• 전기전자학회논문지
• /
• 제24권4호
• /
• pp.921-930
• /
• 2020

대포병탐지레이더는 포탄의 궤적을 역으로 추적하여 화포 원점과 탄착점을 추정해 낸다. 부가적으로 추적 화포의 탄종을 식별하는 기능도 포함된다. 레이더를 통해 포탄의 궤적을 추적하는 중에는 포탄과 레이더의 위치에 따라 감지된 신호들이 다르게 나타나는 경우가 발생한다. 이는 포탄의 종류를 식별하기에는 모호한 부분이 있다. 본 논문은 레이더의 신호처리 과정 중에 산출하는 데이터를 바탕으로 퍼지이론과 인공지능을 이용하여 포탄의 종류를 구분하고 비교하였다. 연구 결과에 의하면 인공지능에 의한 정확도가 퍼지이론을 사용한 표적 식별 결과 대비 우수한 식별률이 나오는 것을 확인했다. 실험에 사용된 데이터는 포탄을 실제 발사하여 대포병탐지레이더-II로부터 얻은 것이다.

• 산업경영시스템학회지
• /
• 제43권4호
• /
• pp.217-228
• /
• 2020

The ROK Army must detect the enemy's location and the type of artillery weapon to respond effectively at wartime. This paper proposes a radar positioning model by applying a scenario-based robust optimization method i.e., binary integer programming. The model consists of the different types of radar, its available quantity and specification. Input data is a combination of target, weapon types and enemy position in enemy's attack scenarios. In this scenario, as the components increase by one unit, the total number increases exponentially, making it difficult to use all scenarios. Therefore, we use partial scenarios to see if they produce results similar to those of the total scenario, and then apply them to case studies. The goal of this model is to deploy an artillery locating radar that maximizes the detection probability at a given candidate site, based on the probability of all possible attack scenarios at an expected enemy artillery position. The results of various experiments including real case study show the appropriateness and practicality of our proposed model. In addition, the validity of the model is reviewed by comparing the case study results with the detection rate of the currently available radar deployment positions of Corps. We are looking forward to enhance Korea Artillery force combat capability through our research.