Professional Documents
Culture Documents
Hacettepe Üniversitesi
olarak hazırlanmıştır.
2009
Fen Bilimleri Enstitüsü Müdürlüğü'ne,
Başkan :….......................................
Prof. Dr. Mehmet ŞAFAK
Üye :.….......................................
Prof. Dr. Orhan ARIKAN
Üye :….......................................
Prof. Dr. A. Salim KAYHAN
Üye :….......................................
Yrd. Doç Dr. Yakup ÖZKAZANÇ
ONAY
ÖZ
Otomatik hedef tespiti yapan radarlarda, eşik değerini belirlemek için kullanılan
uyarlanır sabit yanlış alarm oranı (SYAO) işlemcileri incelenmiştir. İstenen
SYAO’yu başarmak için iki temel teknik kullanılır.
İlki, kayan pencere tekniği ile komşu hücreler kullanılarak uyarlanabilir bir eşik
seviyesi belirlemektir.
Bu çalışmada, iki tekniği, veri birleşim sisteminde (VBS) birleştiren yeni teknikler
önerilmiştir. Tektür ve tektür olmayan ortamlar için analitik denklemler çıkartılmış
ve başarım analizleri yapılmıştır.
Anahtar Kelimeler: Sabit Yanlış Alarm Oranı, SYAO, Sezim, Kestirim, Hücre
Ortalamalı SYAO, Çevresel Yansıma Haritalamalı SYAO, İstatistiksel Sıralı
Çevresel Yansıma Haritalamalı SYAO, Veri Birleşim Sistemi
i
CFAR DETECTION BASED ON DECISION FUSION OF CELL AVERAGING
CFAR AND ORDER STATISTIC CLUTTER MAP CFAR PROCESSORS
ABSTRACT
In automatic target detection radars, adaptive constant false alarm rate (CFAR)
processors, which determine the threshold, are examined. Two techniques are
used for achieving the required CFAR.
The first technique determines the adaptive threshold using range neighbouring
cells which are located in sliding window.
The second one is based on clutter map. In this technique, adaptive threshold is
determined using the samples of test cell from previous scans which are assumed
to contain no target.
In this study, new techniques based on combining the two techniques in the data
fusion system (DFS), are proposed. Analytical equations for homogeneous and
nonhomogeneous environment are derived and performance analysis are carried
out.
Keywords: Constant False Alarm Rate, CFAR, Clutter Map CFAR, Ordered
Statistic Clutter Map CFAR, Data Fusion System
ii
TEŞEKKÜR
Danışmanım, Sayın Yrd. Doç. Dr. Mücahit ÜNER, tez çalışmasının başlangıcından
sonuna kadar çizdiği yol ve destekleri ile tezin sonuca ulaştırılmasında katkısı
vardır.
iii
İÇİNDEKİLER DİZİNİ
Sayfa
ÖZ………………………………………………………………………… i
ABSTRACT……………………………………………………………… ii
TEŞEKKÜR……………………………………………………………… iii
İÇİNDEKİLER DİZİNİ…………………………………………………… iv
ŞEKİLLER DİZİNİ………………………………………………………... vi
ÇİZELGELER DİZİNİ…………………………………………………… ix
SİMGELER ve KISALTMALAR DİZİNİ………………………………. xi
SÖZLÜK………………………………………………………………….. xii
1. GİRİŞ………………………………………………………………….. 1
2. UYARLANIR SABİT YANLIŞ ALARM ORANI İŞLEMİ…………... 5
2.1. Hücre Ortalamalı SYAO………………………………… 5
2.1.1. Tektür ortam………………………………………. 5
2.1.2. Tektür olmayan ortam…………………………… 8
2.2. İstatistiksel Sıralı SYAO……………….………………… 9
2.2.1. Tektür ortam………………………………………. 9
2.2.2. Tektür olmayan ortam…………………………… 12
3. ÇEVRESEL YANSIMA HARİTALAMALI SYAO ANALİZİ……. 13
3.1. Çevresel Yansıma Haritalamalı SYAO………………… 13
3.1.1. Tektür ortam………………………………………. 13
3.1.2. Tektür olmayan ortam…………………………… 17
3.2. Hücre Ortalamalı ÇYH SYAO…………………………… 18
3.2.1. Tektür ortam…….………………………………… 18
3.3. İstatistiksel Sıralı ÇYH SYAO…………………………… 20
3.3.1. Tektür ortam………………………………………. 20
3.3.2. Tektür olmayan ortam………………………….... 23
4. VERİ BİRLEŞİM SİSTEMLİ SYAO ANALİZİ………………………. 27
4.1. Hücre Ortalamalı ve Çevresel Yansıma Haritalamalı
SYAO’larına dayalı Veri Birleşim Sistemi……………… 27
4.1.1. Tektür ortam………………………………………. 27
4.1.2. Tektür olmayan ortam…………………………… 30
iv
4.2. Hücre Ortalamalı ve İstatistiksel Sıralı ÇYH
SYAO’larına Dayalı Veri Birleşim Sistemi…………….. 35
4.2.1. Tektür ortam………………………………………. 35
4.2.2. Tektür olmayan ortam………………………….... 37
4.3. İstatistiksel Sıralı ve İstatistiksel Sıralı ÇYH
SYAO’larına Dayalı Veri Birleşim Sistemi…………….. 44
4.3.1. Tektür ortam………………………………………. 44
4.2.2. Tektür olmayan ortam………………………….... 45
5. KARŞILAŞTIRMALI PERFORMANS ANALİZİ……………………. 50
5.1. Hücre Ortalamalı ve İstatistiksel Sıralı SYAO’larına
dayalı Veri Birleşim Sistemi…………………………….. 50
5.1.1. Tektür ortam………………………………………. 50
5.1.2. Tektür olmayan ortam…..……………………….. 52
5.2. Tektür Ortam Karşılaştırması.………………………….. 52
5.3. Bekleyen Hedef Karşılaştırması………………………... 53
5.4. Karıştırıcı Hedef Karşılaştırması……………………….. 55
5.5. Bekleyen Karıştırıcı Hedef Karşılaştırması……………. 56
6. SONUÇ………………………………………………………………… 58
KAYNAKLAR…………………………………………………………….. 61
EKLER DİZİNİ……………………………………………………………. 64
v
ŞEKİLER DİZİNİ
Sayfa
vi
Şekil 3.11 İS-ÇYH SYAO Sezim Olasılığının Hedef Bulunan Tarama
Sayısına (L) Göre Değişimi, r=2, ICR=SCR=20dB, PF=10-6… 26
Şekil 4.1 HO ve ÇYH SYAO VBS Radar Modeli…….………….…… 28
Şekil 4.2 HO ve ÇYH SYAO VBS Farklı M ve w Değerleri için Sezim
Olasılığı Grafiği, PF=10-6………………………………………… 30
Şekil 4.3 HO ve ÇYH SYAO VBS Sezim Olasılığının Hedef Bulunan
Tarama Sayısına (r) Göre Değişimi, ICR=SCR=20dB, PF=10-6.. 32
Şekil 4.4 HO ve ÇYH SYAO VBS Sezim Olasılığının Hedef Bulunan
Hücre Sayısına (r) Göre Değişimi, ICR=SCR=20dB, PF=10-6... 33
Şekil 4.5 HO ve ÇYH SYAO VBS Sezim Olasılığının L=3 durumunda
Hedef Bulunan Hücre Sayısına (r) Göre Değişimi,
ICR=SCR=20dB, PF=10-6…………….…………………………. 34
Şekil 4.6 HO ve İS-ÇYH SYAO VBS Radar Modeli…….………….… 35
Şekil 4.7 HO ve İS-ÇYH SYAO VBS Farklı M1, M2, k2 ve w Değerleri
için Sezim Olasılığı Grafiği, PF=10-6…………………………… 37
Şekil 4.8 HO ve İS-ÇYH SYAO VBS Sezim Olasılığının Hedef
Bulunan Hücre Sayısına (r1) Göre Değişimi, ICR=SCR=20dB,
PF=10-6…………………………………………………………… 39
Şekil 4.9 HO ve İS-ÇYH SYAO VBS Sezim Olasılığının Hedef
Bulunan Tarama Sayısına (L) Göre Değişimi,
ICR=SCR=20dB, PF=10-6........................................................ 40
Şekil 4.10 HO ve İS-ÇYH SYAO VBS Sezim Olasılığının r1=0, r2=2
durumunda Hedef Bulunan Tarama Sayısına (L) Göre
Değişimi, ICR=SCR=20dB, PF=10-6…………….……………… 42
Şekil 4.11 HO ve İS-ÇYH SYAO VBS Sezim Olasılığının r1=4, r2=2
durumunda Hedef Bulunan Tarama Sayısına (L) Göre
Değişimi, ICR=SCR=20dB, PF=10-6…………….……………… 43
Şekil 4.12 İS ve İS-ÇYH SYAO VBS Farklı M1, k1, M2, k2 ve w Değerleri
için Sezim Olasılığı Grafiği, PF=10-6…………………………… 45
Şekil 4.13 İS ve İS-ÇYH SYAO VBS Sezim Olasılığının Hedef
Bulunan Hücre Sayısına (r1) Göre Değişimi, ICR=SCR=20dB,
PF=10-6…………………………………………………………… 46
vii
Şekil 4.14 İS ve İS-ÇYH SYAO VBS Sezim Olasılığının Hedef
Bulunan Tarama Sayısına (L) Göre Değişimi,
ICR=SCR=20dB, PF=10-6........................................................ 47
Şekil 4.15 İS ve İS-ÇYH SYAO VBS Sezim Olasılığının r1=4, r2=2
durumunda Hedef Bulunan Tarama Sayısına (L) Göre
Değişimi, ICR=SCR=20dB, PF=10-6…………….……………… 49
Şekil 5.1 HO ve İS SYAO VBS Radar Modeli…….…….………….… 51
Şekil 5.2 Farklı Radar Teknikleri için Sezim Olasılığı Grafiği,
PF=10-6………………………………….………………………… 53
Şekil 5.3 Farklı Radar Teknikleri, Sezim Olasılığının Hedef
Bulunan Tarama Sayısına (L) Göre Değişimi,
ICR=SCR=20dB, PF=10-6……………………………………….. 54
Şekil 5.4 Farklı Radar Teknikleri, Sezim Olasılığının Hedef
Bulunan Hücre Sayısına (r1) Göre Değişimi,
ICR=SCR=20dB, PF=10-6........................................................ 56
Şekil 5.5 HO ve İS-ÇYH SYAO VBS Sezim Olasılığının r1=4, r2=2
durumunda Hedef Bulunan Tarama Sayısına (L) Göre
Değişimi, ICR=SCR=20dB, PF=10-6…………….……………… 57
viii
ÇİZELGELER DİZİNİ
Sayfa
ix
Çizelge 4.9 HO ve İS-ÇYH SYAO VBS Tekniği, Son L Taramada
Bekleyen Hedef Bulunma Durumu, r1=4, r2=2 ………………… 43
Çizelge 4.10 İS ve İS-ÇYH SYAO VBS tekniği, PF=10-6, farklı M1, k1
M2, k2 ve w için c1 ve c2 değerleri…………………………….… 44
Çizelge 4.11 İS ve İS-ÇYH SYAO VBS tekniği, Son Taramada
Karıştırıcı Hedef Bulunma Durumu…………………….………. 45
Çizelge 4.12 İS ve İS-ÇYH SYAO VBS tekniği, L taramada
Bekleyen Hedef Bulunma Durumu……….…………….……… 47
Çizelge 4.13 İS ve İS-ÇYH SYAO VBS Tekniği, Son L Taramada
Bekleyen Hedef Bulunma Durumu, r1=4, r2=2 ………………… 48
-6
Çizelge 5.1 HO ve İS SYAO VBS tekniği, PF=10 , farklı M1, M2 ve k2
için c1 ve c2 değerleri…………………………….………………. 52
Çizelge 5.2 Farklı Radar Teknikleri, L taramada Bekleyen Hedef
Bulunma Durumu……….…………….…………………………. 54
Çizelge 5.3 Farklı Radar Teknikleri, Son Taramada Karıştırıcı
Hedef Bulunma Durumu………………..……………….………. 55
Çizelge 5.4 Farklı Radar Teknikleri, Karıştırıcı ve Bekleyen Hedef
Bulunma Durumu …….…………………………………….…… 57
x
SİMGELER VE KISALTMALAR DİZİNİ
k : Sıra Sayısı
M : Pencere Boyutu
PD : Sezim Olasılığı
w : Ağırlık Katsayısı
xi
SÖZLÜK
Başarım : Performance
Sabit Yanlış Alarm Oranı (SYAO) : Constant False Alarm Rate (CFAR)
Sezim : Detection
Tektür : Homogeneous
xii
1. GİRİŞ
Radarın temel işlevi, elektromanyetik dalga göndererek, herhangi bir nesne veya
hedeften yansıyan, geri dönen sinyalleri algılamak ve sezimlemektir. Radar
alıcısına geri dönen sinyaller sadece sezimlenmesi istenen hedeften kaynaklı
değildir. “Çevresel yansıma” diye adlandırılan, hedefin sezimini güçleştirici
istenmeyen yansımalar da radar alıcısına geri döner. Bu sinyaller kayalık, ağaç,
rüzgar, dalga, bulut veya hedef dışı başka bir nesne kaynaklı olabilir.
