• 한국음향학회지
• /
• 제43권1호
• /
• pp.9-18
• /
• 2024

최근 수중표적의 저소음화와 해상교통량의 증가로 인한 주변 소음의 증가로 능동 소나 시스템의 중요성이 증대되고 있다. 하지만 신호의 다중 경로를 통한 전파, 다양한 클러터와 주변 소음 및 잔향 등으로 인한 반향신호의 낮은 신호대잡음비는 능동 소나를 통한 수중 표적 식별을 어렵게 만든다. 최근 수중 표적 식별 시스템의 성능을 향상 시키기 위해 머신러닝 혹은 딥러닝과 같은 데이터 기반의 방법을 적용시키려는 시도가 있지만, 소나 데이터셋의 특성 상 훈련에 충분한 데이터를 모으는 것이 어렵다. 부족한 능동 소나 데이터를 보완하기 위해 수학적 모델링에 기반한 방법이 주로 활용되어오고 있다. 그러나 수학적 모델링에 기반한 방법론은 복잡한 수중 현상을 정확하게 모의하는 데에는 한계가 있다. 따라서 본 논문에서는 심층 신경망 기반의 소나 신호 합성 기법을 제안한다. 제안하는 방법은 인공지능 모델을 소나 신호 합성 분야에 적용하기 위해, 음성 합성 분야에서 주로 사용되는 타코트론 모델의 주요 모듈인 주의도 기반의 인코더 및 디코더를 소나 신호에 적절하게 수정하였다. 실제 해상 환경에 모의 표적기를 배치해 수집한 데이터셋을 사용하여 제안하는 모델을 훈련시킴으로써 보다 실제 신호와 유사한 신호를 합성해낼 수 있게 된다. 제안된 방법의 성능을 검증하기 위해, 합성된 음파 신호의 스펙트럼을 직접 분석을 진행하여 비교하였으며, 이를 바탕으로 오디오 품질 인지적 평가(Perceptual Quality of Audio Quality, PEAQ)인지적 성능 검사를 실시하여 총 4개의 서로 다른 환경에서 생성된 반사 신호들에 대해 원본과 비교해 그 차이가 최소 -2.3이내의 높은 성적을 보여주었다. 이는 본 논문에서 제안한 방법으로 생성한 능동 소나 신호가 보다 실제 신호에 근사한다는 것을 입증한다.

• 한국음향학회지
• /
• 제38권5호
• /
• pp.549-557
• /
• 2019

표적의 음향 산란 특성은 표적의 재료 특성과 구조적 특성에 영향을 받으며, 이는 음향을 이용하여 수중에서 표적을 탐지, 식별하고자 할 때 매우 중요한 정보가 된다. 특히, 얇은 탄성체의 경우 램파(Lamb wave)에 의해 표적 주변 유체에 산란파가 생성된다. 본 논문에서는 계단 주파수 스윕 사인 파형을 이용하여 수조에서 알루미늄 구의 산란 신호를 측정한 결과를 제시한다. 특히 알루미늄 구의 내부에 물이 채워져 있는 경우와 공기가 채워져 있는 경우에 대하여 산란 신호의 차이를 측정하고 이론 모델과 비교하였다. 또, 내부 물질에 따른 표적 산란 신호 차이를 유사 위그널-빌 분포를 이용하여 분석하고, 유도파의 평균 주파수, 주파수 분포, 에너지의 차이를 비교하였다. 분석 결과, 구의 내부에 물이 채워진 경우가 공기가 채워진 경우에 비해 유도파의 평균 주파수, 주파수 분포, 에너지가 증가하는 것을 확인하였으며 이는 이론적인 예상과 부합한다.

• 한국음향학회지
• /
• 제26권2호
• /
• pp.87-94
• /
• 2007

LFM 신호를 이용한 능동소나 신호처리에서는 Split-beam을 이용한 좌우 두 빔 사이의 상호상관관계를 측정함으로써 표적의 자세각과 길이 정보를 추정할 수 있다. 그러나 탐지된 원거리 표적의 정보를 추정하기 위해서는 고분해능의 방위각 및 거리 해상도가 요구된다. 이를 위해 나이키스트(Nyquist) 샘플링 주파수보다 높은 샘플링 주파수가 필요하므로, 일반적으로 보간기법을 이용하여 과도샘플링(over-sampling) 을 해야 한다. 하지만 과도 샘플링된 좌우 빔신호를 이용하여 상호상관관계를 구할 경우, 요구되는 연산량과 메모리 용량이 일반적으로 상용 DSP 프로세서들의 처리용량과 내부 메모리 용량을 초과하게 되어 DSP를 이용한 실시간 구현이 어렵게 된다. 본 논문에서는 이러한 문제를 해결하기 위해 누적처리기법을 이용한 Split-beam처리 방법을 제안하였다. 제안한 기법의 성능을 모의실험을 통하여 검증하고, ADSP-TS101을 사용하여 실시간 시스템으로 구현하였다.

• 한국멀티미디어학회논문지
• /
• 제19권10호
• /
• pp.1775-1781
• /
• 2016

Generally, in the underwater target recognition, feature vectors are extracted from the target signal utilizing spatial information according to target shape/material characteristics. In addition, various signal processing techniques have been studied to extract feature vectors which are less sensitive to the location of the receiver. In this paper, we synthesized active echo signals using 3-dimensional highlight distribution. Then, Fractional Fourier transform was applied to echo signals to extract signal features. For the performance verification, classification experiments were performed using backpropagation and probabilistic neural network classifiers based on single aspect and multi-aspect method. As a result, we obtained a better recognition result using proposed feature extraction and multi-aspect based method.

• 한국멀티미디어학회논문지
• /
• 제20권10호
• /
• pp.1637-1645
• /
• 2017

Target/Nontarget classification can be divided into the study of shape estimation of the target analysing reflected echo signal and of type classification of the target using acoustical features. In active sonar system, the feature vectors are extracted from the signal reflected from the target, and an classification algorithm is applied to determine whether the received signal is a target or not. However, received sonar signals can be distorted in the underwater environments, and the spatio-temporal characteristics of active sonar signals change according to the aspect of the target. In addition, it is very difficult to collect real sea-trial data for research. In this paper, target/non-target classification were performed using real sea-trial data. Feature vectors are extracted using MFCC(Mel-Frequency Cepstral Coefficients), filterbank energy in the Fourier spectrum and wavelet domain. For the performance verification, classification experiments were performed using backpropagation neural network classifiers.