Radar technology has seen burgeoning applications across diverse domains, including automotive industries and surveillance systems, thereby intertwining with everyday life. Concurrently, the escalating challenge posed by space debris underscores the critical need for innovative solutions. Ground-based radars have historically addressed aspects of this challenge; however, airborne platforms are gaining prominence. Yet, the scarcity of publicly available data impedes rapid advancements in this field. Harnessing the power of deep learning presents a promising avenue for enhancing radar capabilities, potentially revolutionizing object recognition and predictive accuracy beyond traditional methodologies. This study introduces two novel data generation methods aimed at mitigating data scarcity and explores the transformative potential of deep learning in radar-based object recognition and prediction.      «

Radar technology has seen burgeoning applications across diverse domains, including automotive industries and surveillance systems, thereby intertwining with everyday life. Concurrently, the escalating challenge posed by space debris underscores the critical need for innovative solutions. Ground-based radars have historically addressed aspects of this challenge; however, airborne platforms are gaining prominence. Yet, the scarcity of publicly available data impedes rapid advancements in this fi...     »

Die Popularität von Radarsystemen in verschiedenen Bereichen nimmt zu. Die breite Anwendung von Radartechnologie in Branchen wie der Automobilindustrie und Überwachungssystemen verbindet sie eng mit dem täglichen Leben. Ein weiteres aufkommendes Problem im Zusammenhang mit Raumfahrttechnologien ist die Bedrohung durch Weltraummüll. Radarsysteme besitzen das Potenzial, zur Lösung dieses Problems beizutragen. Obwohl bodengestützte Radarsysteme seit vielen Jahren für diesen Zweck eingesetzt werden, erfreuen sich luftgestützte Lösungen zunehmender Beliebtheit. Die Knappheit öffentlich zugänglicher Daten behindert jedoch die Beschleunigung von Fortschritten erheblich. Darüber hinaus kann Deep Learning Verbesserungen bringen und zu einer besseren Leistung führen. In dieser Arbeit wird das Ziel verfolgt, zwei verschiedene Methoden zur Datengenerierung vorzustellen, um der Knappheit an Daten entgegenzuwirken. Dabei wird Deep Learning genutzt, um das Potenzial zur Erkennung verschiedener Objektformen und deren Vorhersage im Vergleich zu konventionellen Ansätzen aufzuzeigen.      «

Die Popularität von Radarsystemen in verschiedenen Bereichen nimmt zu. Die breite Anwendung von Radartechnologie in Branchen wie der Automobilindustrie und Überwachungssystemen verbindet sie eng mit dem täglichen Leben. Ein weiteres aufkommendes Problem im Zusammenhang mit Raumfahrttechnologien ist die Bedrohung durch Weltraummüll. Radarsysteme besitzen das Potenzial, zur Lösung dieses Problems beizutragen. Obwohl bodengestützte Radarsysteme seit vielen Jahren für diesen Zweck eingesetzt werden,...     »