Radar alıcısına gelen sinyal, gerçek bir hedeften olabileceği gibi, “çevresel
yansıma”lardan gelen sinyaller veya ısıl gürültü olabilir. Radar işlemcisi, almış
olduğu bu sinyali bir eşik seviyesi ile kıyaslayarak hedef olup olmadığına karar
verir. Dolayısıyla, hedeften yansıyan sinyal gücü kadar, eşik seviyesinin kestirimi
de radar sistemlerinin başarımı için büyük bir önem taşır.
Radar alıcı mekanizması, gelen sinyal üzerinde iki farklı karar alabilir:
3. Yanlış alarm, hedef yokken, radar alıcısının hedef var kararı vermesidir.
1
SYAO tekniğinde, ortalama çevresel yansıma gücü kestirilerek uyarlanır bir eşik
değeri belirlenir. Eşik değeri, yanlış alarm olasılığının istenen değerde olmasını
sağlayan sabit bir c çarpanı ve eşik değeri kestirimi olan Z değerinden oluşur. Bu
teknikte, çevresel yansımanın dağılım türünün bilindiği varsayılır. Bu çalışmada,
çevresel gürültü genliğinin dağılım türü, matematiksel analizinin kolay olması
sebebiyle Rayleigh kabul edilmiştir.
İlki, sezimin yapılacağı taramada, test hücresinin eşik seviyesini belirlemek için,
ona komşu hücrelerin sezimleyici çıkışı sinyal seviyelerini kullanmaktır. Söz
konusu SYAO işlemcilerinden bazıları: Hücre Ortalamalı SYAO (Finn ve Johnson,
1968; Steenson, 1968; Mitchell ve Walker, 1971; Dillard, 1974; Nitzberg, 1978;
Moore ve Lawrence, 1980; Weiss 1982); En Büyük SYAO (Hansen, 1973; Hansen
ve Sawyers, 1980); En Küçük SYAO (Trunk, 1978); ve İstatistiksel Sıralı (İS)
SYAO (Rohling, 1983)’dur. Bu işlemcilerin dışında, komşu hücrelerin sezimleyici
çıkışı sinyal seviyelerini kullanan daha pek çok benzer yapı SYAO olarak
önerilmiştir. Bu işlemciler ortamdaki çevresel yansıma dağılımlarına göre
birbirlerine üstünlük/zayıflık gösterirler.
Detektör
Çıkışı X(n) w - Ağırlık wX(n) Z(n)
(.)2 ∑
Katsayısı
X(n) (1-w)Z(n-1)
Bu teknikte, n’ninci tarama için eşik değeri Z (n) , hücrenin önceki taramaları
sezimleyici çıkışı sinyal seviyelerinin ağırlıklandırılmış ortalamasıdır. Hedef var/yok
durumuna karar, son taramada test hücresi sezimleyici çıkışı sinyal seviyesinin,
önceki taramalardan elde edilmiş eşik değeri ile karşılaştırılmasıyla verilir.
2
n’ninci tarama için eşik değeri şöyledir:
Denklem (1.1), kendi içinde yerine konulursa, denklem (1.2) elde edilir.
Bu teknik, ilk olarak Nitzberg tarafından önerilmiştir (Nitzberg, 1986). Sadece test
hücresinin geçmişteki taramalarını kullandığı için, ortamdaki çevresel yansımanın
sezime etkisi yoktur. Fakat test hücresinin önceki taramalarında, bekleyen hedef
bulunması durumunun sezime olumsuz etkisi, Lops ve Orsini tarafından analiz
edilmiştir (Lops ve Orsini, 1989). Bu etkiyi kaldırmak için farklı teknikler
önerilmiştir: L filtrelemeli ÇYH (Lops, 1996); L filtrelemeli, İstatistiksel Sıralı ÇYH
(İS-ÇYH) (Conte, Lops ve Tulino, 1997); İki parametreli ÇYH (Naldi, 1999); İS-
ÇYH ve Hücre Ortalamalı ÇYH (HO-ÇYH) (Shan, Tao, Wang ve Zhou, 2002); Çok
boyutlu ÇYH (Shan, Tao, Wang ve Zhou, 2004); Kompleks SYAO (Ebrahimian,
2005).
Bu çalışmada prensip olarak, eşik seviyesini belirlemek için sadece son taramayı
değerlendiren teknik ile, eşik seviyesini belirlemek için önceki taramaları kullanan
teknik, VBS ile birleştirilerek yeni bir SYAO tekniği önerilmiştir. Özelde ise, son
taramayı değerlendiren tekniklerden HO SYAO; önceki taramaları değerlendiren
tekniklerden ise İS-ÇYH SYAO tekniği, VBS’de birleştirilmiştir. HO SYAO
tekniğinin seçilmesinin sebebi, tektür ortamda en yüksek sezimi elde etmek, İS-
ÇYH SYAO tekniğinin seçilmesinin sebebi ise bekleyen ve karıştırıcı hedef
durumlarından etkilenmeyi en aza indirmektir.
3
Bölüm 2’de eşik değerini belirlemek için son taramayı kullanan tekniklerden HO
SYAO ve İS SYAO işlemcilerinin analizleri gerçekleştirilmiştir.
Bölüm 3’te, eşik değerini belirlemek için önceki taramaları kullanan tekniklerden
ÇYH SYAO, HO-ÇYH SYAO ve İS-ÇYH SYAO tekniklerinin analizleri
gerçekleştirilmiştir. İS-ÇYH SYAO tekniğinin tektür olmayan ortam için sezim
denklemi, ilk defa çıkartılmıştır.
Bölüm 4.1’de, HO SYAO işlemcisi ile ÇYH SYAO işlemcisini VBS’de birleştiren
yeni bir SYAO işlemcisi önerilmiş, tektür ve tektür olmayan ortam için analitik
denklemler çıkartılmış ve başarım analizleri yapılmıştır.
Bölüm 4.2’de, HO SYAO işlemcisi ile İS-ÇYH SYAO işlemcisini VBS’de birleştiren
yeni bir SYAO işlemcisi önerilmiş, tektür ve tektür olmayan ortam için analitik
denklemler çıkartılmış ve başarım analizleri yapılmıştır.
4
2. UYARLANIR SABİT YANLIŞ ALARM ORANI İŞLEMİ
Otomatik hedef tespiti yapan radarlarda tespit işlemi, test hücresi sezimleyici çıkış
voltaj seviyesinin, eşik değeri ile karşılaştırılmasıyla yapılır. Eşik değerinin
belirlenmesi için kullanılan metotlardan en yaygını Sabit Yanlış Alarm Oranıdır
(SYAO). İstenen SYAO’yu başarmak için kayan pencere tekniği yaygın bir biçimde
kullanılır. İlgili teknikte, test hücresinin eşik değerini belirlemek için, ona komşu
hücrelerin sezimleyici çıkışı sinyal seviyelerinin ortalaması kullanılır (Finn ve
Johnson, 1968). Bu tekniğin farklı uyarlamaları, değişik çevre şartları için daha
avantajlı olacak şekilde geliştirilmiştir (Gandhi ve Kassam, 1988), (Weiss, 1982).
Bölüm 2.1 ve 2.2’de, SYAO metodu olarak yaygın bir şekilde kullanılan
tekniklerden, komşu hücrelerin sezimleyici çıkışı sinyal seviyeleri kullanılanlar
anlatılacaktır
Test hücresinin eşik değerini belirlemek için, ona komşu hücrelerin sezimleyici
çıkışı sinyal seviyelerinin ortalamasını kullanan tekniğe Hücre Ortalamalı SYAO
(HO SYAO) denir.
M
1
Z ( n)
M
x ( n)
i 1
i (2.1)
Denklem (2.1)’de n , tarama sayısı, Z (n) , n’ninci tarama için eşik seviyesi; M ,
referans pencere hücre sayısı; X i (n) ise i hücresi için sezimleyici çıkışı voltaj
seviyesidir.
Test hücresinde hedef bulunma durumuna (2.2)’deki eşitsizlik ile karar verilir.
H1
X ( n) cZ (n) (2.2)
H0
5
Eşitsizlik (2.2)’de, X (n) , n’ninci tarama için test hücresi sezimleyici çıkışı sinyal
seviyesi; cZ (n) , uyarlanır eşik seviyesi; c ise istenen ortalama sabit yanlış alarm
oranını sağlamak için kullanılan sabittir.
M adet
(.)2
Detektör
Çıkışı
1/M∑ c
HEDEF
cZ(n) VAR
>
<
X(n) HEDEF
YOK
Test Hücresi
Çıkışı
M
c
PD 1 (2.3)
(1 SCR)
PF (1 c) M (2.4)
Denklem (2.3)’te SCR , Swerling I hedef tipi sinyal gücünün Gauss dağılımlı ısıl ve
çevresel gürültü gücüne oranıdır.
6
değişecektir. Analizlerde kullanılacak M değerleri ve 10 -6±%1 yanlış alarm oranı
için c değerleri Çizelge 2.1’de verilmiştir.
M c
12 2.160
16 1.370
20 0.995
PF=10-6 için, HO SYAO tekniği sezim olasılığının hedef gücü ile değişimi Şekil
2.2’de verilmiştir.
HO SYAO icin P D
1
M=12
0.9 M=16
M=20
0.8
0.7
Sezim Olasılığı PD
0.6
0.5
0.4
0.3
0.2
0.1
0
0 5 10 15 20 25 30 35 40
Hedef Gücü - SCR(dB)
Şekil 2.2 HO SYAO Farklı M Değerleri İçin Sezim Olasılığı Grafiği, PF=10-6
7
2.1.2 Tektür olmayan ortam
r r M
(1 ICR) c
PD 1 c 1 (2.5)
1 SCR (1 SCR)
0.6
Sezim Olasılığı PD
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9
Hedef Bulunan Hücre Sayısı r
Şekil 2.3 HO SYAO Sezim Olasılığının Hedef Bulunan Hücre Sayısına (r) Göre
Değişimi, ICR=SCR=20dB, PF=10-6
8
2.2. İstatistiksel Sıralı SYAO
Test hücresinin eşik değerini belirlemek için, ona komşu hücrelerin sezimleyici
çıkışı sinyal seviyelerinin küçükten büyüğe sıralı örneklerinin k’nıncısını kullanan
tekniğe İstatistiksel Sıralı SYAO (İS SYAO) denir.
Test hücresinde hedef bulunma durumuna (2.7)’deki eşitsizlik ile karar verilir.
H1
X ( n) cZ (n) (2.7)
H0
M adet
(.)2
Detektör
Çıkışı
k’nıncı
c
seçici
HEDEF
cX(k)(n) VAR
>
<
X(n) HEDEF
Test Hücresi YOK
Çıkışı
9
Sezim olasılığı ve yanlış alarm olasılığı denklemleri (2.8) ve (2.9)’daki gibi elde
edilmiştir.
k 1
( M i)
PD (2.8)
c
i 0
(M i )
1 SCR
k 1
(M i)
PF (2.9)
i 0 ( M i c)
M=8 için ise k=4,5 ve 6 seçilmiştir. Bu değerler ise sistemin karıştırıcı hedeflere
karşı dayanıklı olacağı düşünülen değerlerdir. İS-ÇYH SYAO sisteminde
kullanılacak değerlerin İS SYAO karşılıkları olarak analiz edilmiştir.
M k C
8 4 195.455
8 5 86.186
8 6 46.611
16 12 20.929
16 13 16.933
16 14 13.674
10
PF=10-6 için İS SYAO tekniği sezim olasılığının hedef gücü ile değişimi Şekil 2.5’te
verilmiştir.
İS SYAO için P D
1
M=16 k=12
0.9 M=16 k=13
M=16 k=14
0.8
M=8 k=4
M=8 k=5
0.7
M=8 k=6
Sezim Olasılığı PD
0.6
0.5
0.4
0.3
0.2
0.1
0
0 5 10 15 20 25 30 35 40
Hedef Gücü - SCR(dB)
Şekil 2.5 İS SYAO Farklı M ve k Değerleri için Sezim Olasılığı Grafiği, PF=10-6
PF=10-6 için İS SYAO tekniği sezim olasılığının M=16 pencere boyutu için sıra
sayısı k’ya göre değişimi Şekil 2.6’da verilmiştir.
