Buradasınız

Anasayfa » Content

DALGACIK PAKET DÖNÜŞÜMÜ VE GENETİK ALGORİTMA KULLANARAK ZAYIF RADAR SİNYALLERİNİN GÜRÜLTÜDEN ARINDIRILMASI

DENOISING OF WEAK RADAR SIGNALS USING WAVELET PACKET TRANSFORM AND GENETIC ALGORITHM

Journal Name:

  • Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi

Publication Year:

  • 2014

Key Words:

Keywords (Original Language):

Author NameUniversity of AuthorFaculty of Author
Abstract (2. Language): 
Radar constitutes one of the major application areas of communication systems. Until radar signal reaches from source to target, the noise may be mixed with the original signal because of environmental or human-induced reasons. Thus, it may be impossible to read the signal correctly. In this article, the purpose is to denoise the weak radar signals from noise with high-performance. For this purpose, Wavelet Packet Transform is used as different from the traditional methods. While these transforms are being performed, the selections of the appropriate wavelet family type, entropy type and level are quite important. Moreover, the suitable threshold function selection is important for high performance. In this article, the Genetic Algorithm structure as intelligent system for the optimization is proposed. With this structure, the best wavelet family type, entropy type and level number can be determined. Fuzzy s-function as thresholding function is preferred and variable parameters of this function are selected according to the best performance criteria. Then, this method, which is proposed for denoising the weak radar signals from noise, is compared with other algorithms available in the literature. The achievements are tested by using root mean square error and the correlation coefficient criteria. According to the obtained results, the achievement of proposed method is better than achievements of other methods.
Bookmark/Search this post with
Abstract (Original Language): 
Radar, haberleşme sistemlerinin önemli uygulama alanlarından birini oluşturur. Radar sinyali kaynaktan hedefe varıncaya kadar çevresel ya da insan kaynaklı nedenlerden dolayı asıl sinyale gürültü karışmış olabilir. Böylece, sinyalin doğru okunması imkânsız olabilir. Bu makalede, zayıf radar sinyallerini yüksek başarım ile gürültüden arındırmak amaçlanmıştır. Bu amaç doğrultusunda, geleneksel yöntemlerden farklı olarak Dalgacık Paket Dönüşümü kullanılmıştır. Bu dönüşümler gerçekleştirilirken, uygun dalgacık ailesi türü, entropi türü ve seviye seçimi oldukça önemli olmaktadır. Ayrıca, uygun bir eşik fonksiyonunun seçilmesi de yüksek başarım için önemlidir. Bu makalede, akıllı sistem olan Genetik Algoritma yapısı optimizasyon amaçlı önerilmiştir. Bu yapı ile birlikte, en iyi dalgacık ailesi türü, entropi türü ve seviye sayısı belirlenebilir. Eşikleme fonksiyonu olarak Bulanık s-fonksiyonu tercih edilmiş ve bu fonksiyona ait değişken parametreler en iyi başarım kriterine göre seçilmiştir. Daha sonra, zayıf radar sinyallerini gürültüden arındırabilmek için önerilen bu yöntem, literatürde mevcut olan diğer algoritmalarla karşılaştırılmıştır. Ortalama Karesel Hatanın Karekökü ve Korelasyon Katsayısı kriterleri kullanılarak başarımlar test edilmiştir. Elde edilen sonuçlara göre, önerilen yöntemin başarımının diğer yöntemlere göre oldukça iyi olduğu görülmektedir.
FULL TEXT (PDF): 
PDF icon arastirmax-dalgacik-paket-donusumu-genetik-algoritma-kullanarak-zayif-radar-sinyallerinin-gurultuden-arindirilmasi.pdf
  • 2
375
383
  • Turkish

REFERENCES

References: 

