• 제목/요약/키워드: 레이더 신호 분류

검색결과 24건 처리시간 0.027초

기계학습 방법을 이용한 레이더 신호 분류 (Classification of Radar Signals Using Machine Learning Techniques)

  • 홍석준;이연규;최종원;조제일;서보석
    • 전기전자학회논문지
    • /
    • 제22권1호
    • /
    • pp.162-167
    • /
    • 2018
  • 이 논문에서는 수신된 레이더 신호로부터 추출한 파라미터 데이터에 기계학습을 적용하여 그 레이더에 대응하기 위한 재밍기법에 따라 레이더 신호를 분류하는 방법을 제안한다. 현재 군에서는 대부분 사전 조사에 의해 구축된 레이더 신호 파라미터에 대한 라이브러리를 기반으로 위협 형태에 따라 레이더 신호를 분류한다. 그러나 레이더 기술은 계속적으로 발전되고 다양해지고 있기 때문에 새로운 위협이나 기존의 라이브러리에 존재하지 않는 위협형태에 대해서 이 방법을 적용하는 경우 적절하게 신호를 분류할 수 없고 따라서 적합한 재밍기법을 선택하는데 제한이 따른다. 따라서 기존의 위협 라이브러리를 이용한 방식과 다르게 추정한 레이더 신호의 파라미터 데이터만을 이용하여 최적의 재밍기법을 선택할 수 있도록 신호를 분류하는 기술이 필요하다. 이 연구에서는 새로운 위협 신호의 형태에 대응하기 위한 방법으로 기계학습을 기반으로 한 방법을 제시한다. 제안한 방법은 기존에 축적된 라이브러리 데이터를 이용하여 은닉 마르코프(Markov) 모델과 신경망으로 구성된 분류기를 학습시킴으로써 새로운 위협 신호에 대해 적절한 재밍기법을 대응시킬 수 있도록 신호를 분류한다.

레이더

  • 이원길
    • 전자공학회지
    • /
    • 제15권1호
    • /
    • pp.48-56
    • /
    • 1988
  • 전술 목적으로 세계 각국의 군에서 많이 사용하고 있는 레이더에 대하여, 그동안의 발전 과정을 고찰해 보고, 현재 각국 군에서 운용중인 레이더를 사용 목적별로 분류, 설명했으며, 2000년대를 향한 앞으로의 기술적인 발전 방향을 검토해 보았다. 레이더의 발전 역사를 초창기, 1940년대, 1950년대, 1960년대, 1970년대, 1980년대 별로 분류하여, 각 연대 별로 레이더에 관련된 기술이나 주요 개발 내용을 기술 했으며, 현재 사용중인 레이더를 지상 레이더, 함정 레이더, 항공기 레이더, 비 군사적 사용 분야별로 나누어 검토해 보았다. 그리고 끝으로 레이더의 기술적인 발전 방향을 레이더의 체계, 안테나, 송수신기, 신호처리 분야별로 핵심기술의 발전 추세를 개괄적으로 분석, 기술하였다.

  • PDF

심층학습을 이용한 영상정보 기반 호흡신호 분류 (Classification of Respiratory States based on Visual Information using Deep Learning)

  • 송주현;이덕우
    • 한국산학기술학회논문지
    • /
    • 제22권5호
    • /
    • pp.296-302
    • /
    • 2021
  • 본 논문에서는 영상정보에 기반한 호흡상태 분류 방법을 제안한다. 호흡신호는 초광대역 레이더 센서를 이용하여 획득하고 호흡신호의 값으로 이루어진 1차원 그래프 대신 그래프의 영상 정보가 담긴 2차원 정보 기반으로 호흡상태를 분류한다. 호흡상태의 분류는 심층신경망 모델을 사용하고, 심층신경망 모델은 호흡신호 그래프가 포함된 2차원 영상의 특징들을 학습하여 영상기반의 호흡상태 분류의 결과를 제공한다. 기존의 레이더 센서 기반 호흡신호의 상태 분류는 1차원 벡터의 구성요소 값 및 그 값들의 변화량을 이용하여 회귀, 심층학습 방법을 적용하였다. 그러나 1차원 그래프 기반의 호흡상태 분류는 다양한 형태의 정상호흡 상태에 대한 분류 성능에서 한계를 보였다. 본 논문에서는 호흡 신호로부터 얻은 그래프의 이미지 자체를 2차원 입력 신호로 사용하여 심층 신경망 모델을 적용하여 분류를 수행하였다. 본 논문에서 제안하는 영상정보 기반의 호흡상태 분류는 기존의 1차원 벡터 기반 호흡상태 분류 대비 호흡상태 분류의 정확도를 약 10% 향상 시켰다. 또한 기존의 두 가지 호흡상태 (정상 및 비정상) 분류에서 확장하여 세 가지 호흡상태 (정상1, 정상2, 비정상) 분류를 수행하였다.

