Robust waveform design for MIMO radar from information theoretic and machine learning principles
- Radar technology has become key for many civilian applications but a lot of inherited problems remain a challenge. To address these challenges, innovative and robust signal processing techniques are needed. This thesis proposes novel solutions from information theory and machine learning perspectives. In the first main part of the thesis, we propose to overcome the potential effects of the environmental undesired returns through waveform design. Thus, we propose different strategies to tackle this problem based on the radar operation mode and the priori information available. In the second main part, armed with data driven approaches, we address DOA algorithms common problems, where we prove that neural networks can denoise the incoming signals and can overcome the poor resolution of small arrays.
- Die Radartechnologie ist für viele zivile Anwendungen von entscheidender Bedeutung geworden, doch viele alte Probleme stellen nach wie vor eine Herausforderung dar. Um diese Herausforderungen zu bewältigen, werden innovative und robuste Signalverarbeitungstechniken benötigt. In dieser Arbeit werden neue Lösungen aus Sicht der Informationstheorie und des maschinellen Lernens vorgeschlagen. Im ersten Hauptteil der Arbeit schlagen wir vor, die potenziellen Auswirkungen der unerwünschten Umgebungseinflüsse durch die Gestaltung der Signalform zu überwinden. Dazu schlagen wir verschiedene Strategien vor, die auf der Betriebsart des Radars und den verfügbaren Vorabinformationen basieren. Im zweiten Hauptteil gehen wir mit datengesteuerten Ansätzen auf allgemeine Probleme der DOA-Algorithmen ein, wobei wir beweisen, dass neuronale Netze die eingehenden Signale entrauschen und die schlechte Auflösung kleiner Arrays überwinden können.
Author: | Aya Mostafa Ibrahim AhmedGND |
---|---|
URN: | urn:nbn:de:hbz:294-96437 |
DOI: | https://doi.org/10.13154/294-9643 |
Referee: | Aydin SezginORCiDGND, Moeness AminGND, Henk WymeerschGND |
Document Type: | Doctoral Thesis |
Language: | English |
Date of Publication (online): | 2023/03/13 |
Date of first Publication: | 2023/03/13 |
Publishing Institution: | Ruhr-Universität Bochum, Universitätsbibliothek |
Granting Institution: | Ruhr-Universität Bochum, Fakultät für Elektrotechnik und Informationstechnik |
Date of final exam: | 2022/03/14 |
Creating Corporation: | Fakultät für Elektrotechnik und Informationstechnik |
Tag: | Wellenform |
GND-Keyword: | Radar; Maschinelles Lernen; Signalverarbeitung; Informationstheorie; Störgeräusch |
Institutes/Facilities: | Lehrstuhl für Digitale Kommunikationssysteme |
Dewey Decimal Classification: | Technik, Medizin, angewandte Wissenschaften / Elektrotechnik, Elektronik |
faculties: | Fakultät für Elektrotechnik und Informationstechnik |
Licence (German): | Keine Creative Commons Lizenz - es gelten der Veröffentlichungsvertrag und das deutsche Urheberrecht |