Çevresel ve operasyonel koşullara uyarlı mikro doppler veri işleme

Abstract

Radar gözetleme sistemlerindeki asıl zorluk insanların hayvanlardan ayrılması olduğu kadar farklı insan hareketlerinin ayrılmasını da kapsamaktadır. Bu nedenle hedef mikro-Doppler imzalarının otomatik hedef sınıflandırması için yüksek başarıma sahip olduğu gösterilse de sonuçlar operasyonel koşulların ideal olduğu durumlar ve belirli öznitelik kümeleri için verilmektedir. Geçmiş yıllarda çok sayıda öznitelik mikro-Doppler imzalarının sınıflandırılması için önerilmiştir. Ancak önerilen özniteliklerinin tümünün kullanılması maksimum sınıflandırma başarımının verilmesini garanti etmemekte ve ideal öznitelik alt kümesinin seçilmesi ise senaryoya bağımlı olarak değişmektedir. Bu çalışmada, kapsamlı olarak mikro-Doppler öznitelik çıkarım yöntemleri ve çıkartılan özniteliklerin radar sistem parametleri ve operasyonel koşullara – merkez frekansı, menzil ve Doppler çözünürlüğü, anten hedef geometrisi, sinyal gürültü oranı ve hedef üzerinde kalma süresi – olan bağımlılıklarını incelemektedir. İnsan mikro-Doppler imzalarına uyarlı bir öznitelik dizaynı gerçekleştirilmiştir. Sınıflandırma performansını en iyileştirecek, azaltılmış sayıda olan özniteliklerin çıkartılması için algoritmalar önerilmiş ve iyi seçilmiş bir öznitelik alt kümesinin daha iyi başarımlar ortaya konduğu gösterilmiştir. Durum çalışması yapılarak önerilen uyarlanabilir öznitelik seçim algoritmasının sınıflandırma performansını arttırılabileceği gösterilmiştir.

A key challenge for radar survelliance systems is the discrimination of ground based targets, especially humans from animals, as well as different types of human activities. For this purpose, target micro-Doppler signatures have been shown to yield high automatic target classification rates; however, performance is typically only given for near-optimal operating conditions using a fixed set of features. Over the past decade a vast number of micro-Doppler features have been proposed for classification of radar micro-Doppler signatures. In fact utilization of all possible features does not guarantee maximum classification performance and the selection of an optimal subset of features is scenario dependent. In this work, a comprehensive survey of micro-Doppler features and their dependence upon system parameters and operational conditions – such as transmit frequency, range and Doppler resolution, antenna target geometry, signal to noise ratio, and dwell time – is given. A new feature design for human micro-Doppler signatures is proposed. Algorithms for optimizing classification performance for a reduced number of features are presented and it is shown that a well selected subset of robust features yields better results. Performance gains achievable using adaptive feature selection are assessed for a case study of interest.