Doğrusal olmayan hedeflerin harmonik radar spektrogram görüntüleri kullanılarak sınıflandırılması / Uğur Acer; thesis advisor İmam Şamil Yetik.

Tez (Yüksek Lisans)--TOBB ETÜ Fen Bilimleri Enstitüsü Ağustos 2025

Harmonik radar, doğrusal olmayan hedefleri tespit etmek amacıyla geliştirilmiş özel bir radar türüdür. Diyotlar, mikserler ve yükselteçler gibi devre elemanları, yaygın olarak bilinen doğrusal olmayan cihazlara örnek teşkil eder. Bu tür hedefler, üzerine gelen elektromanyetik dalganın harmonik frekanslarını yayarak karakteristik bir tepki sergiler. Bu davranış, cihazların akım-gerilim ilişkilerinin doğrusal olmamasından kaynaklanır ve bu da uygulanan sinyalin harmonik bileşenlerinin oluşmasına neden olur. Bu cihazlara bir sinyal uygulandığında, giriş sinyalinin temel frekansının yanı sıra ikinci, üçüncü veya daha yüksek mertebeden harmonik frekans bileşenleri de üretilir. Harmonik radar sistemleri, yansıyan elektromanyetik dalgalarda yer alan bu harmonik bileşenleri işleyerek doğrusal olmayan hedeflerin tespitini gerçekleştirir. Elektronik devrelerin doğrusal olmayan yapısından faydalanmak, özellikle yüksek arka plan gürültüsüne sahip ortamlarda hedeflerin daha başarılı şekilde belirlenmesine olanak tanır. Ayrıca, bu teknoloji sayesinde gömülü elektronik aygıtlar, gizlenmiş silahlar ve doğrusal olmayan elektromanyetik yanıtlar veren diğer insan yapımı nesneler tespit ve sınıflandırma yoluyla tanımlanabilmektedir. Bu çalışma, doğrusal olmayan farklı devrelerin harmonik radar yanıtları kullanılarak sınıflandırılmasına yönelik yeni bir yaklaşım sunmaktadır. Önceki yöntemlerden farklı olarak, bu çalışmada harmonik tepki verilerinden elde edilen spektrogram görüntüleri oluşturulmuş ve bu görüntüleri işlemek amacıyla Evrişimli Sinir Ağı (CNN) tabanlı bir model kullanılmıştır. Söz konusu harmonik yanıtlar, simülasyon ortamında elde edilmiştir. Simülasyonlarda giriş sinyali olarak Doğrusal Frekans Modülasyonlu (LFM) bir darbe tercih edilmiştir. LFM sinyali, zamanla frekans değişimi gösterdiği için harmonik tepkinin frekans içeriğindeki değişimi detaylı biçimde gözlemlemeye imkân tanır; böylece devre davranışına dair daha fazla bilgi edinilir. Farklı gürültü koşulları altında gerçekleştirilen simülasyonlarla ve doğrusal olmayan yanıtları etkileyen devre parametrelerinin değiştirilmesiyle geniş kapsamlı bir veri kümesi oluşturulmuştur. Spektrogramlar, zaman ekseninde frekans ve genlik değişimlerini gösteren iki boyutlu renkli görüntüler şeklinde oluşturulmuştur. Bu görüntüler, CNN modelinin eğitilmesi ve sınıflandırma işleminin gerçekleştirilmesi amacıyla kullanılmıştır. Modelin elde ettiği doğruluk oranı %80.6'nın üzerine çıkmıştır. Elde edilen sonuçlar, farklı doğrusal olmayan devrelerin harmonik yanıtlarından üretilen spektrogramların, CNN modelleri ile başarıyla sınıflandırılabileceğini göstermektedir.

Harmonic radar is a specialized type of radar system developed for the detection of nonlinear targets. Circuit components such as diodes, mixers and amplifiers are some known nonlinear devices. These targets exhibit distinctive behavior by emitting harmonic frequencies of the incident wave. This property is primarily due to their nonlinear voltage-current characteristics, which cause them to generate harmonics of the input signal. When a signal is applied to these devices, they respond by producing harmonic frequencies. Harmonic radar systems operate by processing the harmonic components present in the reflected electromagnetic waves to identify the presence of nonlinear targets. This exploitation of the nonlinear behavior of electronic circuits provides harmonic radar with a significant advantage in detecting targets in environments with substantial background clutter. Additionally, this technology enables the detection and classification of concealed objects, such as buried devices, hidden weapons, or other man-made items that produce nonlinear electromagnetic responses. This study presents a new approach to classify different nonlinear circuits using harmonic radar response. Unlike prior approaches, a Convolutional Neural Network (CNN) model is used to process spectrogram images that are generated from the recorded harmonic response data. These harmonic responses are obtained in a simulated environment. A Linear Frequency Modulated (LFM) pulse is chosen as the input signal for the simulations. Because LFM signals vary in frequency over time, they allow detailed observation of how the harmonic content of the response evolves, thus offering deeper insights into circuit behavior. A large dataset is created by simulating different noise conditions and adjusting circuit parameters that affect the nonlinear response. Spectrograms are constructed as 2D color images capturing frequency and amplitude variations over time. These images are used to train a CNN model to perform classification, resulting in an accuracy rate exceeding 80.6%. The results demonstrate that CNNs are effective in classifying spectrograms derived from harmonic responses of nonlinear circuits.