This paper examines and compares the efficiency of storing and retrieving similar radar track reports in a vector database, as well as the error resistance of the database, using various indexing techniques available in Pgvector and PostgreSQL's native indexing methods. By using generated dummy data and open-source tools such as Pgvector, PostgreSQL, and the Rust programming language, the study demonstrates the implementation's high level of error resistance and rapid performance.

The results highlight the potential of vector databases in handling radar signal data, showcasing their robustness and speed in various scenarios, but fails to conclusively answer whether vector databases can reliably identify radar signals from similar sources. This suggests that further research and optimization are necessary to fully understand and enhance the capabilities of vector databases in this application.

Denna uppsats undersöker och jämför hur effektivt en vektordatabas kan spara och hämta liknande data från signalrapporter, samt hur resistent vektordatabasen är mot felaktigheter i datan, genom att använda olika indexeringstekniker som finns tillgängliga i PostgreSQL och Pgvector. Via användning av genererad data och verktyg med öppen källkod så som PostgreSQL, Pgvector och programmeringsspråket Rust demonstrerar studien implementationens höga nivå av felresistens och höga prestanda. Resultaten påvisar implementationens stabilitet och hastighet i olika scenarion men lyckas inte get ett slutgiltigt svar på om vektordatabaser kan pålitligt indentifiera radarsignaler från liknande källor. Detta tyder på att det krävs fortsatt forksning och optimisering för att skapa gedigen förståelse i ämnet och förbättra vektordatabasers förmågor inom området.