İS SYAO için P D
0.8
M=16
0.79
0.78
0.77
Sezim Olasılığı PD
0.76
0.75
0.74
0.73
0.72
0.71
0.7
9 10 11 12 13 14 15
Sinyal Sıra Değeri k
Şekil 2.6 İS SYAO M=16 için Sezim Olasılığının k’ya gore değişimi, PF=10-6
11
2.2.2 Tektür olmayan ortam
l i l
M min( i , M r ) M r (1) j1 j2
c r l i l
j1 j2
PD
1 SCR i k l max(0,i r ) l i l j1 0 j2 0 M r l c j ( j2 r i l )
1 ICR 1 ICR
1
(2.10)
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6
Hedef Bulunan Hücre Sayısı r
Şekil 2.7 İS SYAO Sezim Olasılığının Hedef Bulunan Hücre Sayısına (r) Göre
Değişimi, ICR=SCR=20dB, PF=10-6
12
3. ÇEVRESEL YANSIMA HARİTALAMALI SYAO ANALİZİ
Otomatik hedef tespiti yapan radarlarda, eşik değerini belirlemek için hücrenin
daha önceki hedef olmadığı kabul edilerek alınan örnekleri kullanan teknikler
üretilmiştir (Nitzberg, 1986). Bu tür tekniklere Çevresel Yansıma Haritalamalı
SYAO (ÇYH-SYAO) denir. Bu tekniğin avantajı, her hücreye kendi karakteristiğine
göre bir eşik değeri atandığı için tektür olmayan çevresel ortamın (sert yansıma
geçişleri ve çoklu hedef durumu) etkisi, başarıma etki etmez. Fakat test
hücresinde sonuncudan önceki taramalarda bulunan hedef (bekleyen hedef),
başarımı ciddi şekilde etkilemeye başlar.
Bölüm 3.1, 3.2 ve 3.3’te SYAO metotu olarak çevresel yansıma haritalamalı
teknikler anlatılacaktır.
Test hücresinin eşik değerini belirlemek için, aynı hücrenin daha önceki
taramalarını ağırlıklandırarak kullanan tekniğe Çevresel Yansıma Haritalamalı
SYAO (ÇYH SYAO) denir.
İlgili teknikte n’ninci tarama için kare alıcı sezimleyicinin çıkışı X (n) , önceki
taramalardan elde edilmiş uyarlanır eşik değeri cZ (n 1) ile karşılaştırılır. Eşik
değeri ise test hücresinin geçmiş taramalarından elde edilen sinyal seviyelerinin
ağırlıklandırılmış toplamıdır.
13
Z (n) w.(1 w)l X (n l ) (3.2)
l 0
Denklem (3.1) ve (3.2)’de yer alan w çevresel yansıma haritalamalı teknikler için
ağırlık katsayısıdır. w , önceki taramaların eşik değeri tahminindeki ağırlığını
belirler. w değeri arttıkça, son taramaların eşik değerindeki ağırlığı artar ve sistem
değişikliklere daha çabuk uyarlanır hale gelir. w değerinin azalması ise sistemin
daha eski taramalardan da veri kullanmasını, böylece Tektür ortamda daha yüksek
performans elde etmesini sağlar.
Detektör
Çıkışı X(n) w - Ağırlık wX(n) Z(n)
(.)2 ∑
Katsayısı
X(n) (1-w)Z(n-1)
Sezim olasılığı ve yanlış alarm olasılığı denklemleri (3.3) ve (3.4)’deki gibi elde
edilmiştir.
1
PD (3.3)
l 0 cw(1 w)l
1
1 SCR
1
PF l
(3.4)
l 0 1 cw(1 w)
14
yerine sonlu bir değer bulunması gerekmektedir. Bulunan değer c ’nin ve yanlış
alarm oranının doyuma ulaştığı, artık değişmediği nokta olmalıdır.
Farklı ağırlık değeri w ve tarama sayısı n değerleri için c , yanlış alarm oranı ve
sezim oranı değerleri Çizelge 3.1’de verilmiştir. Yanlış alarm oranı 10 -6±%1
aralığında seçilmiştir.
w=1/8
n 50 100 250 500 1000
c 20.979 20.931 20.931 20.931 20.931
PFA*106 1.009 1.009 1.009 1.009 1.009
w=1/16
n 50 100 250 500 1000
c 18.040 17.085 17.047 17.047 17.047
PFA*106 1.009 1.009 1.009 1.009 1.009
w=1/32
n 50 100 250 500 1000
c 20.268 16.160 15.364 15.357 15.357
PFA*106 1.009 1.009 1.009 1.009 1.009
Farklı w ağırlıkları için seçilen c değerleri için yanlış alarm oranının tarama
sayısına göre değişimi grafiği, seçilen tarama sayısının doğruluğu için sağlama
olarak kabul edilebilir.
15
ÇYH SYAO için P F'nin n'ye Göre Değişimi
2
10
Yanlış Alarm Oranı PF*106 w=1/32 c=15.357
1
10
0
10
0 100 200 300 400 500 600 700 800 900 1000
Tarama Sayısı n
Şekil 3.2 ÇYH SYAO Yanlış Alarm Oranının Tarama Sayısına Göre Değişim
Grafiği
Farklı ağırlık katsayıları için sezim olasılığı grafiği Şekil 3.3’te verilmiştir.
0.7
Sezim Olasılığı PD
0.6
0.5
0.4
0.3
0.2
0.1
0
0 5 10 15 20 25 30 35 40
Hedef Gücü - SCR(dB)
Şekil 3.3 ÇYH SYAO Farklı w Değerleri İçin Sezim Olasılığı Grafiği, PF=10-6
16
3.1.2 Tektür olmayan ortam
Son L taramada test hücresinde, hedef sinyal gücünün toplam gürültüye oranı
ICR SCR olan hedef bulunursa, sezim olasılığı denklem (3.5)’teki gibi hesaplanır
(Bkz. Ek 2).
L 1 n
1 1
PD . (3.5)
l 0
1 ICR l l L cw(1 w) l
1 cw(1 w) 1
1 SCR
1 SCR
0.6
Sezim Olasılığı PD
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9 10
Hedef Bulunan Tarama Sayısı L
Şekil 3.4 ÇYH SYAO Sezim Olasılığının Hedef Bulunan Tarama Sayısına (L) Göre
Değişimi, ICR=SCR=20dB, PF=10-6
17
3.2. Hücre Ortalamalı ÇYH SYAO
Test hücresinin eşik değerini belirlemek için, komşu hücrelerin daha önceki
taramalarının sezimleyici çıkışı sinyal seviyelerinin ortalamasını ağırlıklandırarak
kullanan tekniğe Hücre Ortalamalı ÇYH SYAO (HO-ÇYH SYAO) denir.
İlgili teknikte n’ninci tarama için kare alıcı detektörün çıkışı X (n) , önceki
taramalardan elde edilmiş uyarlanır eşik değeri cZ (n 1) ile karşılaştırılır. Eşik
değeri kestiriminde M hücreli referans penceresinde bulunan hücrelerin sezimleyici
çıkışı sinyal seviyelerinin ortalaması kullanılır.
M
x ( n) x j ( n) / M (3.6)
j 1
x j (n) , n’ninci tarama için j’ninci hücrenin sezimleyici çıkışı sinyal seviyesidir. Eşik
Z (n) wx(n) w(1 w) x(n 1) w(1 w)2 x(n 2) ... w(1 w) n x(0)
Z ( n) h( n) x ( n ) (3.7)
n 0
M adet
(.)2
Detektör
Çıkışı
(1-w)Z(n-1)
X(n)
Test Z(n-1) Tarama Z(n-1)
(1-w) c HEDEF
Hücresi Periyodu cZ(n-1)
> VAR
Çıkışı
<
X(n)
18
HO-ÇYH SYAO yanlış alarm ve sezim denklemlerinin çıkarımları Ek 3’te
verilmiştir.
Sezim olasılığı ve yanlış alarm olasılığı denklemleri (3.9) ve (3.10)’daki gibi elde
edilmiştir.
1
PD ( )M (3.9)
cw (1 w) n
n 0
1
M (1 SCR)
1
PF ( )M (3.10)
cw(1 w) n
n 0
1
M
M W C
12 1/16 14.063
16 1/16 13.999
20 1/16 13.960
12 1/32 13.932
16 1/32 13.901
20 1/32 13.960
Farklı referans pencere boyutu ve ağırlık katsayıları için sezim olasılığı grafiği
Şekil 3.6’da verilmiştir.
19
HO-ÇYH SYAO için P D
1
M=12 w=1/16
0.9 M=16 w=1/16
M=20 w=1/16
0.8
M=12 w=1/32
M=16 w=1/32
0.7
M=20 w=1/32
Sezim Olasılığı PD
0.6
0.5
0.4
0.3
0.2
0.1
0
0 5 10 15 20 25 30 35 40
Hedef Gücü - SCR(dB)
Şekil 3.6 HO-ÇYH SYAO Farklı M ve w Değerleri İçin Sezim Olasılığı Grafiği,
PF=10-6
Şekil 3.6’da gösterilen farklı değerler için sezim olasılıkları yaklaşık aynı çıkmıştır.
Test hücresinin eşik değerini belirlemek için, komşu hücrelerin daha önceki
taramalarının sezimleyici çıkışı sinyal seviyelerinin küçükten büyüğe sıralı
durumundan k’nıncısını ağırlıklandırarak kullanan tekniğe İstatistiksel Sıralı ÇYH
SYAO (İS-ÇYH SYAO) denir.
İlgili teknikte n’ninci tarama için M hücreli bir referans penceresinde bulunan
hücrelerin sezimleyici çıkışı sinyal seviyeleri küçükten büyüğe sıralanır.
k’nıncı sıradaki sinyal seviyesi x(k)(n) eşik değeri belirlemede kullanılır. Eşik değeri
ise x(k)(n) sinyal seviyesi ve geçmiş taramalarda k’nıncı sıradaki sinyal
seviyelerinin (x(k)(n-1), x(k)(n-2), ..) ağırlıklandırılmış toplamıdır.
20
Z (n) h(n) x k (n) (3.12)
n 0
M adet
(.)2
Detektör
Çıkışı
(1-w)Z(n-1)
X(n)
Test Z(n-1) Tarama Z(n-1)
(1-w) c HEDEF
Hücresi Periyodu cZ(n-1)
> VAR
Çıkışı
< HEDEF
X(n)
YOK
Sezim olasılığı ve yanlış alarm olasılığı denklemleri (3.14) ve (3.15)’teki gibi elde
edilmiştir.
k 1
1
PD (3.14)
cw(1 w) n
n 0 i 0
1
M i 1 SCR
k 1
1
PF (3.15)
cw(1 w) n m
n 0 i 0
1
M i
21
Çizelge 3.3 İS-ÇYH SYAO tekniği, PF=10-6, farklı M, k ve w için c değerleri
M k w c
8 4 1/16 23.020
8 5 1/16 16.352
8 4 1/32 22.376
8 5 1/32 15.973
Farklı ağırlık katsayısı ve seçilen sinyalin sırası değerleri için sezim olasılığı grafiği
Şekil 3.8’de verilmiştir.
