Abstract
This paper proposed a combining technique of feature vectors which improves the performance of radar target recognition. The proposed method obtains more information than monostatic or bistatic case by combining extracted feature vectors from two receivers. For verifying the performance of the proposed method, we calculated monostatic and bistatic RCS(BRCS) of three full-scale fighters by changing the receiver position. Then, the scattering centers are extracted using 1-D FFT-based CLEAN from the calculated RCS data. Scattering centers are used as feature vectors for neural network classifier. The results show that our method has the better performance than the monostatic or bistatic case.
본 논문에서는 레이더 표적 인식 성능을 향상시키기 위한 방법으로 특성 벡터 융합 기법을 제안하였다. 제안하는 방법은 두 개의 수신기로 입력되는 신호로부터 추출된 특성 벡터를 서로 융합해서 사용함으로써 표적에 대해 더 많은 정보를 획득할 수 있는 장점을 가지고 있다. 제안하는 방법의 성능을 검증하기 위해 먼저, 세 가지의 서로 다른 전투기의 실스케일 캐드 모델들에 대해 모노스태틱 및 바이스태틱 RCS(Radar Cross Section)를 계산하였다. 계산된 RCS로부터 표적의 특성 벡터인 산란점 정보를 추출하기 위해 시간 영역의 1차원 FFT(Fast Fourier Transform) 기반의 CLEAN 알고리즘을 이용하였다. 추출된 특성 벡터는 신경망 구분기의 입력으로 사용되어 표적 구분 실험을 수행한 결과, 제안하는 방법이 모노스태틱 및 바이스태틱 특성 벡터를 따로 사용했을 때보다 표적 인식 성능을 향상시킬 수 있음을 확인하였다.