• 한국음향학회지
• /
• 제42권4호
• /
• pp.329-344
• /
• 2023

본 논문에서는 소량 및 불균형 능동소나 데이터세트에 적용된 다양한 딥러닝 기반 표적식별기의 일반화 성능을 종합적으로 분석하였다. 서로 다른 시간과 해역에서 수집된 능동소나 실험 데이터를 이용하여 두 가지 능동소나 데이터세트를 생성하였다. 데이터세트의 각 샘플은 탐지 처리 이후 탐지된 오디오 신호로부터 추출된 시간-주파수 영역 이미지이다. 표적식별기의 신경망 모델은 다양한 구조를 가지는 22개의 Convolutional Neural Networks(CNN) 모델을 사용하였다. 실험에서 두 가지 데이터세트는 학습/검증 데이터세트와 테스트 데이터세트로 번갈아 가며 사용되었으며, 표적식별기 출력의 변동성을 계산하기 위해 학습/검증/테스트를 10번 반복하고 표적식별 성능을 분석하였다. 이때 학습을 위한 초매개변수는 베이지안 최적화를 이용하여 최적화하였다. 실험 결과 본 논문에서 설계한 얕은 층을 가지는 CNN 모델이 대부분의 깊은 층을 가지는 CNN 모델보다 견실하면서 우수한 일반화 성능을 가지는 것을 확인하였다. 본 논문은 향후 딥러닝 기반 능동소나 표적식별 연구에 대한 방향성을 설정할 때 유용하게 사용될 수 있다.

• 한국정보통신학회논문지
• /
• 제17권5호
• /
• pp.1083-1088
• /
• 2013

수중 천해 환경에서 능동소나의 반향 신호로 기뢰를 탐지 및 식별하는 일은 복잡한 해양 환경의 영향으로 어려운 문제이다. SVM은 패턴인식 문제에서 최적의 해를 제공하는 이진 분류기이다. 본 논문에서는 SVM을 이용하여 능동소나의 반향 데이터로 기뢰와 같은 금속 물체와 바위를 식별하는 실험을 수행하면서, SVM에 사용되는 커널함수의 파라미터 값의 변화에 따른 식별 성능을 분석하고 제시하였다.

• 한국정보통신학회논문지
• /
• 제16권10호
• /
• pp.2137-2142
• /
• 2012

수중환경 하에서 표적을 탐지하고 식별하는 문제는 군사적인 목적은 물론 비군사적 목적으로도 많은 연구가 수행되어 왔다. 수중환경에서의 수중음향 신호가 시간 공간적으로 특성이 변화하며 천해 다중경로 환경을 반영하는 복잡한 특성을 보이는 점으로 인해 능동 표적인식 기술은 매우 어려운 기술로 여겨져 왔다. 또한 실제 데이터 수집의 어려움이 따르게 된다. 본 논문에서는 수중환경 하에서 능동 표적신호를 합성, 특징추출 및 표적식별을 수행할 수 있는 시뮬레이터를 구현하였다. 표적신호의 합성에는 하이라이트 모델과 3차원 모델을 사용하였으며, 표적신호의 식별을 위해서는 다중각도에 기반한 은닉 마코프모델을 사용하였다.

• 한국정보통신학회논문지
• /
• 제17권11호
• /
• pp.2505-2511
• /
• 2013

수중환경 하에서 표적을 탐지하고 식별하는 문제는 군사적인 목적은 물론 비군사적 목적으로도 많은 연구가 수행되어 왔다. 수중환경에서의 수중음향 신호가 시간 공간적으로 특성이 변화하며 천해 다중경로 환경을 반영하는 복잡한 특성을 보이는 점으로 인해 능동 표적인식 기술은 매우 어려운 기술로 여겨져 왔다. 또한 실제 데이터 수집의 어려움이 따르게 된다. 본 논문에서는 3차원 하이라이트 분포를 가지는 모델을 이용하여, 능동소나 표적신호를 음선 추적기법을 기반으로 하여 합성하였다. 합성된 표적신호를 대상으로 Fractional Fourier 변환을 적용하여 특징벡터를 추출하였고, 신경회로망 인식기를 이용하여 인식 실험을 수행하였다.

• 전기전자학회논문지
• /
• 제22권4호
• /
• pp.1044-1049
• /
• 2018

CNN(Convolutional Neural Networks)은 동물의 시각정보처리과정을 모델링한 신경망으로 다양한 분야에서 좋은 성능을 보여주고 있다. 본 논문에서는 CNN을 사용하여 능동소나 신호의 스펙트로그램을 분석하고, 표적과 비표적을 식별하는 연구를 수행하였다. 데이터를 표적이 포함된 비율에 따라 8클래스로 구분하고, CNN의 학습에 사용하였다. 신호의 스펙트로그램을 프레임별로 나누어 입력으로 사용한 결과, 표적신호의 위치에서만 표적신호에 해당하는 7개 클래스의 식별 결과가 순차적으로 나타나는 특성을 사용하여 표적과 비표적을 식별해낼 수 있었다.

• 한국정보통신학회논문지
• /
• 제22권3호
• /
• pp.418-424
• /
• 2018

수중 표적 탐지 및 식별은 군사 및 비군사적으로 중요한 문제이다. 최근 패턴인식 분야에서 딥러닝 기술이 발전되면서 많은 성능개선 결과가 발표되고 있다. 그중 DBN(Deep Belief Network)기법은 DNN(Deep Neural Network)을 사전 훈련하는데 사용되어 좋은 성능을 보여주고 있다. 본 논문에서는 능동 소나를 이용한 수중 표적의 식별 문제에 DBN을 사용하여 실험을 진행하고, 그 결과를 비교하였다. 표적신호는 3차원 하이라이트 모델을 사용하여 합성된 능동 소나 신호를 사용하였고, 특징추출 방법으로는 FrFT(Fractional Fourier Transform) 기반의 특징추출을 사용하였다. 단일 센서, 즉, 단일 방위 데이터 기반의 실험에서 DBN을 이용한 식별 결과는 기존의 BPNN(Back Propagation Neural Network)에 비해 약 3.83 % 향상되었다. 또한, 다중 방위 기반의 식별 실험에서는 관측열의 개수가 3을 초과하면 95% 이상의 성능을 얻을 수 있었다.