0.7
Sezim Olasılığı PD
0.6
0.5
0.4
0.3
0.2
0.1
0
0 5 10 15 20 25 30 35 40
Hedef Gücü - SCR(dB)
Şekil 3.8 İS-ÇYH SYAO Farklı M, k ve w Değerleri İçin Sezim Olasılığı Grafiği,
PF=10-6
22
3.3.2 Tektür olmayan ortam
l i l
(1) j1 j2
L 1
cw(1 w) n M min( i , M r 1)
M r 1 r 1 l i l
j1 j2
PD
n 0 (1 SCR ) i k l max(0,i r 1) i l j1 0 j2 0 M r 1 l cw(1 w) j ( j2 r 1 i l )
n
l
(1 ICR) 1 ICR
1
l i l j1 j2
(1)
cw(1 w) n M min( i , M r )
M r r l i l
j1 j2
x
n L (1 SCR ) i k l max(0,i r )
l i l j1 0 j2 0 cw(1 w) n ( j r i l)
M r l j1 2
(1 ICR) 1 ICR
(3.16)
Çizelge 3.4 İS-ÇYH SYAO Tekniği, Son Taramada r Hücrede Hedef Bulunma
Durumu
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
x x x x x x x x x x
Hücre 4
Test Hücresi x
Hücre 6
x x x x x x x x x x
Hücre 8
23
İS-ÇYH SYAO için P D'nin r'ye Göre Değişimi, L=0
1
0.9
0.8
0.7
Sezim Olasılığı PD
0.6
0.5
0.4
0.3
Şekil 3.9 İS-ÇYH SYAO Sezim Olasılığının Hedef Bulunan Hücre Sayısına (r)
Göre Değişimi, ICR=SCR=20dB, PF=10-6
Çizelge 3.5 İS-ÇYH SYAO Tekniği, Son L Taramada Bekleyen Hedef Bulunma
Durumu
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
Hücre 4
Test Hücresi x x x x
Hücre 6
Hücre 8
24
İS-ÇYH SYAO için P D'nin L'ye Göre Değişimi, r=0
1
0.9
0.8
Sezim Olasılığı PD
0.7
0.6
0.5
M=8 k=4 w=1/16
0.4 M=8 k=5 w=1/16
M=8 k=4 w=1/32
M=8 k=5 w=1/32
0.3
0 1 2 3 4 5 6 7 8 9
Hedef Bulunan Tarama Sayısı L
Şekil 3.10 İS-ÇYH SYAO Sezim Olasılığının Hedef Bulunan Tarama Sayısına (L)
Göre Değişimi, ICR=SCR=20dB, PF=10-6
Çizelge 3.6 İS-ÇYH SYAO Tekniği, r=2 Bekleyen Karıştırıcı Hedef ve Son L
Taramada Bekleyen Hedef Bulunma Durumu
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
x x x x x x x x x x
Hücre 4
Test Hücresi x x x x
Hücre 6
Hücre 8 x X x x x x x x x x
25
İS-ÇYH SYAO için P D'nin L'ye Göre Değişimi, r=2
1
0.9
0.8
Sezim Olasılığı PD
0.7
0.6
0.5
M=8 k=4 w=1/16
0.4 M=8 k=5 w=1/16
M=8 k=4 w=1/32
M=8 k=5 w=1/32
0.3
0 1 2 3 4 5 6 7 8 9
Hedef Bulunan Tarama Sayısı L
Şekil 3.11 İS- ÇYH SYAO Sezim Olasılığının Hedef Bulunan Tarama Sayısına (L)
Göre Değişimi, r=2, ICR=SCR=20dB, PF=10-6
26
4. VERİ BİRLEŞİM SİSTEMLİ SYAO ANALİZİ
SYAO Radarlarında eşik değerini belirlemek için kullanılan iki temel teknik vardır:
komşu hücrelerin sinyal seviyelerini kullananlar ve geçmişteki taramalardan elde
edilen sinyal seviyelerini kullananlar kullananlar. Ayrıca literatürde bu ikisini hibrid
olarak kullanan teknikler, tezin 2. ve 3. bölümünde analiz edilmiştir.
Bölüm 4.1, 4.2 ve 4.3’te iki durum için de başarım sağlayacağı düşünülen yeni
birleşik teknikler önerilmiş ve analizleri gerçekleştirilmiştir.
Önerilen birleşik teknikler, komşu hücrelerin sinyal seviyelerini kullanan teknik ile
geçmişteki taramaları kullanan tekniğin karar mekanizma çıkışlarını veri birleştirme
(data fusion) (Barkat ve Varshney, 1989) merkezinde işleyerek tek bir çıkış veren
sistemlerdir.
Sezim ve yanlış alarm olasılığı, yerel radarların sezim ve yanlış alarm oranlarının
“veya” kuralı ile birleşiminden elde edilir (Üner ve Varshney, 1996).
27
PD1 ve PF1 HO SYAO tekniğine ait yerel sezim ve yanlış alarm oranıdır. PD2 ve
PF2 ise ÇYH SYAO tekniğine ait yerel sezim ve yanlış alarm oranıdır. PD ve PF ise
İki farklı sistemin bileşiminden meydana geldiği için, istenen SYAO’yu elde etmek
için her bir sezimleyicinin sabit çarpanlarını ( c1 ve c2 ) belirlemek gerekmektedir.
M adet
(.)2
Detektör
Çıkışı
Z1(n)
1/M∑ c1
HEDEF
c1Z1(n) VAR
>
<
Test Hücresi X(n) HEDEF HEDEF
Çıkışı YOK VERİ VAR
BİRLEŞİM
MERKEZİ HEDEF
YOK
X(n) w - Ağırlık wX(n) Z2(n)
∑
Katsayısı
(1-w)Z2(n-1)
Sezim olasılığı ve yanlış alarm olasılığı denklemleri (4.3) ve (4.4)’teki gibi elde
edilmiştir.
c1
M
1 c1
M
1
PD 1 1
(1 SCR) n 0 c2 w(1 w) n (1 SCR) n 0 c2 w(1 w)
n
1 1
1 SCR 1 SCR
(4.3)
28
1
1
PF (1 c1 ) M n
(1 c ) M
n
(4.4)
n 0 1 c2 w(1 w) n 0 1 c2 w(1 w)
1
İstenen sabit yanlış alarm oranında en yüksek sezimi elde etmek için c1 ve c2
Yanlış alarm oranı 10-6±%1, tarama sayısı n=500 ve hedefin gürültüye oranı
SCR =15 dB’de en yüksek sezimi sağlayacak farklı M ve w değerleri için
hesaplanan c1 ve c2 değerleri, Çizelge 4.1’de verilmiştir.
M W SCR c1 c2 PD
Farklı referans pencere boyutu ve ağırlık katsayıları için sezim olasılığı grafiği
Şekil 4.2’de verilmiştir.
29
HO ve ÇYH SYAO VBS için P D
1
M=16 ve w=1/32
0.9 M=16 ve w=1/16
M=12 ve w=1/32
0.8
M=12 ve w=1/16
0.7
Sezim Olasılığı PD
0.6
0.5
0.4
0.3
0.2
0.1
0
0 5 10 15 20 25 30 35 40
Hedef Gücü - SCR(dB)
Şekil 4.2 HO ve ÇYH SYAO VBS Farklı M ve w değerleri için sezim olasılığı
grafiği, PF=10-6
Son L taramada test hücresinde ICR SCR gücünde hedef bulunması veya son
taramada M hücreli referans penceresinin r tanesinde ICR SCR gücünde hedef
bulunması durumunda sezim olasılığı denklem (5.4)’teki gibi değişir.
n
r r M
(1 ICR)c1 c1 L 1
1 1
PD 1 1 .
1 SCR (1 SCR)
l 0
1
1 ICR
c2 w(1 w)l l L 1 c2 w(1 w)
l
1 SCR 1 SCR
n
r r M
(1 ICR)c1 c1 L 1
1 1
1 1
1 SCR (1 SCR)
1 ICR
.
c2 w(1 w)l l L 1 c2 w(1 w)
l
l 0
1
1 SCR 1 SCR
(4.5)
30
Çizelge 4.2 HO ve ÇYH SYAO VBS Tekniği, Son L Taramada Bekleyen Hedef
Bulunma Durumu
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
Hücre 2
Hücre 8
Test Hücresi x x x x x
Hücre 9
Hücre 16
31
HO ve ÇYH SYAO VBS için P D'nin L'ye Göre Değişimi, r=0
1
0.9
0.8
Sezim Olasılığı PD
0.7
0.6
0.5
M=16 ve w=1/32
0.4 M=16 ve w=1/16
M=12 ve w=1/32
M=12 ve w=1/16
0.3
0 1 2 3 4 5 6 7 8 9
Hedef Bulunan Tarama Sayısı L
Şekil 4.3 HO ve ÇYH SYAO VBS Sezim Olasılığının Hedef Bulunan Tarama
Sayısına (L) Göre Değişimi, ICR=SCR=20dB, PF=10-6
Çizelge 4.3 HO ve ÇYH SYAO VBS Tekniği, r Hücrede Hedef Bulunma Durumu
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
Hücre 2
x
x
Hücre 8
Test Hücresi x
Hücre 9
x
Hücre 16
32
Sadece son taramada M referans penceresinin r tanesinde karıştırıcı hedef
(ICR=SCR=20dB) bulunma durumuna göre sezim grafiğinin değişimi Şekil 4.4’te
verilmiştir.
0.95
0.9
0.85
Sezim Olasılığı PD
0.8
0.75
0.7
0.65
M=16 ve w=1/32
0.6 M=16 ve w=1/16
M=12 ve w=1/32
0.55
M=12 ve w=1/16
0.5
0 1 2 3 4 5 6 7 8 9
Hedef Bulunan Hücre Sayısı r
Şekil 4.4 HO ve ÇYH SYAO VBS Sezim Olasılığının Hedef Bulunan Hücre
Sayısına (r) Göre Değişimi, ICR=SCR=20dB, PF=10-6
33
Çizelge 4.4 HO ve ÇYH SYAO VBS Tekniği, Son L Taramada ve r Hücrede Hedef
Bulunma Durumu
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
Hücre 2
x
x
Hücre 8
Test Hücresi x x x x
Hücre 9
x
Hücre 16
0.6
Sezim Olasılığı PD
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9
Hedef Bulunan Hücre Sayısı r
Şekil 4.5 HO ve ÇYH SYAO VBS Sezim Olasılığının L=3 durumunda Hedef
Bulunan Hücre Sayısına (r) Göre Değişimi, ICR=SCR=20dB, PF=10-6
34
4.2. Hücre Ortalamalı ve İstatistiksel Sıralı ÇYH SYAO’larına Dayalı Veri
Birleşim Sistemi
Sezim ve yanlış alarm olasılığı, yerel radarların sezim ve yanlış alarm oranlarının
“veya” kuralı ile birleşiminden elde edilir (Bkz. Denklem 4.1 ve 4.2). PD1 ve PF1 HO
SYAO tekniğine ait yerel sezim ve yanlış alarm oranıdır. PD2 ve PF2 ise İS-ÇYH
SYAO tekniğine ait yerel sezim ve yanlış alarm oranıdır. PD ve PF ise genel sezim
İki farklı sistemin bileşiminden meydana geldiği için, istenen SYAO’yu elde etmek
için her bir sezimleyicinin sabit çarpanlarını ( c1 ve c2 ) belirlemek gerekmektedir.
M adet
(.)2
Detektör
Çıkışı
Z1(n)
1/M∑ c1
HEDEF
c1Z1(n) VAR
>
X(n) <
Test Hücresi X(n) HEDEF HEDEF
Çıkışı YOK VERİ VAR
BİRLEŞİM
MERKEZİ HEDEF
YOK
(1-w)Z2(n-1)
Sezim olasılığı ve yanlış alarm olasılığı denklemleri (4.8) ve (4.9)’daki gibi elde
edilmiştir.
35
M1 k2 1
c1
1
PD 1 ...
(1 SCR) c2 w(1 w) n
n 0 i 0
1
M 2 i 1 SCR
M1 k2 1
c1
1
1 c2 w(1 w) n
(4.8)
(1 SCR) n 0 i 0
1
M 2 i 1 SCR
k2 1 k2 1
1 1
PF (1 c1 ) M1 (1 c ) M1
(4.9)
c w(1 w) c w(1 w) n
n 1
n 0 i 0
1 2 n 0 i 0
1 2
M2 i M2 i
İstenen sabit yanlış alarm oranında en yüksek sezimi elde etmek için c1 ve c2
Yanlış alarm oranı 10-6±%1, tarama sayısı n=500 ve hedefin gürültüye oranı
SCR =15 dB’de sezimi maksimize edecek farklı w ve k değerleri için hesaplanan
c1 ve c2 değerleri, Çizelge 4.5’te verilmiştir.
Çizelge 4.5 HO ve İS-ÇYH SYAO VBS tekniği, PF=10-6, farklı M1, M2, k2 ve w için
c1 ve c2 değerleri
M1 M2 k2 w SCR c1 c2
Farklı referans pencere boyutu ve ağırlık katsayıları için sezim olasılığı grafiği
Şekil 4.7’de verilmiştir.
36
HO ve İS-ÇYH SYAO VBS için P D
1
0.9
0.8
0.7
Sezim Olasılığı PD
0.6
0.5
0.4
0.3
Şekil 4.7 Farklı M1, M2, k2 ve w değerleri için sezim olasılığı grafiği, PF=10-6
Son L taramada test hücresinde hedef bulunması veya son taramada M hücreli
referans penceresinin r tanesinde hedef bulunması durumunda sezim olasılığı
denklem (4.8)’deki gibi değişir.