PRI 상태행렬과 통계값을 이용한 레이더 PRI 신호패턴 인식 (Radar Signal Pattern Recognition Using PRI Status Matrix and Statistics)

  • 이창호;성태경
    • 한국정보통신학회:학술대회논문집
    • /
    • 한국정보통신학회 2016년도 추계학술대회
    • /
    • pp.775-778
    • /
    • 2016
  • 본 논문에서는 전자전 신호 환경에서 ES(Electronic Support) 시스템의 레이더 신호의 PRI 변조 형태를 자동으로 인식하는 새로운 방법을 제안한다. 제안방법은 레이더 펄스 신호의 펄스반복간격인 PRI(Pulse Repetition Interval)값의 패턴을 저장하고 통계적 테이터를 사용하여 먼저 2개의 클래스로 분류한다. 분류된 2개의 클래스를 PRI의 통계적 특성을 이용하여 각각의 PRI 신호를 인식한다. 제안 방법을 고정(constant)PRI, 지터(jitter)PRI, 스태거(stagger)PRI, D&S(dwell&switch)PRI, 슬라이딩(sliding) PRI 등 5종류의 다양한 PRI 신호들에 적용한 결과 정확히 PRI 변조방식을 식별하였다.

  • PDF

레이더 펄스 탐지를 위한 통신 전자파잡음 동적제거 기법 (Communication Noise Dynamic Cancellation Method for Radar Pulse Detection)

  • 정운섭;이치헌;최채택;최승호
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2012년도 추계학술발표대회
    • /
    • pp.732-735
    • /
    • 2012
  • 본 논문은 지상에서 발생하는 전자파 잡음 신호의 유입에 의해 많은 영향을 받을 수 있는 헬기 등 항공기의 레이더경보수신기(Radar Warning Receiver)에서도 레이더 펄스 신호를 탐지할 수 있는 통신전자파잡음 동적제거 기법을 제안하였다. 본 논문은 지상의 노이즈 신호를 분류하는 방법을 제시하였고, 노이즈 신호 레벨을 판단하여 효과적으로 잡음을 제거하는 알고리즘을 제안하였다.

4차원 특징 벡터에 의한 레이더 신호 클러스터링 기법 (A Clustering Technique of Radar Signals using 4-Dimensional Features)

  • 이종태;주영관;김관태;전중남
    • 전자공학회논문지
    • /
    • 제51권10호
    • /
    • pp.137-144
    • /
    • 2014
  • 전자전지원시스템은 실시간 전자 공격에 대처하기 위해 레이더 신호를 수집하고 분석한다. 레이더 펄스 클러스터링 시스템은 단일 소스에 방사되는 것으로 예상되는 레이더 신호를 분류한다. 본 논문에서는 도착방향, 주파수, 펄스 폭, 연속된 펄스의 도착시간의 차이 4가지 특징을 기반으로 한 클러스터링 알고리즘을 제안하였고 실험을 통하여 제안한 알고리즘이 이동방사체의 추적과 시간적으로 분리된 신호를 다른 군집으로 분리함을 보였다.

