Micro-Doppler is defined as scattering produced by non-rigid-body motion. This dissertation involves the design of a multiple frequency continuous wave (MFCW) radar for micro-Doppler research and detection and classification algorithm design. First, sensor hardware is developed and tested. Various design tradeoffs are considered, with the application of micro-Doppler based detection and classification in mind. A diverse database of MFCW radar micro-Doppler signatures was collected for this dissertation. The micro-Doppler signature database includes experimental data from human, vehicle, and animal targets. Signatures are acquired from targets with varying ranges, velocities, approach angles, and postures. The database is analyzed for micro-Doppler content with a focus on its application to target classification. Joint time-frequency detection algorithms are developed to improve detection performance by exploiting noise-spreading and the micro-Doppler phenomenon. Following detection algorithm development, this dissertation covers the design of micro- Doppler feature extraction, feature selection, and classification algorithms. Feature selection is performed automatically via a Fisher score initialized sequential backward selection algorithm. Classification is performed using two distinct approaches: a generative statistical classification algorithm based on Gaussian mixture models (GMMs) and a discriminative statistical classification algorithm based on support vector machines (SVMs). Classifier performance is analyzed in detail on a micro-Doppler signature database acquired over a three-year period. Both the SVM and GMM classifiers perform well on the radar target classification task (high accuracy, low nuisance alarm probability, high F-measure, etc.). The performance of both classifiers is remarkably similar, and neither algorithm dominates the other in any performance metric when using the chosen feature set. (However, the difference between SVM and GMM classification accuracy becomes statistically significant when many redundant features are present in the feature set.) The accuracy of both classifiers is shown to vary as a function of approach angle, which physically corresponds to the angular dependence of micro-Doppler. The results suggest that overall classifier performance is more sensitive to feature selection than classifier selection (with GMM being more sensitive to redundant features than SVM). Both classifiers are robust enough to handle human targets attempting to evade detection by either army crawling or hands-and-knees crawling. / text

El radar es un sistema de sensado remoto que utiliza técnicas de procesamiento estadístico de señales para obtener información de la señal recibida. Los radares convencionales son sistemas activos que operan transmitiendo energía en forma de ondas electromagnéticas y recibiendo las señales reflejadas por el entorno y el objeto iluminado. Una de las dificultades a tener en cuenta en los sistemas de radar es que la señal de interés suele encontrarse obscurecida por las reflexiones producidas por el ambiente, fenómeno al que se denomina {\it clutter}. Generalmente, y dependiendo de la aplicación, el clutter es considerado una fuente de interferencia y perturbaciones cuyos efectos se deben eliminar o reducir. Por lo tanto, en vista de su naturaleza aleatoria, es importante el desarrollo de métodos estadísticos de procesamiento de señales para poder detectar objetivos y estimar sus propiedades en situaciones de clutter intenso y dinámico. Para obtener algoritmos eficientes, es fundamental utilizar modelos realistas de las señales recibidas por el radar. Estos modelos deben enfatizar las diferencias entre el objeto de interés y el clutter. De esta forma, los métodos de procesamiento de señal son usados para separar el objetivo del clutter y reducir el efecto degradante de este último. En esta tesis se aborda el problema de detección en presencia de clutter dinámico para aplicaciones de radar. En especial se desarrollan modelos que contemplan las variaciones del escenario y utilizan la historia del clutter para mejorar su caracterización en el instante actual y las predicciones a tiempo futuro. La primera alternativa considera el clutter como una serie temporal que presenta heteroscedasticidad condicional autorregresiva generalizada, utilizando los denominados procesos GARCH. Este tipo de procesos poseen la característica de ser impulsivos, pero presentan la desventaja de que no cuentan con una expresión explícita para su función densidad de probabilidad. Por este motivo, se analizan alternativas para estimar sus parámetros y determinar la calidad de la estimación. Asimismo, se adaptan los test de hipótesis usuales para deducir un esquema de detección basado en el modelo GARCH. Con el fin de incorporar información de múltiples pulsos en los instantes de decisión, se extiende el modelo anterior combinando un proceso GARCH en dos dimensiones (GARCH-2D) con un proceso autorregresivo (AR) y se deriva el detector correspondiente para este modelo de clutter. La parte GARCH-2D del modelo preserva la propiedad impulsiva de los procesos GARCH y la AR en las innovaciones permite modelar la correlación pulso a pulso que existe en los datos. En ambos casos se deducen expresiones para las probabilidades de falsa alarma y, dada su complejidad matemática, la probabilidad de detección se evalúa por medio de simulaciones numéricas. Además, se analiza la sensibilidad del desempeño de los detectores ante errores en la estimación de sus parámetros. A pesar de que no resultan de tasa de falsa alarma constante, muestran un comportamiento robusto en situaciones prácticas. Por último, el desempeño de los detectores propuestos es comparado con algoritmos de detección existentes en la literatura utilizando mediciones reales de clutter marítimo. Los resultados muestran que presentan un mejor desempeño respecto de los demás detectores, es decir, una probabilidad de detección mayor para una tasa de falsa alarma menor, independientemente de la relación señal a clutter. Finalmente se estudia el problema de estimación secuencial de los parámetros de los procesos GARCH. Si bien de los análisis de sensibilidad se concluye que en los detectores porpuestos no es necesaria una actualización frecuente de los mismos, su estimación es la etapa de mayor costo computacional en los esquemas de detección propuestos. Siguiendo el enfoque de estimación Bayesiano se deduce un estimador lineal de mínimo error cuadrático medio para la varianza condicional de los procesos GARCH, que es el parámetro del cual depende el estadístico de los detectores desarrollados. La deducción del algoritmo es análoga a la del filtro de Kalman, pero en este caso las matrices del sistema son aleatorias.

Thesis (PhD)--University of South Australia, 1994

Bibliography: leaves 287-294. / xviii, 294 p. : ill. (some col.) ; 30 cm. / Title page, contents and abstract only. The complete thesis in print form is available from the University Library. / This thesis addresses preprocessing issues for radar target classification from high resolution radar imagery. High resolution radar imagery of real aircraft in flight and of a MIRAGE aircraft on a turntable is examined. An algorithm to coherently average high resolution range profile is proposed. / Thesis (Ph.D.)--University of Adelaide, Dept. of Electrical and Electronic Engineering, 1995

Thesis (Ph.D.)--McMaster University (Canada), 1991. / Source: Dissertation Abstracts International, Volume: 53-01, Section: B, page: 0496. Supervisor: Simon Haykin.

Thesis (Ph. D.)--University of Adelaide, Dept. of Electrical and Electronic Engineering, 1995? / Includes bibliographical references (leaves 287-294).

Thesis (M.S.)--Ohio University, June, 2003. / Title from PDF t.p.

Thesis (M.S.)--University of Nevada, Reno, 2007. / "December, 2007." Includes bibliographical references (leaf 89). Online version available on the World Wide Web.

Thesis (Ph. D.)--University of Washington, 1998. / Vita. Includes bibliographical references (leaves [105]-108).

Thèses (M.Sc.)--Université de Sherbrooke (Canada), 2001. / Titre de l'écran-titre (visionné le 20 juin 2006). Publié aussi en version papier.