37
r1 r M
1 ICR L 1
c2 w(1 w) n M 2 min(i , M 2 r2 1) M 2 r2 1 r2 1
1 1
c1
PD 1 c1
(1 SCR)
1 l i l
1 SCR n 0 (1 SCR ) i k l max(0,i r2 1)
l i l j1 j2
(1)
l i l
j1 j2
c2 w(1 w) n
x
j1 0 j2 0 c w(1 w) n ( j r 1 i l ) n L (1 SCR)
M 2 r2 1 l 2 j1 2 2
(1 ICR) 1 ICR
l i l
(1) j1 j2
M 2 min( i , M 2 r2 )
M r r l i l
j1 j2
x 2 2 2
i k2 l max(0,i r2 ) l i l j1 0 j2 0 c w(1 w) n ( j r i l)
M 2 r2 l 2 j1 2 2
(1 ICR) 1 ICR
r1 r M
1 ICR c2 w(1 w) n M 2 min(i , M 2 r2 1) M 2 r2 1 r2 1
1 1 L 1
c1
1 c1
(1 SCR)
1 l i l
1 SCR n 0 1 SCR i k2 l max(0,i r2 1)
l i l j1 j2
(1)
l i l
j1 j2
c2 w(1 w) n
x
j1 0 j2 0 c w(1 w) n ( j r 1 i l ) n L (1 SCR)
M 2 r2 1 l 2 j1 2 2
(1 ICR) 1 ICR
l i l j1 j2
M 2 min( i , M 2 r2 )
(1)
M r r l i l
j1 j2
x 2 2 2
i k2 l max(0,i r2 ) l i l j1 0 j2 0 c w(1 w) n ( j r i l)
M 2 r2 l 2 j1 2 2
(1 ICR) 1 ICR
(4.8)
38
Çizelge 4.6 HO ve İS-ÇYH SYAO VBS Tekniği, Son Taramada Karıştırıcı Hedef
Bulunma Durumu
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
Hücre 2
x
x
Hücre 8
Test Hücresi x
Hücre 9
x
Hücre 16
HO ve İS-ÇYH SYAO VBS için P D'nin r1'e Göre Değişimi, L=0, r2=0
1
0.95
0.9
Sezim Olasılığı PD
0.85
0.8
0.75
Şekil 4.8 HO ve İS-ÇYH SYAO VBS Sezim Olasılığının Hedef Bulunan Hücre
Sayısına (r1) Göre Değişimi, ICR=SCR=20dB, PF=10-6
39
Sadece son L taramada test hücresinde bekleyen hedef bulunması durumunun
grafiksel gösterimi Çizelge 4.7’de verilmiştir. Gösterim için L, 3; M1, 16; M2, 8 kabul
edilmiştir.
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
Hücre 2
Hücre 8
Test Hücresi x x x x
Hücre 9
Hücre 16
HO ve İS-ÇYH SYAO VBS için P D'nin L'ye Göre Değişimi, r1=0, r2=0
1
0.95
0.9
Sezim Olasılığı PD
0.85
0.8
0.75
Şekil 4.9 HO ve İS-ÇYH SYAO VBS Sezim Olasılığının Hedef Bulunan Tarama
Sayısına (L) Göre Değişimi, ICR=SCR=20dB, PF=10-6
40
Son taramada karıştırıcı hedef bulunmama (r1=0), önceki taramalarda 2 hücrede
bekleyen karıştırıcı hedef (r2=2) ve son L taramada bekleyen hedef bulunması
durumunun grafiksel gösterimi Çizelge 4.8’de verilmiştir. Gösterimin anlaşılırlığı
için L=3; M1=16; M2=8 kabul edilmiştir.
Çizelge 4.8 HO ve İS-ÇYH SYAO VBS Tekniği, Son L Taramada Bekleyen Hedef
ve r2=2 Hücrede Bekleyen Karıştırıcı Hedef Bulunma Durumu, r1=0
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
Hücre 2
x x x x x x x x x x
Hücre 8
Test Hücresi x x x x
Hücre 9
x x x x x x x x x x
Hücre 16
41
HO ve İS-ÇYH SYAO VBS için P D'nin L'ye Göre Değişimi, r1=0, r2=2
1
0.95
0.9
Sezim Olasılığı PD
0.85
0.8
0.75
Şekil 4.10 HO ve İS-ÇYH SYAO VBS Sezim Olasılığının r1=0, r2=2 durumunda
Hedef Bulunan Tarama Sayısına (L) Göre Değişimi, ICR=SCR=20dB,
PF=10-6
42
Çizelge 4.9 HO ve İS-ÇYH SYAO VBS Tekniği, Son L Taramada Bekleyen Hedef
Bulunma Durumu, r1=4, r2=2
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
Hücre 2
x
x x x x x x X x x x x
Hücre 8
Test Hücresi x x x x
Hücre 9
x x x x x x x x x x x
Hücre 16
HO ve İS-ÇYH SYAO VBS için P D'nin L'ye Göre Değişimi, r1=4, r2=2
1
0.9
0.8
Sezim Olasılığı PD
0.7
0.6
0.5
Şekil 4.11 HO ve İS-ÇYH SYAO VBS Sezim Olasılığının r1=4, r2=2 durumunda
Hedef Bulunan Tarama Sayısına (L) Göre Değişimi, ICR=SCR=20dB
PF=10-6
43
4.3. İstatistiksel Sıralı ve İstatistiksel Sıralı ÇYH SYAO’larına Dayalı Veri
Birleşim Sistemi
Sezim ve yanlış alarm olasılığı, yerel radarların sezim ve yanlış alarm oranlarının
“veya” kuralı ile birleşiminden elde edilir (Bkz. Denklem 4.1 ve 4.2). PD1 ve PF1 İS
SYAO tekniğine ait yerel sezim ve yanlış alarm oranıdır. PD2 ve PF2 ise İS-ÇYH
SYAO tekniğine ait yerel sezim ve yanlış alarm oranıdır. PD ve PF ise genel sezim
İki farklı sistemin bileşiminden meydana geldiği için, istenen SYAO’yu elde etmek
için her bir sezimleyicinin sabit çarpanlarını ( c1 ve c2 ) belirlemek gerekmektedir.
İstenen sabit yanlış alarm oranında en yüksek sezimi elde etmek için c1 ve c2
Yanlış alarm oranı 10-6±%1, tarama sayısı n=500 ve hedefin gürültüye oranı
SCR =15 dB’de sezimi maksimize edecek farklı w ve k değerleri için hesaplanan
c1 ve c2 değerleri, Çizelge 4.10’da verilmiştir.
Çizelge 4.10 İS ve İS-ÇYH SYAO VBS tekniği, PF=10-6, farklı M1, M2, k2 ve w için
c1 ve c2 değerleri
M1 k1 M2 k2 w SCR c1 c2
Farklı referans pencere boyutu ve ağırlık katsayıları için sezim olasılığı grafiği
Şekil 4.12’de verilmiştir.
44
İS ve İS-ÇYH SYAO VBS için P D
1
0.9
0.8
0.7
Sezim Olasılığı PD
0.6
0.5
0.4
0.3
0.2
0.1
M1=16 k 1=8 ve M2=8 k 2=4 w=1/32
0
0 5 10 15 20 25 30 35 40
Hedef Gücü - SCR(dB)
Şekil 4.12 Farklı M1, k1 M2, k2 ve w değerleri için sezim olasılığı grafiği, PF=10-6
Çizelge 4.11 İS ve İS-ÇYH SYAO VBS Tekniği, Son Taramada Karıştırıcı Hedef
Bulunma Durumu
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
Hücre 2
x
x
Hücre 8
Test Hücresi x
Hücre 9
x
Hücre 16
45
Son taramada karıştırıcı hedef (ICR=SCR=20dB) bulunması fakat önceki
taramalarda bekleyen karıştırıcı hedef bulunmaması durumunda sezim grafiğinin
r1’e göre değişimi Şekil 4.13’de verilmiştir.
İS ve İS-ÇYH SYAO VBS için P D'nin r1'e Göre Değişimi, L=0, r2=0
1
M1=16 k 1=8 ve M2=8 k 2=4 w=1/32
0.95
0.9
Sezim Olasılığı PD
0.85
0.8
0.75
0.7
0.65
0.6
0 1 2 3 4 5 6 7 8 9
Hedef Bulunan Hücre Sayısı r1
Şekil 4.13 İS ve İS-ÇYH SYAO VBS Sezim Olasılığının Hedef Bulunan Hücre
Sayısına (r1) Göre Değişimi, ICR=SCR=20dB, PF=10-6
46
Çizelge 4.12 İS ve İS-ÇYH SYAO VBS Tekniği, L Taramada Bekleyen Hedef
Bulunma Durumu
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
Hücre 2
Hücre 8
Test Hücresi x x x x
Hücre 9
Hücre 16
İS ve İS-ÇYH SYAO VBS için P D'nin L'ye Göre Değişimi, r1=0, r2=0
1
M1=16 k 1=8 ve M2=8 k 2=4 w=1/32
0.95
0.9
Sezim Olasılığı PD
0.85
0.8
0.75
0.7
0.65
0.6
0 1 2 3 4 5 6 7 8 9
Hedef Bulunan Tarama Sayısı L
Şekil 4.14 İS ve İS-ÇYH SYAO VBS Sezim Olasılığının Hedef Bulunan Tarama
Sayısına (L) Göre Değişimi, ICR=SCR=20dB, PF=10-6
47
Son taramada karıştırıcı hedef bulunması (r1=4), önceki taramalarda 2 hücrede
bekleyen karıştırıcı hedef (r2=2) bulunması ve son L taramada bekleyen hedef
bulunması durumunun grafiksel gösterimi Çizelge 4.13’te verilmiştir. Gösterimin
anlaşılırlığı için L=3; M1=16; M2=8 kabul edilmiştir.
Çizelge 4.13 İS ve İS-ÇYH SYAO VBS Tekniği, Son L Taramada Bekleyen Hedef
Bulunma Durumu, r1=4, r2=2
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
Hücre 2
x
x x x x x x X x x x x
Hücre 8
Test Hücresi x x x x
Hücre 9
x x x x x x x x x x x
Hücre 16
48
İS ve İS-ÇYH SYAO VBS için P D'nin L'ye Göre Değişimi, r1=4, r2=2
1
M1=16 k 1=8 ve M2=8 k 2=4 w=1/32
0.95
0.9
Sezim Olasılığı PD
0.85
0.8
0.75
0.7
0.65
0.6
0 1 2 3 4 5 6 7 8 9
Hedef Bulunan Tarama Sayısı L
Şekil 4.15 İS ve İS-ÇYH SYAO VBS Sezim Olasılığının r1=4, r2=2 durumunda
Hedef Bulunan Tarama Sayısına (L) Göre Değişimi, ICR=SCR=20dB
PF=10-6
49
5. KARŞILAŞTIRMALI PERFORMANS ANALİZİ
Bölüm 2’de ve 3’te SYAO Radarları için literatürde önerilen farklı teknikler analiz
edilmiştir. Bölüm 4’te ise, Bekleyen ve karıştırıcı hedef durumları için başarımı
arttıracağı düşünülen teknikler önerilmiştir.
Bölüm 5’te önerilen birleşik tekniklerin literatürdeki teknikler ile farklı ortamlardaki
başarımları karşılaştırılacaktır. Ayrıca Hücre Ortalamalı ve İstatistiksel Sıralı
tekniklerin Veri Birleşim Sistemi ile birleştirilmesi ile elde edilen yeni teknik ile de
aynı karşılaştırılmalar yapılacaktır.
Sezim ve yanlış alarm olasılığı, yerel radarların sezim ve yanlış alarm oranlarının
“veya” kuralı ile birleşiminden elde edilir (Bkz. Denklem 4.1 ve 4.2). PD1 ve PF1 HO
SYAO tekniğine ait yerel sezim ve yanlış alarm oranıdır. PD2 ve PF2 ise İS SYAO
tekniğine ait yerel sezim ve yanlış alarm oranıdır. PD ve PF ise genel sezim ve
İki farklı sistemin bileşiminden meydana geldiği için, istenen SYAO’yu elde etmek
için her bir sezimleyicinin sabit çarpanlarını ( c1 ve c2 ) belirlemek gereklidir.
50
M adet
(.)2
Detektör
Çıkışı
Z1(n)
1/M∑ c1
HEDEF
c1Z1(n) VAR
>
X(n) <
Test Hücresi X(n) HEDEF
Çıkışı YOK
HEDEF
VERİ VAR
BİRLEŞİM
MERKEZİ HEDEF
YOK
k’nıncı X(k)(n)
c
seçici
HEDEF
c2X(k)(n) VAR
>
X(n)
<
X(n) HEDEF
YOK
Şekil 5.1 HO ve İS SYAO VBS Radar Modeli
M1 k2 1 M1 k2 1
c1 (M 2 i) c1 (M 2 i)
PD 1 1 x
(1 SCR) i 0
(M 2 i
c2
) (1 SCR) i 0
(M 2 i
c2
)
1 SCR 1 SCR
(5.1)
k2 1 k2 1
(M 2 i) (M 2 i)
PF (1 c1 ) M1 (1 c1 ) M1 x (5.2)
i 0 ( M 2 i c2 ) i 0 ( M 2 i c2 )
İstenen sabit yanlış alarm oranında en yüksek sezimi elde etmek için c1 ve c2
51
Çizelge 5.1 HO ve İS SYAO VBS tekniği, PF=10-6, farklı M1, M2, ve k2 için c1 ve c2
değerleri
M1 M2 k2 c1 c2
16 16 14 1.388 17.440
r r M1
(1 ICR) c2
PD 1 c2 1 ...
