Ingeniería ISSN Impreso: 1409-2441 ISSN electrónico: 2215-2652

OAI: https://revistas.ucr.ac.cr/index.php/ingenieria/oai
Una Aproximación Neuronal al Reconocimiento del Parámetro de Forma de la Distribución K asociada a Clutter Marino
PDF (English)

Archivos suplementarios

Pictures (English)

Palabras clave

Sea Clutter
Artificial Neural Networks
K Distribution
Distribution Parameter Recognition
Distribution Parameter Identification
Clutter Marino
Redes Neuronales Artificiales
Distribución K
Estimación de Parámetros de Distribuciones Probabilísticas
aprendizaje por computadora
modelación estadística

Cómo citar

Machado Fernández, J. R., García Delgado, B., & Machado Gil, A. (2017). Una Aproximación Neuronal al Reconocimiento del Parámetro de Forma de la Distribución K asociada a Clutter Marino. Ingeniería, 27(2), 14–24. https://doi.org/10.15517/ri.v27i2.23994

Resumen

El principal problema que enfrentan los radares marinos es la eliminación del clutter que es una señal indeseable que aparece mezclada con la información del blanco. El origen de este aporte interferente está en el eco resultante del rebote de la emisión primaria en la superficie marina. Una de las distribuciones probabilísticas más populares en la modelación del clutter es la distribución K. Beneficioso en el diseño de detectores eficientes, es propuesto un sistema capaz de reconocer el parámetro de forma de la distribución K conociendo de antemano el valor del parámetro de escala. El resultado es aplicable a condiciones de operación en tiempo real, pues se basa en una aproximación de redes neuronales artificiales en rol de reconocimiento de patrones.

https://doi.org/10.15517/ri.v27i2.23994
PDF (English)

Citas

Barton, D. K., Leonov, S. A. Radar Technology Encyclopedia. Massachusetts; Artech House. 1998.

Cowper, M. Nonlinear processing of non-Gaussian stochastic and chaotic deterministic time series. Edinburgh. The University of Edinburgh. 2000.

Dong, Y. Distribution of X-Band High Resolution and High Grazing Angle Sea Clutter. Defence Science and Technology Organisation. 2006:2-50.

Ishii, S., Okamoto, Y., Utsunomiya, T. Study on Effect of Sea Condition for Statistical Properties of Sea Clutter using an X-band Radar. IEEJ Transactions on Fundamentals and Materials. 2011;131(1):263-69.

Ishii, S., Sayama, S., Mizutani, K. Effect of Changes in Sea-Surface State on Statistical Characteristics of Sea Clutter with X-band Radar. Wireless Engineering and Technology. 2011;2(3):175-83.

Totir, F., Rador, E., Anton, L. Advanced Sea Clutter Models and their Usefulness for Target Detection. MTA Review. 2008;18(3):257-72.

Yim, J. Z., Chou, C. R., Wong, K. A study of the statistics of sea clutter in the northern coast of Taiwan. Proceedings of the Seventeenth, International Offshore and Polar Engineering

conference. 2007, Lisbon, Portugal.

Sayama, S., Ishii, S. Suppression of Log-Normal Distributed Weather Clutter Observed by an S-Band Radar. Wireless Engineering and Technology. 2013;4(3):125-33.

Oyedokun, O. Sea Clutter Simulation. (Master of Science in Engineering). Cape Town. 2012.

Tunaley, J. K. E. K-Distribution Algorithm. 2010. Master Thesis, London Research and Development Corporation, London, UK.

Yowchyun, L. Generation of Clutter within a Structured Target Synthesizer. 2012. PhD Thesis, Naval Postgraduate School , Monterey, California, USA.

Machado Fernández, J. R., & Bueno González, A. Clasificación del Clutter Marino utilizando Redes Neuronales Artificiales. Cuba. Instituto Superior Politécnico José Antonio Echeverría (ISPJAE). 2012.

Antipov, I. Simulation of Sea Clutter Returns. DSTO Electronic and Surveillance Research Laboratory. 1998:2-5.

Haykin, S., Bakker, R., Currie, B. W. Uncovering Nonlinear Dynamics—The Case Study of Sea Clutter. Proceedings of the IEEE. 2002; 90(5):860-81.

Ward, K., Tough, R., Watts, S. Sea Clutter, the K Distribution and Radar Performance, 2nd Edition: Institution of Engineering and Technology, UK. 2013.

