000			06044nam a2200541 i 4500
001			200466378
003			TR-AnTOB
005			20251202092735.0
007			ta
008			171111s2025 xxu e mmmm 00| 0 eng d
035			_a(TR-AnTOB)200466378
040			_aTR-AnTOB _beng _erda _cTR-AnTOB
041	0		_atur
099			_aTEZ TOBB FBE ELE YL’25 SAR
100	1		_aSarıgül, Serdar _eauthor _9151048
245	1	0	_aFrekans modülasyonlu sürekli dalga otomotiv radarı ve evrişimsel sinir ağı ile kentsel ormanlık alanlarda yaya tespiti ve hedef sınıflandırması / _cSerdar Sarıgül; thesis advisor İmam Şamil Yetik.
246	1	3	_aPedestrian detection and target classification ın urban forestry environment with FMCW automotive radar and CNN
264		1	_aAnkara : _bTOBB ETÜ Fen Bilimleri Enstitüsü, _c2025.
300			_axiv, 42 pages : _billustrations ; _c29 cm
336			_atext _btxt _2rdacontent
337			_aunmediated _bn _2rdamedia
338			_avolume _bnc _2rdacarrier
502			_aTez (Yüksek Lisans)--TOBB ETÜ Fen Bilimleri Enstitüsü Haziran 2025
520			_aBu tez, Frekans Modülasyonlu Sürekli Dalga (FMSD) otomotiv radarı kullanılarak karmaşık kent ortamlarında araç ve ağaç gibi engellerin yarattığı çevresel zorluklara odaklanarak yaya tespitini inceleyen bir çalışmayı sunmaktadır. Geleneksel çalışmaların sıklıkla basitleştirilmiş radar hedef modellerine dayandığı bir ortamda, bu araştırma ormansal bir alanın gerçekçi üç boyutlu temsilini kullanarak gerçek koşullara yakın olarak temsil eden sürüş senaryolarını analiz etmektedir. Çalışmanın önemli bir bileşeni olarak ağaç modelindeki rüzgar etkisiyle oluşan hareketin radar sinyal bütünlüğünü nasıl etkilediğini anlamak amacıyla farklı bakış açılarında Radar Kesit Alanı (RKA) analizleri gerçekleştirilmiştir. Rüzgarlı koşullarda dalların dinamik davranışı ilave gürültü ve mikro-Doppler imzaları oluşturmakta ve bu durum yaya tespit performansını olumsuz yönde etkileyebilmektedir. Bu sorunları ele almak için, radar spektrogramlarından mikro-Doppler özelliklerinin çıkarılması ve sınıflandırılması amacıyla Evrişimsel Sinir Ağı (ESA) tabanlı bir mimari kullanılmıştır. Geliştirilen ve eğitilen ESA modeli yaya imzalarını çevresel faktörlerden kaynaklanan gürültülerden ayırt edebilmek üzere tasarlanmıştır. Performans değerlendirmesi ise doğruluk fonksiyonu, kayıp fonksiyonu ve karışıklık matrisleri gibi ölçümlerle gerçekleştirilmiştir. Deneysel sonuçlar, önerilen ESA tabanlı tespit sisteminin çevresel gürültü ve hareket kaynaklı bozulmalar karşısında güçlü sınıflandırma yeteneği sunduğunu göstermektedir. Geleneksel yaklaşımlarla kıyaslandığında sistem, gerçekçi koşullarda daha yüksek güvenilirlik ve tespit doğruluğu sergilemektedir. Sonuç olarak bu çalışma çevresel gerçekçiliğin ve dinamik senaryo modellemesinin önemini vurgulayarak radar tabanlı yaya tespitinin gelişimine katkıda bulunmaktadır. Elde edilen bulguların otonom sürüş uygulamalarında daha güvenli ve dayanıklı algılama sistemlerinin tasarımına yönelik değerli fikirler sunması beklenmektedir.
520			_aThis thesis studies the pedestrian detection in complex urban environments by using Frequency Modulated Continuous Wave (FMCW) automotive radar with a particular focus on some challenges caused by obstacles such as trees and vehicles. While some studies rely on simplified radar target models, this research introduces realistic 3D representations of forestry environment to simulate driving scenarios that represents real world conditions. A significant component of this work includes Radar Cross Section (RCS) analysis across various aspect angles to understand how wind-induced motion in tree model affects radar signal integrity. The dynamic behavior of the branches of trees under windy conditions introduces additional clutter and micro-Doppler noise which can adversely impact pedestrian detection performance. To address these issues, convolutional neural network (CNN) is employed for the extraction and classification of micro-Doppler signatures from radar spectrograms. The CNN model is designed and trained to distinguish pedestrian features from signals which are under environmental interference. The performance evaluation is performed by using metrics such as accuracy function, lossfunction and confusion matrices. Experimental results indicate that the proposed CNN based detection method provides robust classification in the presence of environmental noise and distortions. When it is compared to traditional approaches, the detection and the classification system demonstrates improved reliability and detection accuracy under realistic conditions. All in all, this study contributes to the development of pedestrian detection systems by highlighting the importance of realistic and proper scenario modeling. It is expected that the results provide valuable conception for the development of safer and more resilient perception systems in autonomous driving applications.
653			_aFrekans modülasyonu sürekli dalga
653			_aOtomotiv radarı
653			_aEvrişimsel sinir ağı
653			_aDerin öğrenme
653			_aMikro-doppler imzaları
653			_aRadar spektrogramı
653			_aSinyal işleme
653			_aYaya tespiti
653			_aHedef sınflandırma
653			_aFrequency modulated continuous wave
653			_aAutomotive radar
653			_aConvolutional neural network
653			_aDeep learning
653			_aMicro-doppler signatures
653			_aRadar spectrogram
653			_aSignal processing
653			_aPedestrian detection
653			_aTarget classification
700	1		_aYetik, İmam Şamil _9126288
710			_aTOBB Ekonomi ve Teknoloji Üniversitesi. _bFen Bilimleri Enstitüsü _977078
942			_cTEZ _2z
999			_c200466378 _d84590