Perpustakaan Digital ITB

Microwave imaging berbasis radar Stepped-Frequency Continuous Wave (SFCW) merupakan pendekatan pencitraan yang memanfaatkan respons frekuensi kompleks untuk merekonstruksi distribusi reflektivitas objek secara spasial, di mana posisi target diperoleh melalui transformasi Inverse Fast Fourier Transform (IFFT) terhadap parameter hamburan (????21(????,????,????)) untuk menghasilkan profil amplitudo terhadap jarak (A-scan). Mengingat kualitas citra sering terdegradasi oleh direct coupling antar-antena dan clutter lingkungan, penelitian ini mengusulkan implementasi microwave imaging yang mengintegrasikan pendekatan range-gated image formation dengan sistem deteksi objek berbasis Faster Region-based Convolutional Neural Network (Faster R-CNN). Akuisisi data dilakukan menggunakan Vector Network Analyzer (VNA) sebagai radar bistatik pada rentang frekuensi 8–12 GHz dengan 4096 titik frekuensi, di mana pasangan antena horn pita-X dipindahkan secara spasial untuk memperoleh data hamburan yang kemudian ditransformasikan menggunakan IFFT. Amplitudo maksimum hasil A-scan diekstraksi sebagai representasi reflektivitas lokal pada setiap posisi pemindaian, yang kemudian melewati tahapan supresi direct coupling dan normalisasi amplitudo untuk mengurangi artefak kebocoran sinyal, sebelum akhirnya disusun menjadi citra microwave (C-scan) dua dimensi. Menggunakan objek target aluminium foil berbentuk angka 1 hingga 3, citra C-scan hasil rekonstruksi ini dijadikan dataset masukan bagi model Faster R-CNN untuk klasifikasi otomatis. Hasil eksperimen menunjukkan bahwa integrasi pemrosesan sinyal radar SFCW dengan Faster R-CNN menghasilkan performa deteksi yang sangat baik dengan rata-rata akurasi klasifikasi mencapai 92,67%, membuktikan bahwa sistem radar cerdas ini tidak hanya mampu mendeteksi keberadaan target, tetapi juga mengenali bentuk geometris objek secara otomatis berbasis distribusi reflektivitas elektromagnetik.