• 한국음향학회지
• /
• 제40권4호
• /
• pp.330-336
• /
• 2021

양상태 능동 소나에서 수중 표적의 산란 강도는 사용된 신호의 주파수, 표적과 음원사이의 각도를 의미하는 자세각, 표적과 수신기 사이의 각도를 나타내는 양상태각 등의 운용 변수에 따라 다르게 나타난다. 따라서 양상태 소나의 표적 탐지 및 식별 성능은 소나 운용 과정에서 표적, 음원, 그리고 수신기의 위치를 어떻게 변화시키느냐에 따라 그 성능이 달라질 수 있다. 본 연구에서는 양상태 소나 운용 시 자세각을 변화시키는 경우와 양상태각을 변화시키는 경우의 표적 식별 성능을 비교하여 어떤 변수를 변화시키는 것이 유리한지 평가하였다. 속이 비어있는 구와 실린더를 식별하는 시나리오를 가정하였으며, 유한요소법 기반의 음향 산란 시뮬레이션을 이용하여, 서포트 벡터 머신으로 두 표적을 분류하고 정확도를 비교하는 방법으로 성능을 비교하였다. 표적의 산란 신호만을 고려하기 위하여, 해저면 잔향의 효과는 고려하지 않았다. 비교 결과, 자세각을 고정한 상태에서 주파수와 양상태각으로 정의되는 산란 강도를 이용하는 것이 우수한 평균 분류 정확도를 보여주었으며, 이는 양상태 소나를 이용하여 구와 실린더를 식별하고자 하는 경우, 음원의 위치를 고정시킨 상태에서 수신기를 이동하여 양상태각을 변화시키는 것이 표적 식별에 더 효과적임을 보여준다.

• 한국정보통신학회논문지
• /
• 제22권1호
• /
• pp.125-130
• /
• 2018

선형판별분석(LDA) 기법은 특징벡터의 차원을 줄이거나 클래스 식별에 이용되는 통계적 분석 방법이다. 그러나 선형 분리가 불가능한 데이터 집합의 경우에는 비선형 함수를 이용하여 특징벡터를 고차원의 공간으로 사상(mapping) 시켜줌으로써 선형 분리가 가능하도록 만들 수 있는데, 이러한 기법을 일반화된 판별분석(GDA) 또는 커널판별분석(KDA) 기법이라고 한다. 본 연구에서는 인터넷에 공개되어 있는 능동소나 표적신호에 LDA 및 GDA 기법을 이용하여 표적식별 실험을 수행하고, 그 결과를 비교/분석하였다. 실험 결과 104개의 테스트 데이터에 대해 LDA 기법으로는 73.08% 인식률을 얻었으나 GDA 기법으로는 95.19%로 기존의 MLP 또는 커널 기반 SVM에 비해 나은 성능을 보였다.

• 한국정보통신학회논문지
• /
• 제20권1호
• /
• pp.22-29
• /
• 2016

수중환경 하에서 표적을 탐지하고 식별하는 문제는 군사적인 목적은 물론 비군사적 목적으로도 많은 연구가 수행되어 왔다. 수중환경에서의 수중음향 신호가 시간 공간적으로 특성이 변화하며 천해 다중경로 환경을 반영하는 복잡한 특성을 보이는 점으로 인해 능동 표적인식 기술은 매우 어려운 기술로 여겨져 왔다. 본 논문에서는 Fractional 푸리에 변환의 기본 개념과 최적 변환 차수에 대해 설명하고, 이를 이용하여 LFM 신호의 시간-주파수 특성과 스펙트럼 사이의 관계를 분석한다. 그리고 이러한 분석결과를 바탕으로 능동소나 표적 탐지 기법을 제안한다. 제안된 방법의 성능을 검증하기 위해, 기존의 FFT를 이용한 정합필터와 성능을 비교하였다. AUC(Area Under the ROC Curve)의 측면에서 볼 때 제안된 방식이 기존의 방법보다 성능이 우수한 실험결과를 보였다.

• 한국정보통신학회논문지
• /
• 제21권10호
• /
• pp.1909-1916
• /
• 2017

최근 딥 러닝 알고리듬이 다양한 분야에 적용되어 좋은 성능을 내고 있지만, 소나시스템에는 아직 활발히 적용되지 않고 있다. 본 논문에서는 기뢰와 같은 금속 물체와 바위로부터 반사된 능동소나 수신음 데이터를 딥 러닝 알고리듬의 하나인 컨볼루션 신경망으로 식별하는 실험을 수행하였다. 과적합 방지 및 성능 향상을 위해 데이터 확장을 하였고, 확장 및 하이퍼파라미터 값 변화에 따른 성능 변화를 분석하였다. 훈련데이터를 수신각도에 독립적인 경우와 의존적인 경우로 나누어 실험을 수행하였고, 그 결과 각각 88.9%, 94.9%의 성능을 보였다. 이는 이전 연구에서 인공신경망 및 Support Vector Machine 알고리듬을 적용하여 얻은 성능보다 최대 4.5% 포인트 향상되었다.