(1 SCR) (1 SCR)
l i l
j1 j2
M 2 min( i , M 2 r )
(1)
c1 M r r l i l
j
1 j2
2
1 SCR i k2 l max(0,i r ) l i l j1 0 j2 0 M r l c ( j r i l)
2
j1 2
1 ICR 1 ICR
2
r r M1
(1 ICR) c2
1 c2 1 ...
(1 SCR) (1 SCR)
l i l j1 j2
M 2 min( i , M 2 r ) (1)
c1 2
M r r l i l
j1 j2
1 SCR i k2 l max(0,i r ) l i l j1 0 j2 0 M r l c2 j ( j2 r i l )
(5.3)
1 ICR 1 ICR
2 1
Dört farklı radar tekniği için Tektür ortam performans karşılaştırması yapılmıştır.
Karşılaştırmada kullanılan teknikler ve ayrıntıları şöyledir:
52
iii. Hücre Ortalamalı ve İstatistilksel Sıralı Çevresel Yansıma
Haritalamalı SYAO’larına Dayalı Veri Birleşim Sistemi, M1=16, M2=8,
k=4, w=1/32.
0.9
0.8
0.7
Sezim Olasılığı PD
0.6 HO SYAO
ÇYH SYAO
0.5 HO ve İS-ÇYH SYAO VBS
İS ve İS-ÇYH SYAO VBS
0.4 HO ve İS SYAO VBS
0.3
0.2
0.1
0
0 5 10 15 20 25 30 35 40
Hedef Gücü - SCR(dB)
Şekil 5.2 Farklı Radar teknikleri için sezim olasılığı grafiği, PF=10-6
53
Çizelge 5.2 Farklı Radar Teknikleri, L Taramada Bekleyen Hedef Bulunma
Durumu
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
Hücre 2
Hücre 8
Test Hücresi x x x x
Hücre 9
Hücre 16
Farklı Radar Teknikleri Bekleyen Hedef Durumu Sezim Olasılıkları, r1=0, r2=0
1
0.9
0.8
0.7
Sezim Olasılığı PD
0.6 HO SYAO
ÇYH SYAO
0.5 HO ve İS-ÇYH SYAO VBS
İS ve İS-ÇYH SYAO VBS
0.4 HO ve İS SYAO VBS
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9
Hedef Bulunan Tarama Sayısı L
Şekil 5.3 Farklı Radar Teknikleri, Sezim Olasılığının Hedef Bulunan Tarama
Sayısına (L) Göre Değişimi, ICR=SCR=20dB, PF=10-6
54
5.4. Karıştırıcı Hedef Karşılaştırması
Çizelge 5.3 Farklı Radar Teknikleri, Son Taramada Karıştırıcı Hedef Bulunma
Durumu
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
Hücre 2
x
x
Hücre 8
Test Hücresi x
Hücre 9
x
Hücre 16
55
Farklı Radar Teknikleri Karıştırıcı Hedef Durumu Sezim Olasılıkları, L=0, r2=0
1
0.9
0.8
0.7
Sezim Olasılığı PD
0.6 HO SYAO
ÇYH SYAO
0.5 HO ve İS-ÇYH SYAO VBS
İS ve İS-ÇYH SYAO VBS
0.4 HO ve İS SYAO VBS
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9
Hedef Bulunan Hücre Sayısı r1
Şekil 5.4 Farklı Radar Teknikleri, Sezim Olasılığının Hedef Bulunan Hücre
Sayısına (r1) Göre Değişimi, ICR=SCR=20dB, PF=10-6
56
Çizelge 5.4 Farklı Radar Teknikleri, Karıştırıcı ve Bekleyen Hedef Bulunma
Durumu
Tarama Sayısı n n-1 n-2 n-3 n-4 n-5 n-6 n-7 n-8 n-9 n-10
Hücre 1
Hücre 2
x
x x x x x X x x x x x
Hücre 8
Test Hücresi x x x x
Hücre 9
x x x x x x x x x x x
Hücre 16
Son taramada M1=16 referans penceresinde 4 adet karıştırıcı hedef (r1=4), M2=8
referans penceresinde 2 hücrede bekleyen karıştırıcı hedef (r 2=2) ve son L
taramada bekleyen hedef bulunma durumunda (ICR=SCR=20dB), sezim grafiğinin
hedef bulunan tarama sayısına (L) göre değişimi Şekil 5.5’te verilmiştir.
0.9
0.8
0.7
Sezim Olasılığı PD
0.6 HO SYAO
ÇYH SYAO
0.5 HO ve İS-ÇYH SYAO VBS
İS ve İS-ÇYH SYAO VBS
0.4 HO ve İS SYAO VBS
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8 9
Hedef Bulunan Tarama Sayısı L
Şekil 5.5 Farklı Radar Teknikleri, Sezim Olasılığının r1=4, r2=2 durumunda Hedef
Bulunan Tarama Sayısına (L) Göre Değişimi, ICR=SCR=20dB, PF=10-6
57
6. SONUÇ
Çalışmada temel olarak, eşik değerini belirlemek için son taramayı değerlendiren
SYAO işlemcisi ve eşik değerini belirlemek için önceki taramaları değerlendiren
SYAO işlemcilerinin VBS’de birliştirilmesi ile yeni bir SYAO işlemcisi önerilmiş,
analitik denklemleri çıkartılmış ve sezim başarım analizleri gerçekleştirilmiştir.
Önerilen tekniğin, tektür ve tektür olmayan ortam için, literatürde sıkça kullanılan
diğer teknikler ile karşılaştırmalı performans analizleri gerçekleştirilmiştir.
Bölüm 2’de, eşik değerini belirlemek için son taramayı değerlendiren SYAO
işlemcilerinden HO SYAO ve İS SYAO işlemcilerinin analizleri gerçekleştirilmiştir.
HO SYAO işlemcisi, tektür ortamda en yüksek sezimi gerçekleştiren tekniktir. İS
SYAO işlemcisi ise, tektür ortamda, sezimi HO SYAO işlemcisine göre düşük olsa
da, tektür olmayan ortamda (karıştırıcı hedef durumu) sezimi HO SYAO
işlemcisinden daha yüksektir.
Bölüm 3’te, eşik değerini belirlemek için önceki taramaları değerlendiren SYAO
işlemcilerinden ÇYH SYAO, HO-ÇYH SYAO ve İS-ÇYH SYAO işlemcilerinin
analizleri gerçekleştirilmiştir. ÇYH SYAO işlemcisi, ÇYH teknikleri için temel
tekniktir. Tektür ortamda en yüksek sezimi HO-ÇYH SYAO işlemcisi
gerçekleştirmiştir. Fakat tektür olmayan ortamda (karıştırıcı bekleyen hedef) en
yüksek sezim İS-ÇYH SYAO işlemcisine aittir.
58
Bölüm 5’te, farklı teknikler için tektür ve tektür olmayan ortamda sezim
başarımlarının karşılaştırılmaları yapılmıştır.
Bölüm 5.2’de, tektür ortam için HO ve İS-ÇYH SYAO VBS tekniğinin sezimi, diğer
tekniklerden daha yüksektir.
Bölüm 5.3’te, tektür olmayan ortam, bekleyen hedef durumu için, HO ve İS-ÇYH
SYAO VBS tekniğinin sezimi diğer tekniklerden daha yüksektir. Bu durumda ÇYH
SYAO tekniğinin sezimi hızlı bir şekilde azalırken, HO SYAO ve HO ve İS SYAO
VBS tekniklerinin sezimleri düşmemektedir.
Bölüm 5.4’te, tektür olmayan ortam, son taramada karıştırıcı hedef durumu için en
yüksek sezim HO ve İS-ÇYH SYAO VBS tekniğine aittir. ÇYH SYAO tekniğinin
sezimi, karıştırıcı hedeften etkilenmemekte, ve yüksek sayıda karıştırıcı hedef için
HO ve İS-ÇYH SYAO VBS tekniği ile aynı seviyededir. Diğer tekniklerin sezimleri,
karıştırıcı hedef ile birlikte hızlı biçimde azalmaktadır.
Bölüm 5.5’te, tektür olmayan ortam, bekleyen ve karıştırıcı hedef durumu için en
yüksek sezim yine HO ve İS-ÇYH SYAO VBS tekniğine aittir. ÇYH SYAO
tekniğinin sezimi bekleyen hedef sayısına göre hızlı biçimde azalmakta, diğer
tekniklerin ise sezimleri, karıştırıcı hedef sayısından ötürü çok düşüktür.
59
İlerideki çalışmalarda, karıştırıcı hedef durumunda sezimi daha gürbüz olacağı
düşünülen İS ve İS-ÇYH SYAO VBS tekniğinin sezimi incelenebilir. Tektür
ortamda sezimi HO ve İS-ÇYH SYAO VBS tekniğinden düşük olsa da, karıştırıcı
hedef durumunda performansının daha yüksek olacağı öngörülmektedir.
60
KAYNAKLAR
Barkat, M., and Varshney, P.K., 1989, “Decentralized CFAR Signal Detection”,
IEEE Transactions on Aerospace and Electronic Systems, AES-25, March
1989, pp.141-149.
Conte, E., Lops, M. and Tulino, A.M., 1997, “Hybrid Procedure for CFAR in non-
Gaussian Clutter”, IEEE Proceedings on Radar, Sonar and Navigation,
Vol:146, Issue:6, Dec. 1997, pp. 361-369.
Finn H.M., Johnson R.S., 1968, “Adaptive Detection Mode with threshold control
as a function of spatially sampled clutter-level estimates”. RCA Review 29,
Sept 1968, p414-464.
Hansen, V.G., 1973, “Constant False Alarm Rate Processing in search Radars”, In
Proceedings of the IEEE 1973 International Radar Conference, London,
pp.325-332.
Han, J., Varshney, P.K., and Srinivasan, 1983, “Distributed Binary Integration”,
IEEE Transactions on Aerospace and Electronic Systems, Vol.29, No.1, Jan.
1993, pp.2-8.
Hansen, V.G., and Sawyers, J.H., 1980, “Detectability Loss Due to Greatest of
Selection in a Cell-Averaging CFAR”, IEEE Transactions on Aerospace and
Electronic Systems, AES-16, Jan. 1980, pp.115-118.
61
Levanon, N., Shor, M., 1991, “Performance of Order Statistic CFAR”, IEEE
Transactions on Aeospace and Electronic Systems Vol-27, March 1991, p214-
224.
Mitchell, R.L., Walker, J.F., 1971, “Recursive Methods for Computing Detection
Probabilities”, IEEE Transactions on Aerospace and Electronic Systems, AES-
7, July 1971, pp671-676.
Moore, J.D., and Lawrence, N.B., 1980, “Comparison of Two CFAR Methods Used
With Square Law Detection of Swerling I Targets”, In Proceedings of the IEEE
International Radar Conference, 1980, pp.403-409.
Nitzberg, R., 1978, “Analysis of the Arithmetic Mean CFAR Normalizer for
Fluctuating Targets”, IEEE Transactions on Aerospace and Electronic Systems,
AES-14, Jan. 1978, pp.44-47.
Rohling, H., 1983, Radar CFAR Thresholding in Clutter and Multiple Target
Situations, IEEE Transactions on Aerospace and Electronic Systems, AES-19,
pp.608-621.
62
Shan, T., Tao, R., Wang, Y., Zhou, S., 2002, “Performance of Order Statistic
Clutter Map CFAR”, Internatioanl Conference on Signal Processing, Aug. 2002,
pp. 1572-1575.
Shan, T., Tao, R., Wang, Y., Zhou, S., 2004, “Performance Analysis of
Multidimensional Clutter Map CFAR”, Internatioanl Conference on Signal
Processing, Sept. 2004, pp. 2128-2131.
63
EKLER DİZİNİ
Sayfa
EK 1. İSTATİSTİKSEL SIRALI SYAO DENKLEMLERİ ÇIKARIMI... 65
64
EK 1. İSTATİSTİKSEL SIRALI SYAO DENKLEMLERİ ÇIKARIMI
x
1
PX ( x) e p (Ek1.1)
p
M
PX ( k ) ( x) pk ( x) k (1 PX ( x)) N k ( PX ( x)) k 1 p X ( x) (Ek1.3)
k
Yanlış alarm, hedef bulunmama durumunda sezimleyici çıkışı sinyal seviyesi eşik
seviyesinden yüksekse X (n) cZ (n) oluşur. Bu eşitsizlikte c istenen yanlış alarm
oranını sağlamak için seçilen sabittir. cZ (n) uyarlanır eşik değeri olarak
adlandırılır.
