DOI QR코드

DOI QR Code

편대비행 표적식별을 위한 효과적인 ISAR 영상 합성 방법

Efficient Fusion Method to Recognize Targets Flying in Formation

  • 김민 (부경대학교 전자공학과) ;
  • 강기봉 (부경대학교 전자공학과) ;
  • 정주호 (부경대학교 전자공학과) ;
  • 김경태 (부경대학교 전자공학과) ;
  • 박상홍 (부경대학교 전자공학과)
  • Kim, Min (Department of Electronic Engineering, Pukyong National University) ;
  • Kang, Ki-Bong (Department of Electronic Engineering, Pukyong National University) ;
  • Jung, Joo-Ho (Department of Electronic Engineering, Pukyong National University) ;
  • Kim, Kyung-Tae (Department of Electronic Engineering, Pukyong National University) ;
  • Park, Sang-Hong (Department of Electronic Engineering, Pukyong National University)
  • 투고 : 2016.04.27
  • 심사 : 2016.07.27
  • 발행 : 2016.09.07

초록

본 논문에서는 편대비행 중인 다수의 표적을 식별하기 위하여 기존의 표적들을 분리시키는 기법을 이용하는 대신 PSO(Particle Swarm Optimization) 알고리즘을 이용하여 미리 학습되어 있던 각 표적의 역합성 개구면 레이다(Inverse Synthetic Aperture Radar: ISAR) 영상들을 합성하는 방법을 제안한다. 제안된 기법에서 ISAR 영상의 합성은 표적의 수와 관측 각도 및 표적의 위치를 변수로 하는 비선형문제를 최적화함으로써 수행된다. 추적 레이다를 통하여 관측 각도가 추정 됨을 가정한 후, 표적의 수와 위치는 PSO로 템플릿 매칭(template matching)을 최적화 하여 추정된다. 축소된 크기의 F-16을 사용한 시뮬레이션 결과, 편대비행 중인 표적들의 ISAR 영상과 동일한 ISAR 영상이 합성됨으로써 제안된 기법의 효용성이 검증되었다.

This paper proposes a novel method for the recognition of the inverse synthetic aperture radar(ISAR) image of multiple targets flying in formation. Rather than separating the ISAR image of each target, the proposed method combines an ISAR image obtained by fusing the ISAR images in the training database. Fusion is conducted by optimizing the non-linear problem whose parameters are the aspect angle and the target location. Assuming that the aspect angle is properly estimated, the proposed method estimates the number of the targets and their locations by optimizing the template matching using PSO. In simulations using the F-16 scale model, the efficiency of the proposed method was demonstrated by yielding the ISAR image identical to that of targets in formation.

키워드

참고문헌

  1. C. Ozdemir, Inverse Synthetic Aperture Radar Imaging with MATLAB Algorithm, John Wiley & Sons, Inc., 2012.
  2. S. -H. Park, M. -G. Joo, and K. -T. Kim "Construction of ISAR training database for automatic target recognition", Journal of Electromagnetic Waves and Applications, vol. 25, pp. 11-12, 2011.
  3. V. C. Chen, Inverse Synthetic Aperture Radar Imagine, SciTech Publishing, Inc., 2014.
  4. Kyung-Tae Kim, Dong-Kyu Seo, and Hyo-Tae Kim "Efficient classification of ISAR images", IEEE Trans. on Antennas and Propagation, vol. 53, no 5, pp. 1611-1621, May 2005. https://doi.org/10.1109/TAP.2005.846780
  5. S. Theodoridis, Pattern Recognition, Academic press, Chapter 8, pp. 321-351, 2008.
  6. S. H. Park, H. T. Kim "Stepped-frequency ISAR motion compensation using particle swarm optimization with an Island model", Progress in Electromagnetics Research, vol. 85, pp. 25-37, 2008. https://doi.org/10.2528/PIER08082107
  7. Dean L. Mensa, High Resolution Radar Cross-section Imaging, Artech House, pp. 139-199, 1991.