kullanılmasıyla hedefin geri plandan daha kolay ayırt edilmesine olanak veren yan lobları indirgenmiş radar görüntüleri elde edilmiştir. Önerilen yöntem dar band-dar açı durumunda da başarıyla çalışmaktadır. Önerilen seyrek AR modeller radar görüntülemenin yanısıra ISAR görüntülerin sınıflandırılmasına da uygulanmıştır. Sonuçlar önerilen yöntemin diğer AR temelli yöntemlere göre daha yüksek başarıma sahip olduğunu göstermektedir

 

Abstract

ISAR imaging based on the 2D linear prediction uses the ð‘™2 norm minimization of the prediction error to obtain 2D AR model coefficients. However, this approach causes many spurious peaks in the resulting image. SVD truncation of AR coefficients depends on the choice of scattering coefficients and a wrong choice may cause underestimation of scattering centers or inefficient suppression of sidelobes. In this study, we present sparsity regularized AR models and apply them to the problem of high resolution radar imaging. By using the sparsity prior we constrain AR coefficient vector to be sparse. The use of resulting coefficient vector yields radar images with reduced side lobes improving the discrimination of the target from the background. This method also works successfully in case of narrow frequency band and angular sector. The proposed sparse AR models have been applied to the ISAR imaging problem as well as classification of ISAR images. The results show that the proposed method has higher performance compared to the other AR based methods.

.

Makale detayları

Seyreklik Güdümlü Doğrusal Öngörü ile Yüksek Çözünürlüklü Radar Görüntüleme / High Resolution Radar Imaging with Sparsity Driven Linear Prediction

Yazarlar: Koray SARIKAYA | Haldun BOZKURT | Işın Erer

Yayıncı: TMMOB Elektrik Mühendisleri Odası

Dergi: EMO Bilimsel Dergi 2014 Vol.4 Issue 8, pp.47-55

Belge Tipi: Makale

Yayın Tarihi: 4/2015

Belge Dili: Türkçe

Document ID (Org No.): 2000409117

pISSN: 1309-5501

Sayı

Yazarlar:

Koray SARIKAYA | Haldun BOZKURT | Işın Erer

Yayıncı:

TMMOB Elektrik Mühendisleri Odası

Dergi:

EMO Bilimsel Dergi 2014 Vol.4 Issue 8, pp.47-55

Belge Tipi:

Makale

Yayın Tarihi:

4/2015

Belge Dili:

Türkçe

Document ID (Org No.):

2000409117

pISSN:

1309-5501