Yanlış alarm olasılığı analitik olarak denklem (Ek1.4) ve (Ek1.5)teki gibi ifade edilir.
65
EZ , Z (n) ’e göre beklenen değer fonksiyonudur.
PF Pr( X (n) cx k (n) H 0 , x k (n)) p k ( x)dx (Ek1.5)
0
bulunma durumudur.
cx
Pr( X (n) cxk (n) H 0 , x k (n)) e p
(Ek1.6)
k M p M k 1
cx x x
PF e p
(e ) (1 e p )k 1dx
0
p k
M 1 p c M k 1
x x
PF k (e ) (1 e p )k 1dx (Ek1.7)
k p0
M (k 1)!(c M k )!
PF k (Ek1.8)
k (c M )!
M! (k 1)!(c M k )!
PF k
k !( M k )! (c M )!
k (k 1)! M ! (c M k )!
PF
k ! ( M k )! (c M )!
k 1
(M i)
PF (Ek1.9)
i 0 ( M i c)
66
Sezim olasılığı denklemini hesaplamak için (Ek1.6)’deki denklem değiştirilerek
yazılır.
cx
p (1 SCR )
Pr(Y (n) cX k (n) H1 ) e (Ek1.10)
k 1
( M i)
PD (Ek1.11)
c
i 0
(M i )
1 SCR
l i l j1 j2
(1)
c M
min( i , M r )
M r r l i l
j1 j2
PD
1 SCR i k l max(0,i r ) l i l j1 0 j2 0 M r l c j ( j2 r i l )
1 ICR 1 ICR
1
(Ek1.12)
67
EK 2. ÇEVRESEL YANSIMA HARİTALAMALI SYAO DENKLEMLERİ ÇIKARIMI
Bu denklemde Z (n) , n’ninci tarama için eşik seviyesi tahmini; w , ağırlık katsayısı;
X (n) , n’ninci tarama için sezimleyici çıkışı sinyal seviyesidir.
(Ek2.1) denklemi, kendi içinde yerine konulursa (Ek2.2) denklemi elde edilir.
Z (n) wX (n) w(1 w) X (n 1) (1 w)2 (wX (n) (1 w)Z (n 1)) (Ek2.3)
Z (n) w.(1 w)l X (n l ) (Ek2.5)
l 0
X (n 1) cZ (n) (Ek2.6)
Bu eşitsizlikte c istenen yanlış alarm oranını sağlamak için seçilen sabittir. cZ (n)
uyarlanır eşik değeri olarak adlandırılır.
68
Isıl gürültü artı çevresel gürültünün sezimleyici öncesi istatistiğinin kompleks
zarfının kompleks Gaussian olduğu kabul edilir. Hedef tipi olarak Swerling I modeli
varsayılmıştır. Kare-alan alıcı detektörü için, x ’in yoğunluk fonksiyonu aşağıdaki
gibi yazılır.
x
1
f ( x | H1 ) e p (1 SCR ) (Ek2.7)
p(1 SCR)
Farklı taramalar (n değerleri) için X (n) ler birbirinden bağımsız olduğu kabul edilir.
Bu kabul için radar taşıyıcı frekansın taramadan taramaya en az sinyal bant
genişliği kadar değişiyor olması gerekmektedir. Böylece X (n 1) ve Z (n)
istatistiksel olarak bağımsız hale gelir.
n+1’inci taramada, hedefin bulunma durumunda X (n 1) ’in Z (n) ’den büyük olma
olasılığı sezim olasılığıdır. Sezim olasılığının denklemi aşağıdaki gibi yazılır.
PD Pr[ X (n 1) cZ (n) Z (n), H1 ] f ( zn )dzn (Ek2.8)
0
x
1
Pr[ X (n 1) cZ (n) Z (n), H1 ]
cZ ( n )
p(1 SCR)
e p (1 SCR ) dx
cZ ( n )
p (1 SCR )
Pr[ X (n 1) cZ (n) Z (n), H1 ] e (Ek2.9)
Sezim olasılığı;
cZ ( n )
PD e p (1 SCR )
f ( zn )dzn (Ek2.10)
0
69
(Ek2.11)’deki eşitlik kullanılırsa sinyal seviyeleri bağımsız değişkeninin
karakteristik fonksiyonu olduğu gözlenir, denklem (Ek2.12) elde edilir.
c
j (Ek2.11)
p(1 SCR)
PD e j n f ( zn )dzn Z ( n ) (Ek2.12)
0
X (n) ’ler istatistiksel olarak bağımsız olduğu ve Z (n) (Ek2.5)’teki gibi X (n) ’lerin
doğrusal ağırlıklandırılmış toplamı şeklinde ifade edilebildiğinden (Bkz. Ek2.4),
Z (n) ’in karakteristik fonksiyonu, X (n) ’lerın karakteristik fonksiyonlarının çarpımı
şeklinde yazılır.
Z ( n) X ( n) X ( n1) X ( n2) (Ek2.13)
X ( n ) e jwx f ( x | H 0 )dx (Ek2.14)
0
x
1
f (x | H0 ) e p (Ek2.15)
p
x
1 p
X ( n ) e jwx
e dx (Ek2.16)
0
p
1 1 jwp
1 x ( jw ) 1 x( )
X ( n ) e p dx e p
dx
p0 p0
1 jwp
1 1 x( )
X ( n ) e p
|
p 1 jwp 0
70
1
X ( n ) (Ek2.17)
1 jwp
1
X ( n ) c
c
1 wp( )
p(1 SCR)
1
X ( n ) c (Ek2.18)
cw
1
1 SCR
1
X ( n 1) c (Ek2.19)
cw(1 w)
1
1 SCR
1 1 1
PD Z ( n ) (Ek2.20)
cw cw(1 w) cw(1 w)2
1 1 1
1 SCR 1 SCR 1 SCR
1
PD (Ek2.21)
l 0 cw(1 w)l
1
1 SCR
71
1
PF l
(Ek2.22)
l 0 1 cw(1 w)
İstenen sabit yanlış alarm oranı için gerekli c değeri, denklem (Ek2.22)’den
hesaplanır.
Son L taramada test hücresinde, hedef sinyal gücünün toplam gürültüye oranı
ICR olan karıştırıcı hedef bulunursa (Ek2.14)’teki X (n) ’in karakteristik fonksiyonu
değişir.
X ( n ) e jwx f ( x | H1 )dx (Ek2.23)
0
x
1
f ( x | H1 ) e p (1 ICR ) (Ek2.24)
p(1 ICR)
x
1
X ( n ) e jwx
e p (1 ICR ) dx
0
p(1 ICR)
x(
1
jw )
1
p(1 ICR) 0
p (1 ICR )
X ( n ) e dx
p(1 ICR) 0
p (1 ICR )
X ( n ) e dx (Ek2.25)
p(1 ICR)
72
1
X ( n ) (Ek2.26)
1 jwp(1 ICR)
1
X ( n ) c
c
1 wp(1 ICR)
p(1 SCR)
1
X ( n ) c (Ek2.27)
(1 ICR)
1 cw
(1 SCR)
1
X ( n 1) c (Ek2.28)
1 ICR
1 cw(1 w)
1 SCR
Son L taramada test hücresinde, hedef sinyal gücünün toplam gürültüye oranı
ICR olan karıştırıcı hedef bulunduğu durumda, farklı n değerleri için X (n) ’in
karakteristik fonksiyonlarının çarpımından elde edilen sezim olasılığının analitik
denklemi (Ek2.29)’daki gibidir.
1 1 1
PD Z ( n ) ...
1 1 ICR cw 1 1 ICR cw(1 w) 1 1 ICR cw(1 w) L 1
1 SCR 1 SCR 1 SCR
1 1 1
L 1
L2
... (Ek2.29)
cw(1 w) cw(1 w) cw(1 w)
L
1 1 1 SCR 1 1 SCR
1 SCR
73
L 1 n
1 1
PD . (Ek2.30)
l 0
1 ICR l
1 cw(1 w) l L 1
l cw(1 w)
1 SCR
1 SCR
L 1
1 n 1
PD l
. (Ek2.31)
l 0 1 cw(1 w) l L cw(1 w)l
1 1 SCR
74
EK 3. HÜCRE ORTALAMALI ÇYH SYAO DENKLEMLERİ ÇIKARIMI
x(n), n’ninci tarama için M hücreli bir referans penceresinde bulunan hücrelerin
sezimleyici çıkışı sinyal seviyelerinin ortalamasıdır.
M x j ( n)
x ( n) (Ek3.2)
j 1 M
Ortalama sinyal seviyesi x(n) eşik değeri belirlemede kullanılır. Eşik değeri ise x(n)
sinyal seviyesi ve geçmiş taramalarda elde edilen ortalama sinyal seviyelerinin
(x(n-1), x(n-2), ..) ağırlıklandırılmış toplamıdır.
Z ( n) h( n) x ( n ) (Ek3.3)
n 0
n+1’inci tarama için hedef sezimine karar vermede aşağıdaki eşitsizlik kullanılır.
H1
X (n 1) cZ (n) (Ek3.5)
H0
Bu eşitsizlikte c istenen yanlış alarm oranını sağlamak için seçilen sabittir. cZ (n)
uyarlanır eşik değeri olarak adlandırılır.
X
1
p( X | H 0 ) e p (Ek3.6)
p
75
(Ek3.6) denkleminde p ısıl ve çevresel gürültü gücü toplamıdır.
Farklı taramalar (n değerleri) için X (n) ler birbirinden bağımsız olduğu kabul edilir.
Bu kabul için radar taşıyıcı frekansın taramadan taramaya en az sinyal bant
genişliği kadar değişiyor olması gerekmektedir. Böylece Z ( n) ve X (n 1)
istatistiksel olarak bağımsız hale gelir.
Pr( X (n 1) cZ (n) H 0 , Z (n))
cZ ( n )
p( x | H 0 )dx
X
1 p
e dx
cZ ( n )
p
cZ ( n )
e p
(Ek3.8)
Yanlış alarm oranı (Ek3.8) kullanılarak tekrar yazılır. Z (n) yerine (Ek3.3) denklemi
yazılır.
cZ ( n ) ch ( n ) x ( n )
PF E{e p
} E{e p
} (Ek3.9)
n 0
ch ( n ) X ( n )
PF ( e Mp
p( X )dX ) M (Ek3.10)
n 0 0
76
ch ( n ) X ( n ) X
1
PF ( e Mp
e p
dX ) M (Ek3.11)
n 0 0
p
(
X ch ( n )
1)
1 )(
PF ( e
p M
dX ) M (Ek3.12)
n 0 p 0
1 1
PF ( p( )) M
p ch ( n )
n 0
1
M
1
PF ( )M (Ek3.13)
ch ( n )
n 0
1
M
1
PF ( )M (Ek3.14)
cw(1 w) n
n 0
1
M
c
Sezim olasılığı, (Ek3.14)’te c yerine yazılarak elde edilebilir.
1 SCR
1
PD ( )M (Ek3.15)
cw(1 w) n
n 0
1
M (1 SCR)
77
EK 4. İSTATİSTİKSEL SIRALI ÇYH SYAO DENKLEMLERİ ÇIKARIMI
k’nıncı sıradaki sinyal seviyesi x(k)(n) eşik değeri belirlemede kullanılır. Eşik değeri
ise x(k)(n) sinyal seviyesi ve geçmiş taramalarda k’nıncı sıradaki sinyal
seviyelerinin (x(k)(n-1), x(k)(n-2), ..) elde edilen sinyal seviyelerinin ağırlıklandırılmış
toplamıdır.
Z (n) h(n) x( k ) (n) (Ek4.2)
n 0
y1 (n) Mx1 n
y (n) ( M 1)( x n x n )
2 2 1
......... ( M 2)( x3 n x2 n )
Y (Ek4.4)
jy ( n ) ......................................
......... 2( x
M 1 n xM 2 n )
yM (n) ( xM n xM 1 n )
n’ninci tarama için k’nıncı sıradaki sinyal seviyesi y vektörü cinsinden yazılabilir.
k y j ( n)
x k (n) (Ek4.5)
j 1 M 1 j
n+1’inci tarama için hedef sezimine karar vermede aşağıdaki eşitsizlik kullanılır.
X (n 1) cZ (n) (Ek4.6)
Bu eşitsizlikte c istenen yanlış alarm oranını sağlamak için seçilen sabittir. cZ (n)
uyarlanır eşik değeri olarak adlandırılır.
