FMCW radar sinyalleri ile LSTM tabanlı hedef sınıflandırması

Simple item page
buir.contributor.authorGüneş, Oytun
buir.contributor.authorMorgül, Ömer
dc.citation.epage4en_US
dc.citation.spage1en_US
dc.contributor.authorGüneş, Oytun
dc.contributor.authorMorgül, Ömer
dc.coverage.spatialIstanbul, Turkeyen_US
dc.date.accessioned2022-02-01T11:41:48Z
dc.date.available2022-02-01T11:41:48Z
dc.date.issued2021-07-19
dc.departmentDepartment of Electrical and Electronics Engineeringen_US
dc.descriptionConference Name: 2021 29th Signal Processing and Communications Applications Conference (SIU)en_US
dc.descriptionDate of Conference: 9-11 June 2021en_US
dc.description.abstractDünya Sağlık Örgütü’ne (WHO) göre, her yıl trafik kazalarından kaynaklı yaklaşık 20-50 milyon yaralanma olmaktadır. Yaralanmaların çoğu savunmasız yayalar, bisikletliler ve motosikletliler arasındadır. Otonom araçlar (OA) bu soruna mükemmel bir çözüm gibi görünmektedir. OA’lardaki radar sensörleri, hem hız ve menzili ölçtüğü, hem de kötü hava koşullarında çalışabildiği için etkili bir sensördür. Bu çalışmada ilk olarak, 24GHz FMCW radar sinyallerini simüle ederek 300 spektrogram içeren bir veri seti oluşturulmuştur. Bir 2 boyutlu simülasyon ortamında, orijine tek bir radar yerleştirildi ve bu dikdörtgen alana farklı parametrelerde diğer nesneler (örneğin yükseklik, yön, hız) yerleştirildi. Ardından, spektrogram görüntüleri üzerindeki Mikro-Doppler model özellikleri çıkarıldı ve Uzun Kısa Süreli Bellek Ağları (LSTM’ler) ile eğitildi. Önerilen yaklaşımın etkinliği test edildi, test setinde %95 ortalama doğruluk ve F1 skoru elde edildi, sonuçta diğer bazı yöntemlerden daha iyi performans gösterdi.en_US
dc.description.abstractAccording to the World Health Organization(WHO), every year around 20-50 million people are injured from road traffic accidents. Most of the injuries are among vulnerable pedestrians, cyclists, and motorcyclists. Autonomous vehicles (AVs) seem to be the perfect solution to this problem. Radar sensors in AVs is an effective sensor since it simultaneously measures speed and range while being robust in bad weather conditions. In this work first, a dataset which contains 300 spectrograms are created by simulating a 24GHz FMCW radar signals. In a 2D simulation environment, a single radar is placed to the origin, and other objects of varying parameters ( e.g height, heading, speed) are placed in this rectangular area. Then, the features are extracted from the Micro-Doppler patterns on the spectrogram images and trained on Long Short Term Memory Networks(LSTMs). The average accuracy and F1 score of the proposed method on the test set is 95% which outperforms some existing methods.en_US
dc.description.provenanceSubmitted by Betül Özen (ozen@bilkent.edu.tr) on 2022-02-01T11:41:48Z No. of bitstreams: 1 LSTM_Based_Classification_of_Targets_using_FMCW_Radar_Signals.pdf: 1352403 bytes, checksum: 71ffcad5780c2e650d1b17c0a732d3aa (MD5)en
dc.description.provenanceMade available in DSpace on 2022-02-01T11:41:48Z (GMT). No. of bitstreams: 1 LSTM_Based_Classification_of_Targets_using_FMCW_Radar_Signals.pdf: 1352403 bytes, checksum: 71ffcad5780c2e650d1b17c0a732d3aa (MD5) Previous issue date: 2021-07-19en
dc.identifier.doi10.1109/SIU53274.2021.9477927en_US
dc.identifier.eisbn978-1-6654-3649-6
dc.identifier.isbn978-1-6654-3650-2
dc.identifier.issn2165-0608
dc.identifier.urihttp://hdl.handle.net/11693/76944
dc.language.isoTurkishen_US
dc.publisherBilkent Universityen_US
dc.relation.isversionofhttps://dx.doi.org/10.1109/SIU53274.2021.9477927en_US
dc.source.titleIEEE Signal Processing and Communications Applications (SIU)en_US
dc.subjectRadar sinyal işlemeen_US
dc.subjectUzun kısa süreli bellek ağlarıen_US
dc.subjectDerin öğrenmeen_US
dc.subjectOtonom araçlaren_US
dc.subjectRadar signal processingen_US
dc.subjectLong Short Term Memory Networks (LSTM)en_US
dc.subjectDeep learningen_US
dc.subjectAutonomous vehiclesen_US
dc.titleFMCW radar sinyalleri ile LSTM tabanlı hedef sınıflandırmasıen_US
dc.title.alternativeLSTM based classification of targets using FMCW radar signalsen_US
dc.typeConference Paperen_US

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
LSTM_Based_Classification_of_Targets_using_FMCW_Radar_Signals.pdf
Size:
1.29 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.69 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Scholarly Publications - Electrical and Electronics Engineering