Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.espe.edu.ec/handle/21000/20499
Título : | Desarrollo y análisis de sistemas de estimación y detección de objetivos de radar mediante algoritmos de machine y deep learning |
Director(es): | Carrera Erazo, Enrique Vinicio |
Autor: | Aguirre Silva, Hernán Guillermo Gallegos Moya, Santiago Andrés |
Palabras clave : | MACHINE LEARNING DEEP LEARNING REDES NEURONALES ALGORITMO DE BOSQUE ALEATORIO LONG-SHORT TERM MEMORY RADAR RADIONAVEGACIÓN AVIÓNICA PATRULLA DE RADAR DETECCIÓN DE OBJETOS |
Fecha de publicación : | 30-jun-2019 |
Editorial: | Universidad de las Fuerzas Armadas ESPE. Carrera de Ingeniería en Electrónica y Telecomunicaciones. |
Citación : | Aguirre Silva, Hernán Guillermo y Gallegos Moya, Santiago Andrés (2019). Desarrollo y análisis de sistemas de estimación y detección de objetivos de radar mediante algoritmos de machine y deep learning. Carrera de Ingeniería en Electrónica y Telecomunicaciones. Universidad de las Fuerzas Armadas ESPE. Matriz Sangolquí. |
Abstract: | La detección de objetivos de radar es un proceso que requiere de la recepción, procesamiento y análisis de las señales a analizar, donde es necesario cumplir con parámetros de alto rendimiento para garantizar la capacidad de respuesta ante posibles amenazas. Los sistemas actuales basan su funcionamiento en filtros y algoritmos que si bien cumplen su función presentan falencias frente a niveles de relación señal a ruido (SNR) bajos, situación que es común cuando se manejan señales a grandes distancias en un ambiente no controlado, generando complicaciones en el correcto funcionamiento de los sistemas. El avance de los algoritmos de Machine Learning y Deep Learning ha dado paso a sistemas de entrenamiento supervisados que reflejan mejores resultados trabajando como clasificadores. El objetivo del presente trabajo es comparar el rendimiento del algoritmo bayesiano tradicional (AR LMS MEAN) con los algoritmos de Machine Learning (Algoritmo de Bosque Aleatorio) y Deep Learning (Redes Neuronales LSTM). Los resultados muestran una mejora considerable en niveles de SNR bajos, cumpliendo con las exigencias de un sistema de detección de objetivos de radar óptimo, demostrando que si bien el entrenamiento de los algoritmos desarrollados tiene una duración mayor su desempeño es una mejora considerable con respecto a las técnicas antes utilizadas. |
URI : | http://repositorio.espe.edu.ec/handle/21000/20499 |
Aparece en las colecciones: | Tesis - Carrera de Ingeniería en Electrónica y Telecomunicaciones |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
T-ESPE-039346.pdf | TRABAJO DE TITULACIÓN | 1,74 MB | Adobe PDF | Visualizar/Abrir |
T-ESPE-039346-R.pdf | RESUMEN | 18,24 kB | Adobe PDF | Visualizar/Abrir |
T-ESPE-039346-D.pptx | DEFENSA | 1,72 MB | Microsoft Powerpoint XML | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.