1. Yang, B.J. ve Li, Y., “Introduction of chaotic
oscillator detection”, Beijing: Publish House of
Electronics Industry, 2004.
2. Couch, I., Digital and Analog Communication
Systems, Maxwell MacMillan, New York,
A.B.D., 1990.
3. Cunningham, I. A., ve Shaw, R., “Noise in
imaging systems and humaan vision: signal-tonoise
optimization of medical imaging systems”,
Journal of the Optical Society of America,
A16 (3), s.621-632. 1999.
4. Chen, W., Meng C., Wang C. ve Zhang, Z.,
“Summary on weak signal detection methods
based on chaos theory”, The Ninth
International Conference on Electronic
Measurement and Instruments, 978-1-4244-
3864-8/09, IEEE, 2009.
5. Wang, G., ve diğ.., “Application of chaos
oscillator in detection of signal under the
background of strong noise”, Beijing: Chinese
Journal of Scientific Instrument, 18(2), 209-
212. 1997.
6. Ehara, N., Sasese, I. ve Mori, S., “Weak radar
signal detection based on wavelet transform”,
IEEE, 0-7803-1775-0/94, 1994.
7. Ahern, J., Delisle, G. Y. ve diğ., Radar, Lab-
Volt Ltd., vol. 1, Canada. 1989.
8. Ahern, J., Delisle, G. Y. ve diğ., Radar, Lab-
Volt Ltd., vol. 2, Canada. 1990.
9. Aly, O.A.M. ve Omar A.S., “Detection and
localization of RF radar pulses in noise
environments using wavelet packet transform
and higher order statistics”, Progress in
Electromagnetics Research, PIER 58, 301-317,
2006.
10. Wei, C. ve Zhu, W., “Weak signal denoising
method based on accumulation in frequency
domain and wavelet transform”, Third
International Symposium on Information
Processing, IEEE, 2010.
11. Chongsheng L., “Study of weak signal detection
based on second FFT and chaotic oscillator”,
Nature and Science, 3(2), 2005.
12. Khairnar, D.G., Merchant, S.N., Desai, U.B.,
“Radar signal detection in non-gaussian noise
using RBF neural network”, Journal of
Computers, Vol.3, No.1. 2008.
13. To, A.C., Moore, J.R., Glaser, S.D., “Wavelet
denoising techniques with applications to
experimental geophysical data”, Signal
Processing, 89, 144-160, 2009.
14. Yang, R., Ren, M., “Wavelet denoising using
principal component analysis”, Expert systems
with Applications, 38, 1073-1076, 2011.
15. Sharma, L.N., Dandapat S. ve Mahanta A.,
“ECG signal denoising using higher order
statistics in wavelet subbands”, Biomedical
Signal Processing and Control, 5, 214-222.
2010.
16. Bingo W.K, L., Charlotte H., Hak-Keung L.,
Thomas P.L, W., Albert, Y., Peter, S., “Fuzzy
rule based multiwavelet ECG signal denoising”,
IEEE International Conference on Fuzzy
Systems, 2008.
17. Geetha, G. ve Geethalakshmi S.N., “EEG Denoising
using sure thresholding based on wavelet
transforms”, International Journal of
Computer Applications, 0975-8887, Vol.24,
No.6, 2011.
18. Talbi, M., Salhi, L., Barkouti, W. ve Cherif A.,
“Speech enhancement with bionic wavelet
transform and recurrent neural network”, 5th
International Conference: Sciences of
Electronic, Technologies of Information and
Telecommunications, March. 2009.
19. Kumar, B.M. ve Lavanya, R.V., “Signal
denoising with soft threshold by using chui-lian
multiwavelet”, International Journal of
Electronics and Communication Technology,
Vol.2, Issue 1, March, 2011.
20. Liu, L. ve Jiang J., “Using stationary wavelet
transformation for signal denoising”, Eighth
International Conference on Fuzzy Systems
and Knowledge Discovery, IEEE, 2011.
21. Song, S., Qi, Y.Y. ve Qiao, J.F., “Research on
de-noising of pulse signal based on fuzzy
threshold in wavelet packet domain”,
Proceedings of the 2007 International
Conference on Wavelet Analysis and Pattern
Recognition, Beijing, China, 2-4 Nov., 2007.
22. Zhang, Q., Rossel, R.A. ve Choi, P., “Denoising
of gamma-ray signals by interval-dependent
thresholds of wavelet analysis”, Measurement
Science and Technology, 17, 731-735, 2006.
Dalgacık Paket Dönüşümü ve Genetik Algoritma Kullanarak… M. Üstündağ ve ark.
Gazi Üniv. Müh. Mim. Fak. Der. Cilt 29, No 2, 2014 383
23. Liu, F., Ruan, X.E., “Wavelet-based diffusion
approaches for signal denoising”, Signal
Processing, 87, 1138-1146, 2007.
24. Xiang, D.Li., Lai-Bin, Z. ve Zhao-Hui, W., “Denoising
of diesel vibration signal using wavelet
packet and singular value decomposition”,
Front.Mech.Eng.China, 4:443-447, 2006.
25. Alfaouri, M. ve Daqrouq K., “ECG signal
denoising by wavelet transform thresholding”,
American Journal of Applied Sciences,
5(3):276-281. 2008.
26. Ravier, P. ve Amblard, P., “Wavelet packets and
de-noising based on higher order statistics for
transient detection”, Signal Processing, 81,
1909-1926, 2001.
27. Medina, C.A., Alcaim, A. ve Apolinario J.A.,
“Wavelet denoising of speech using neural
networks for threshold selection”, Electronics
Letters 11th, Vol.39, No.25, December, 2003.
28. Chen, G.Y. ve Bui, T.D., “Multiwavelets
denoising using neighboring coefficients”, IEEE
Signal Processing Letters, Vol.10, No.7, July,
2003.
29. Arı, N., Özen, Ş. ve Çolak, Ö.H., Dalgacık
Teorisi, Palme Yayıncılık, Ankara, 2008.
30. Fliege, N.J., Multirate digital signal processing
(Multirate systems-filter bankswavelets, John
Wiley & Sons, Chichester, 251 p. 1996.
31. Misiti, M., Misiti, Y., Oppenheim, G., Poggi,
J.M.,, Wavelet toolbox users guide, copyright
by the MathWorks, Inc., 1996-1997.
32. Üstündağ, M., Zayıf radar sinyallerinin
genetik algoritmalar kullanılarak gürültüden
arındırılması, Doktora Tezi, Fırat Üniversitesi,
Fen Bilimleri Enstitüsü, 2012.
33. Avcı, E., Akıllı radar ile hedef tanıma sistemi,
Doktora Tezi, Fırat Üniversitesi, Fen Bilimleri
Enstitüsü 2005.
34. Üstündağ, M., Gökbulut, M., Şengür, A. ve Ata,
F., “Denoising of weak ECG signals by using
wavelet analysis and fuzzy thresholding”,
Springer, 1:135-140, 2012.
35. Demirel, N., Gökçen, H., Akçayol, M.A. ve
Demirel, E., “Çok aşamalı bütünleşik lojistik ağı
optimizasyonu probleminin melez genetik
algoritma ile çözümü”, Journal of the Faculty
of Engineering and Architecture of Gazi
University, Cilt 26, No 4, 929-936, 2011.
36. Üstündağ, M., Şengür, A., Gökbulut, M. ve Ata,
F., “Zayıf radar sinyallerinde gürültü gidermek
için dalgacık paket dönüşümü ve entropi tabanlı
bir yöntem”, Fırat Üniversitesi Mühendislik
Bilimleri Dergisi, Cilt 24, Sayı 2, 139-147,
2012

Thank you for copying data from http://www.arastirmax.com