Bacallao Vidal, J. C. Un modelo Teórico de la Técnica DRACEC. Metodología del Proceso de Adaptación al Fondo. PhD Thesis, Instituto Técnico Militar “José Martí”, La Habana, Cuba. 2003

Mostafa Saleh, N. Automated Oil Spill Detection with Ship Borne Radar. 2004.

Miglicaccio, M., Gambardella, A., Tranfaglia, M. Oil Spill Observation by Means of Polarimetric SAR data. Proceedings of SEASAR. 2006:23-6.

Brekke, E., Hallingstad, O., Glattetre, J. Target Tracking in Heavy-Tailed Clutter Using Amplitude Information. 12th International Conference on Information Fusion Seattle, WA,

USA, July 6-9, 2009.

Haykin, S., Puthusserypady, S. Chaotic Dynamics of Sea Clutter. Chaos: An Interdisciplinary Journal of Nonlinear Science. 1997; 7(4):777-802.

O’Connor, A. N. Probability Distributions Used in Reliability Engineering. Maryland:University of Maryland. 2011.

Kriesel, D. A Brief Introduction to Neural Networks. 1st Edition: Springer, USA. 2005.

Ahmad Zuri, M. Radar Performance Analysis in the presence of Sea Clutter. IEEE Transactions on Aerospace and Electronic Systems. 2005; 36(4):1429-439.

Mezache, A., Sahed, M. Parameter Estimation in K-Distributed Clutter with Noise using Nonlinear Networks. Master Thesis, Université de Constantine, Faculté des Sciences de l’Ingénieur. 2010.

Serrano, J. D., Martín, Emiliano. Redes Neuronales Artificiales: Universidad de Valencia. 2009.

Mark Hudson, B., Hagan, M. T., Demuth, H. B.. Neural Network Toolbox™ User’s Guide. Mathworks 2011.

Garzón Guerrero, J. A. Clasificación de blancos de radar en ambientes de ruido arbitrario mediante resonancias naturales y técnicas de componentes principales. PhD Thesis, Universidad de Granada, 2012.

Kuck, M. Constant False Alarm Rate Detection of Radar Signals with Artificial Neural Networks. Bachelor Thesis. 1996.

Lee, J. H., Kim, H. T. Radar Target Discrimination Using Neural Networks. Aerospace and Electronics. 2010:358-60.

Mezzoug, K., Djebbar, B. Étude Comparative d’un Détecteur CFAR Neuronal de Plusieurs Cibles Radar dans un Fouillis de type K-Distribution. Technical Report, Informatics Department, Sciences Faculty, USTMB-Oran, Algeria, 2008.

Munro, D. J., Ersoy, O. K. A Neural Network Approach to Stationary Target. Technical Report, 1993.

Principe, J. C., Kin, M. Target Prescreening Based on a Quadratic Gamma Discriminator. IEEE Transactions on Aerospace and Electronic Systems. 1998;34(3):706-15.

Vicen Bueno, R., Carrasco Álvarez, R., Rosa Zurera, M., Nieto Borge, J. C. Sea Clutter Reduction and Target Enhancement by Neural Networks in a Marine Radar System. Sensors journal. 2009; 9(3):1913-36.

Vicen Bueno, R., Jarabo Amores, M. P., Rosa Zurera, M., Mata Moya, D., & Gil Pita, R. Robustness with respect to the signal-to-noise ratio of MLP-Based Detectors in Weibull clutter.

th European Signal Processing Conference, 2007:1736-40.

Vicen Bueno, R., Rosa Zurera, M., Jarabo Amores, M. P., de la Mata Moya, D. Coherent Detection of Swerling 0 Targets in Sea-Ice Weibull-Distributed Clutter Using Neural Networks.

IEEE Transactions on Instrumentation and Measurement. 2010; 59(12):3139-51.

Vicen Bueno, R., Rosa Zurera, M., Jarabo Amores, M. P., & Gil Pita, R. Automatic target detection in simulated ground clutter (Weibull distributed) by multilayer perceptrons in a lowresolution coherent radar. IET Radar, Sonar and Navigation. 2009;4(2):315–28.

Zhu Yong, S. W., Jiangmin Qin, Wu Han. New Method of Radar Target Recognition Based on Neural Network. Proceedings of ICSP’96. 1996.

Comentarios

Descargas

Los datos de descargas todavía no están disponibles.