차량검지 시스템을 위한 펄스레이더 신호처리 알고리즘 (Pulse Radar Signal Processing Algorithm for Vehicle Detection)

  • 고기원;우광준
    • 전자공학회논문지SC
    • /
    • 제41권5호
    • /
    • pp.9-18
    • /
    • 2004
  • 본 논문에서는 펄스레이더를 이용한 차량검지 알고리즘을 제안하였다. 제안된 알고리즘은 likelihood개념을 이용한 likelihood ration를 통해 하나의 펄스신호에서 분류위치를 추출하고 추출된 분리점을 기준으로 신호를 분리, 간략화 하였다. 이렇게 처리 된 펄스신호에서 연속된 신호의 유클리드거리를 이용하여 단순 군집 탐색 알고리즘에 의해 차량을 검지하였고, 실험을 통해 제안된 알고리즘의 유용성을 확인하였다.

클래스 불균형 데이터를 이용한 나이브 베이즈 분류기 기반의 이상전파에코 식별방법 (Naive Bayes Classifier based Anomalous Propagation Echo Identification using Class Imbalanced Data)

  • 이한수;김성신
    • 한국정보통신학회논문지
    • /
    • 제20권6호
    • /
    • pp.1063-1068
    • /
    • 2016
  • 이상전파에코는 대기 관측을 위해서 사용되는 레이더 전파가 온도나 습도에 의해서 발생하는 이상굴절에 의해서 발생하는 신호로, 지상에 설치된 기상레이더에 자주 발생하는 비기상에코이다. 기상예보의 정확도를 높이기 위해서는 레이더 데이터의 정확한 분석이 필수적이기 때문에 이상전파에코의 제거에 대한 연구가 수행되어 오고 있다. 본 논문에서는 다양한 레이더 관측변수를 나이브 베이지안 분류기에 적용하여 이상전파에코를 식별하는 방법에 대한 연구를 수행하였다. 수집된 데이터가 클래스 불균형 문제를 내포하고 있는 점을 고려하여, SMOTE 기법을 이용하였다. 실제 이상전파에코 발생 사례를 통해, 제안한 방법이 성능을 표출하는 것을 확인하였다.

나이브 베이지안 분류기를 이용한 이상전파에코 식별방법에 대한 연구 (A Study on Anomalous Propagation Echo Identification using Naive Bayesian Classifier)

  • 이한수;김성신
    • 한국정보통신학회:학술대회논문집
    • /
    • 한국정보통신학회 2016년도 춘계학술대회
    • /
    • pp.89-90
    • /
    • 2016
  • 이상전파에코는 대기 관측을 위해서 사용되는 레이더 전파가 온도나 습도에 의해서 발생하는 이상굴절 신호로, 지상에 설치된 기상레이더에 자주 발생하는 대표적인 비기상에코 중 하나이다. 기상예보의 정확도를 높이기 위해서는 레이더 데이터의 정확한 분석이 요구되기 때문에 전 세계적으로 이상전파에코의 식별 및 제거에 대한 연구가 수행되어 오고 있다. 본 논문에서는 레이더 관측변수인 반사도와 고도 정보와 나이브 베이지안 분류기를 이용하여 이상전파에코를 식별 및 제거하는 방법에 대한 연구를 수행하였다. 실제 이상전파에코 발생 사례를 통하여 구현한 나이브 베이지안 분류기를 검증한 결과, 우수한 정확도를 가지고 분류가 수행되는 것을 확인할 수 있었다.

  • PDF

딥 러닝 기법을 이용한 레이더 신호 분류 모델 연구 (Research for Radar Signal Classification Model Using Deep Learning Technique)

  • 김용준;유기훈;한진우
    • 한국군사과학기술학회지
    • /
    • 제22권2호
    • /
    • pp.170-178
    • /
    • 2019
  • Classification of radar signals in the field of electronic warfare is a problem of discriminating threat types by analyzing enemy threat radar signals such as aircraft, radar, and missile received through electronic warfare equipment. Recent radar systems have adopted a variety of modulation schemes that are different from those used in conventional systems, and are often difficult to analyze using existing algorithms. Also, it is necessary to design a robust algorithm for the signal received in the real environment due to the environmental influence and the measurement error due to the characteristics of the hardware. In this paper, we propose a radar signal classification method which are not affected by radar signal modulation methods and noise generation by using deep learning techniques.