SAAB is a large Swedish defense and aerospace company developing a large variety of products such as combat aircrafts, guided missiles, military submarines and many more. One important technology which has many applications is radar. Modern radar systems are used to detect and survey the surroundings both in the air and at sea and are used by the military to detect and target hostile targets. In this thesis we explore the possibility of using machine learning for detecting aircrafts on a range-doppler map using Automatic Dependent Surveillance–Broadcast (ADS-B) data as ground truth for training. A passive radar was used in combination with an ADS-B receiver to collect data used for training and evaluation. Several machine learning models were made using a logistic regression algorithm, which were then evaluated based on testing it on different radar data. Training and testing with selected and balanced radar data resulted in a precision score of 86% and recall at 88%. Testing showed that given clean radar data, a machine learning model can be trained to detect aircraft from radar imaging.

SAAB är ett stort svenskt företag inom flyg och försvar vars verksamhet innefattar utveckling av en rad olika produkter som stridsflyg, robotar, militära ubåtar och mycket mer. En viktig teknologi för sådan utveckling av system är radar. Moderna radarsystem används för detektion och span i både luften och på havet och används av militären för att detektera och sikta in sig på fientliga mål. I denna avhandling utforskar vi möjligheten att använda maskininlärning för detektion av flygplan på en avstånd-doppler karta med data från systemet Automatic Dependent Surveillance-Broadcast (ADS-B) som facit för träning. En passiv radar användes tillsammans med en ADS-B mottagare för insamling av data till träning och utvärdering. Flera maskininlärningsmodeller skapades med en logistisk regression algoritm som sedan utvärderades baserat på tester med annan radardata. Träning och testning med utvald och balanserad data resulterade i 86% precision och 88% recall. Testerna visade att givet ren data så kan en maskininlärningsmodell tränas till att detektera flygplan på radarbilder.