Design of self-organizing map type electromagnetic target classifiers for dielectric spheres conducting aircraft targets with investigation noise performances

Abstract

Öz Örgütlenmeli Harita, haritadaki her nöronun bir sınıfı temsil ettiği, girdi verilerinden düzenli bir harita oluşturan yapay sinir ağı çeşididir. Bu tezin amacı, Öz Örgütlenmeli Harita tipi yapay sinir ağları kullanarak basit veya karmaşık geometrilere sahip yalıtkan ve iletken cisimler için elektromanyetik hedef sınıflandırıcılar tasarlamaktır. Tasarım benzetimleri mükemmel yalıtkan küreler ve ince iletken tellerle modellenmiş küçük ölçekli uçaklar için yapılacaktır. Öz örgütlenmeli haritaların tasarımında, hedeflerin çeşitli görüş açılarına ait saçınım işaretlerinden Wigner dağılımı kullanılarak çıkarılmış öznitelikler kullanılacaktır. SOM eğitiminde az gürültülü girdi verileri kullanarak, sınıflandırıcıların gürültü performanları iyileştirilecektir.

The Self-Organizing Map (SOM) is a type of neural network that forms a regular grid of neurons where clusters of neurons represent different classes of targets. The aim of this thesis is to design electromagnetic target classifiers by using the Self-Organizing Map (SOM) type artificial neural networks for dielectric and conducting objects with simple or complex geometries. Design simulations will be realized for perfect dielectric spheres and also for small-scaled aircraft targets modeled by thin conducting wires. The SOM classifiers will be designed by target features extracted from the scattered signals of targets at various aspects by using the Wigner distribution. Noise performance of classifiers will be improved by using slightly noisy input data in SOM training.