78
Isıl gürültünün sezimleyici öncesi istatistiğinin kompleks zarfının kompleks
Gaussian olduğu kabul edilir. Kare-alan alıcı detektörü için x(n) ’in yoğunluk
x
1
p( x | H 0 ) e p (Ek4.7)
p
bağımsız olur. Z (n) , n’nin değişik değerleri için x( k ) (n) ’lerin ağırlıklandırılmış
Pr( X (n 1) cZ (n) H 0 )
cZ ( n )
p( x | H 0 )dx (Ek4.9)
x
1 p
e dx
cZ ( n )
p
cZ ( n )
e p
(Ek4.10)
Yanlış alarm oranı (Ek4.10) kullanılarak tekrar yazılır. Z (n) yerine (Ek4.2) yazılır.
h ( n ) x( k ) ( n )
cZ ( n ) c
PF E{e } E{e
p n0
p
} (Ek4.11)
79
Farklı n değerleri için x k (n) ’ler birbiriyle bağımsız olduğu için, üstel fonksiyondaki
ch ( n ) x k ( n )
PF E{e p
} (Ek4.12)
n 0
k
ch ( n ) y (n)
M j1 j
PF E{e
p j 1
} (Ek4.13)
n 0
Üstel fonksiyondaki toplama işlemi, y j (n) ’ler birbirinden bağımsız olduğu için
k
M 1 j p
ch ( n ) y j ( n )
PF E e (Ek4.14)
n 0 j 1
gibidir.
y j (n) y
p( y j (n)) e p
e , y0 p
(Ek4.15)
k
M 1 j p
ch ( n ) y
PF E e (Ek4.16)
n 0 j 1
M ch1(n )j yp py 1
k
PF e e dy (Ek4.17)
p
n 0 j 1 0
80
k 1 y ch ( n ) 1
PF e
p M 1 j
dy (Ek4.18)
n 0 j 1 p
0
y ch ( n )
k
1 1 1
p M 1 j
PF e | (Ek4.19)
n 0 j 1 p 1 ch(n)
0
1
p M 1 j
k
1
PF (Ek4.20)
n 0 j 1
ch(n) 1
M 1 j
h(n) yerine denklem (Ek4.3) yazılır ve yanlış alarm oranı elde edilir.
k
1
PF (Ek4.21)
cw(1 w) n
n 0 j 1
1
M 1 j
k 1
1
PF (Ek4.22)
cw(1 w) n
n 0 i 0
1
M i
c
Sezim olasılığı, (Ek4.22)’de c yerine yazılarak elde edilebilir.
1 SCR
k 1
1
PD (Ek4.23)
cw(1 w) n
n 0 i 0
1
M i 1 SCR
81
Ek4.2 Tektür olmayan ortam
n’ninci tarama için hedef sezimine karar vermede aşağıdaki eşitsizlik kullanılır.
H1 hedef bulunması durumunda, kare-alan alıcı detektörü için x(n) ’in yoğunluk
fonksiyonu (Ek4.25)’te verilmiştir.
x
1
p( x | H1 ) e p (1 SCR ) (Ek4.25)
p(1 SCR)
Pr( x(n 1) cZ (n) H1 )
cZ ( n )
p( x)dx
x
1
cZ ( n )
p(1 SCR)
e p (1 SCR ) dx
cZ ( n )
p (1 SCR )
e (Ek4.27)
h ( n ) x k ( n )
cZ ( n )
p (1 SCR )
c p (1 SCR )
PD E{e } E{e n0
}
ch ( n ) x k ( n )
PD E{e p (1 SCR )
} (Ek4.28)
n 0
82
cw (1 w )n x( k ) ( n )
PD E{e p (1 SCR )
} (Ek4.29)
n 0
cw (1 w )n x( k ) ( n )
PD e p (1 SCR )
f X ( k ) ( x( k ) )dx( k ) (Ek4.30)
n 0 0
cw(1 w)n
A(n) (Ek4.31)
(1 SCR)
PD e A( n ) x ( n )/ p f X ( x)dx (Ek4.32)
n 0 0
A(n) A( n) x ( n)/ p
e |
A( n ) x ( n )/ p A( n ) x ( n )/ p
f X ( x)dx FX ( x)e e FX ( x)dx (Ek4.33)
0
0
0
p
karıştırıcı hedef durumu için (Ek4.34)’teki gibi elde edilir (Gandhi ve Kassam,
1988).
M
M r r ( M r l ) x
min( i , M r ) ( r i l ) x x
FX ( x) l i l e (1 e x l
) e 1 SCR
(1 e 1 SCR i l
) (Ek4.34)
i k l max(0,i r )
A(n) A( n ) x ( n )/ p
e f X ( x)dx
A ( n ) x ( n )/ p
e FX ( x)dx (Ek4.35)
0 0
p
83
A(n) A( n ) x ( n )/ p
PD
p 0
e FX ( x)dx (Ek4.36)
n 0
l i l
(1) j1 j2
cw(1 w) n M min( i , M r )
M r r l i l
j1 j2
PD
n 0 (1 SCR ) i k l max(0,i r )
l i l j1 0 j2 0 cw(1 w) n ( j r i l)
M r l j1 2
(1 ICR) 1 ICR
(Ek4.37)
l i l j1 j2
(1)
cw(1 w)
L 1 n M
M r 1 r 1
min( i , M r 1) l i l
1 2
j j
PD
j1 0 j2 0 M r 1 l cw(1 w) j ( j2 r 1 i l )
n
n 0 (1 SCR ) i k l max(0,i r 1) l i l
(1 ICR) 1 ICR
1
l i l
(1) j1 j2
L 1
cw(1 w) n M min( i , M r )
M r r l i l
j1 j2
x
n 0 (1 SCR ) i k l max(0,i r )
l i l j1 0 j2 0 cw(1 w) n ( j r i l)
M r l j1 2
(1 ICR) 1 ICR
(Ek4.38)
84
EK 5. HO VE ÇYH SYAO VBS DENKLEMLERİ ÇIKARIMI
Ek5.1Tektür Ortam
Veya karar verme kuralı ve iki farklı sezimleyici ile çalışan veri birleştirme
merkezleri için sezim ve yanlış alarm denklemleri (Üner ve Varshney, 1996)’deki
gibi yazılır.
1 numaralı teknik olarak Hücre Ortalamalı, 2 numaralı teknik olarak ise Çevresel
Yansımanın Haritalanması kullanılacaktır.
M
c1
PD1 1 (Ek5.3)
(1 SCR)
PF1 (1 c1 ) M (Ek5.4)
1
PD2 (Ek5.5)
l 0 c2 w(1 w)l
1
1 SCR
1
PF2 l
(Ek5.6)
l 0 1 c2 w(1 w)
c1
M
1 c1
M
1
PD 1 1
(1 SCR) l 0 c2 w(1 w)l (1 SCR) l 0 c2 w(1 w)
l
1 1 SCR 1 1 SCR
(Ek5.7)
1
1
PF (1 c1 ) M l
(1 c ) M
l
(Ek5.8)
l 0 1 c2 w(1 w) l 0 1 c2 w(1 w)
1
85
Ek5.2 Tektür olmayan ortam
Çoklu hedef bulunma veya test hücresinde bekleyen hedef durumunda sezim
olasılığı denklemi, (Ek5.1)’deki denklemde, yerel sezim olasılıklarına detektörlerin
karıştırıcı hedef (Denklem 2.5) ve bekleyen hedef (Denklem 3.5) durumu
denklemleri yazılarak elde edilir.
r r M
(1 ICR)c c
PD1 1 1
1 SCR (1 SCR)
L 1 n
1 1
PD2 .
l 0
1 ICR l l L cw (1 w) l
1 cw(1 w)
1 SCR 1 1 SCR
n
r r M
(1 ICR)c1 c1 L 1
1 1
PD 1 1 .
1 SCR (1 SCR)
l 0
1
1 ICR
c2 w(1 w)l l L 1 c2 w(1 w)
l
1 SCR 1 SCR
n
r r M
(1 ICR)c1 c1 L 1
1 1
1
1
1 SCR (1 SCR)
l 0
1 ICR
.
l
1 c2 w(1 w) l L 1 2
l c w (1 w)
1 SCR 1 SCR
(Ek5.9)
86
EK 6. HO VE İS-ÇYH SYAO VBS DENKLEMLERİ ÇIKARIMI
Ek6.1Tektür ortam
Veya karar verme kuralı ve iki farklı sezimleyici ile çalışan veri birleştirme
merkezleri için sezim ve yanlış alarm olasılıkları denklem (Ek6.1) ve(Ek6.2)’deki
gibidir.
1 numaralı teknik olarak Hücre Ortalamalı, 2 numaralı teknik olarak ise İstatistiksel
Sıralı Çevresel Yansımanın Haritalanması kullanılacaktır.
M1
c1
PD1 1 (Ek6.3)
(1 SCR)
PF1 (1 c1 ) M1 (Ek6.4)
n k2 1
1
PD2 (Ek6.5)
c2 w(1 w) n m
m 1 i 0
1
M 2 i 1 SCR
n k2 1
1
PF2 (Ek6.6)
c w(1 w) n m
m 1 i 0
1 2
M2 i
87
M1 k2 1
c1 n
1
PD 1 ...
(1 SCR) c2 w(1 w)n m
m 1 i 0
1
M 2 i 1 SCR
M1 k2 1
c1 n
1
1 c2 w(1 w)n m
(Ek6.7)
(1 SCR) m 1 i 0
1
M 2 i 1 SCR
n k2 1 n k2 1
1 1
PF (1 c1 ) M1 nm
(1 c ) M1
(Ek6.8)
c w(1 w) c w(1 w) n m
1
m 1 i 0
1 2 m 1 i 0
1 2
M2 i M2 i
Çoklu hedef bulunma veya test hücresinde bekleyen hedef durumunda sezim
olasılığı denklemi, (Ek6.1)’deki denklemde, yerel sezim olasılıklarına HO SYAO
için karıştırıcı hedef (Denklem 2.5) ve İS-ÇYH SYAO bekleyen ve karıştırıcı hedef
(Denklem 3.16) durumu denklemleri yazılarak elde edilir.
r r M
1 ICR c
PD1 1 c 1
1 SCR (1 SCR)
l i l j1 j2
(1)
c2 w(1 w)
L 1
M 2 r2 1 r2 1
n M 2 min( i , M 2 r2 1) l i l
1 2
j j
PD2 x
j1 0 j2 0 M r 1 l c2 w(1 w) j ( j2 r2 1 i l )
n
n 0 (1 SCR ) i k l max(0,i r2 1) l i l
(1 ICR) 1 ICR
2 2 1
l i l j1 j2
(1)
c2 w(1 w) n
M 2 r2 r2
M 2 min( i , M 2 r2 ) l i l
1 2
j j
x
j1 0 j2 0 M r l c2 w(1 w) j ( j2 r2 i l )
n
n L (1 SCR ) i k2 l max(0,i r2 ) l i l
(1 ICR) 1 ICR
2 2 1
88
r1 r M
1 ICR L 1
c2 w(1 w) n M 2 min(i , M 2 r2 1) M 2 r2 1 r2 1
1 1
c1
PD 1 c1
(1 SCR)
1 l i l
1 SCR n 0 (1 SCR ) i k l max(0,i r2 1)
l i l j1 j2
(1)
l i l
1 2
j j
c2 w(1 w) n
x
j1 0 j2 0 c w(1 w) n ( j r 1 i l ) n L (1 SCR)
M 2 r2 1 l 2 j1 2 2
(1 ICR) 1 ICR
l i l j1 j2
M 2 min( i , M 2 r2 )
(1)
M r r l i l
1 2
j j
x 2 2 2
i k2 l max(0,i r2 ) l i l j1 0 j2 0 c2 w(1 w) n ( j r i l)
M 2 r2 l j1 2 2
(1 ICR) 1 ICR
r1 r M
1 ICR c2 w(1 w) n M 2 min(i , M 2 r2 1) M 2 r2 1 r2 1
1 1 L 1
c1
1 c1 1 (1 SCR) l i l
1 SCR n 0 1 SCR i k2 l max(0,i r2 1)
l i l j1 j2
(1)
l i l
j1 j2
c2 w(1 w) n
x
j1 0 j2 0 c2 w(1 w) n ( j2 r2 1 i l ) n L (1 SCR)
M 2 r2 1 l j1
(1 ICR) 1 ICR
l i l j1 j2
(1)
M 2 min( i , M 2 r2 )
M 2 r2 r2 l i l
1 2
j j
x
i k2 l max(0,i r2 ) l i l j1 0 j2 0 c2 w(1 w) n ( j r i l)
M 2 r2 l j1 2 2
(1 ICR) 1 ICR
(Ek6.9)
89
ÖZGEÇMİŞ
İş Tecrübesi:
90