آشكارسازي با نرخ هشدار غلط ثابت در حضور ناهمگني

اصفهان : دانشگاه صنعتي اصفهان

برق

دكتري

چكيده با پيشرفت تكنولوژي در ابزارهاي اندازه‌گيري و ذخيره‌سازي، در حوزه‌هاي مختلفي نظير پزشكي، زمينه‌هاي مالي و علوم مهندسي با حجم زيادي از داده روبرو هستيم. بسياري از الگوريتم‌هاي پردازشي بر روي داده‌ها با فرض عدم حضور ناهمگني توسعه‌يافته‌اند و حضور داده‌هاي پرت اثر نامطلوب زيادي بر عملكرد آن‌ها دارد. از اين رو شناسايي يا كاهش اثر داده‌هاي پرت در بسياري از زمينه‌هاي تحقيقاتي از اهميت ويژه‌اي برخوردار است. در آشكارساز با ساختار پنجره لغزنده معمولاً فرض بر اين است كه داده‌هاي ثانويه داراي آماره‌اي يكسان با مؤلفه‌ي كلاتر در داده‌هاي تحت آزمون باشند؛ در اين صورت داده‌ها را همگن مي‌نامند. فرض همگن بودن داده‌هاي ثانويه در عمل در صورت وجود داده‌هاي پرت نظير لبه‌ي كلاتر، اهداف تداخلي و يا پارازيت در بين داده‌هاي ثانويه معتبر نيست و عملكرد آشكارسازي كه با اين فرض فرمول‌بندي شده است به‌شدت كاهش مي‌يابد. در گام اول اين پژوهش به‌جاي تلاش در يافتن تعداد سلول‌هاي شامل داده‌هاي پرت و حذف آن‌ها برخلاف روش‌هاي مرسوم، بدون اضافه كردن پيچيدگي محاسباتي سعي در كاهش اثر نامطلوب داده‌هاي پرت شده است. به اين منظور از ميانگين هارمونيكي به‌جاي ميانگين حسابي مرسوم استفاده شده است. ميانگين هارمونيكي ذاتاً نسبت به داده‌هاي پرت با دامنه زياد مقاوم است. سپس احتمال آشكارسازي و هشدار غلط آشكارساز پيشنهادي به‌صورت تئوري و شبيه‌سازي بررسي شده است. با استفاده از داده‌هاي شبيه‌سازي و تصاوير اندازه‌گيري شده SAR برتري آشكارساز پيشنهادي نسبت به ساير رقبا نشان داده شده است. ازنظر پيچيدگي پياده‌سازي و محاسباتي نيز روش پيشنهادي نسبت به ساير روش‌هاي شناخته شده در جايگاه خوبي قرار مي‌گيرد. در گام دوم اين پژوهش حذف داده‌هاي پرت از پنجره مرجع در حالت برداري بررسي شده است. الگوريتم‌هاي حذف داده‌هاي پرت به‌عنوان پيش‌پردازش بر روي داده‌ها اعمال مي‌گردند؛ سپس خروجي آن كه شامل همگن‌ترين دسته از داده‌هاي ثانويه است به‌عنوان ورودي براي ساير الگوريتم‌هاي پردازشي استفاده مي‌شود. پيش‌پردازش داده‌ها براي حذف دادهاي پرت در بسياري از كاربردها نظير سيستم‌هاي رادار، داده‌هاي مالي، داده‌هاي پزشكي و ... قابل استفاده است. در اين پژوهش با استفاده از معيار ML و با فرض توزيع CES براي بردارهاي داده‌هاي ثانويه، الگوريتم حذف داده‌هاي پرت فرمول‌بندي شده است. حل بهينه تابع هدف معرفي شده داراي بار محاسباتي بالايي است؛ از اين رو الگوريتم زير بهينه‌اي مبتني بر تكرار با زمان محاسبات كم و دقت مطلوبي ارائه شده است. الگوريتم معرفي شده در حالت خاص و براي داده‌هايي با توزيع گوسي معادل الگوريتم شناخته‌شده‌ي FMCD براي حذف داده‌هاي پرت است. بررسي‌هاي دقيق نشان داده‌اند كه روش‌هاي پيشنهادي در مقايسه با ساير روش‌هاي مطرح به‌ويژه در محيط‌هاي غير گوسي از نظر سرعت و دقت، عملكرد بهتري دارند. كلمات كليدي: حذف داده‌هاي پرت، داده‌هاي ثانويه ناهمگن، اهداف تداخلي، آشكارساز CFAR، توزيع‌هاي CES، تصاوير SAR.

212361

مخابرات سيستم

مهندسي برق و كامپيوتر

دانشگاه صنعتي اصفهان

محمد مهدي نقش، سعيد گازر

مجتبي بهشتي، احسان يزديان، عباس شيخي

محمد رضا تابان