• 한국항공우주학회지
• /
• 제34권1호
• /
• pp.74-80
• /
• 2006

본 논문은 레이더와 같은 지상의 다수위협이 존재하는 상황에서 무인항공기의 비행경로 최적화에 관한 것이다. 레이더에 의한 피탐성, 즉 비행체에 의해 반사되는 레이더 신호강도를 최소화하면서 목적지까지의 비행시간을 최소화하는 관점에서 성능지수를 제안하였다. 1차의 시간지연 시스템으로 가정된 비행체의 경사각을 제어입력으로 고려하였으며, Sequential Quadratic Programming기법에 기반한 입력 파라미터 최적화 기법을 사용하여 궤적최적화를 수행하였다. 제안된 무인 항공기 경로계획 기법은 Voronoi 선도기법과 비교하였을 때, 생존성을 증대시키면서도 항공기의 역학적 특성을 고려한 비행경로를 제공한다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.37-37
• /
• 2003

Rice is one of the most important crop in the world and is a major export of Thailand. Optical sensors are not useful for rice monitoring, because most cultivated areas are often obscured by cloud during the growing period, especially in South East Asia. Spaceborne Synthetic Aperture Radar (SAR) such as RADARSAT, can see through regardless of weather condition which make it possible to monitor rice growth and to retrieve rice acreage, using the unique temporal signature of rice fields. This paper presents the result of a study of examining the backscatter behavior of rice using multi-temporal RADARSAT dataset. Ground measurements of paddy parameters and water and soil condition were collected. The ground truth information was also used to identify mature rice crops, orchard, road, residence, and aquaculture ponds. Land use class distributions from the RADARSAT image were analyzed. Comparison of the mean DB of each land use class indicated significant differences. Schematic representation of temporal backscatter of rice crop were plotted. Based on the study carried out in Pathum Thani Province test site, the results showed variation of sigma naught from first tillering vegatative phase until ripenning phase. It is suggested that at least, three radar data acquisitions taken at 3 stages of rice growth circle namely; those are at the beginning of rice growth when the field is still covered with water, in the ear differentiation period, and at the beginning of the harvest season, are required for rice monitoring. This pilot project was an experimental one aiming at future operational rice monitoring and potential yield predicttion.

• 한국지능시스템학회논문지
• /
• 제24권5호
• /
• pp.536-541
• /
• 2014

기상레이더를 통해 취득된 데이터에는 지형에코, 파랑에코, 이상에코, 그리고 청천에코등이 존재한다. 각 에코는 여러 종류의 비강수에코이고, 이 비강수에코를 제거하기 위해 각 에코들의 특성을 분석하였다. 기상레이더 데이터는 매우 방대한 양이기 때문에 전처리 절차를 통해 분석된다. 본 논문에서는 클러스터링 기반 방사형 기저함수 신경회로망(RBFNNs : Radial Basis Function Neural Networks)과 에코 판단 모듈을 이용하여 기상레이더 데이터에서 강수에코와 비강수에코들을 구별하기 위한 에코 패턴분류기를 설계하였다. HCM(Hard C-Mean) 클러스터링 기반 RBFNNs 와 FCM(Fuzzy C-Mean) 클러스터링 기반 RBFNNs를 이용하여 출력성능은 비교 및 분석된다.

• 한국전자파학회논문지
• /
• 제22권11호
• /
• pp.1054-1062
• /
• 2011

무인 차량의 야지 자율 주행을 위한 근거리 초광대역 bistatic 레이다에 적합한 시간 영역 영상화 기법의 구현에 대해 기술한다. 기존의 SAR(Synthetic Aperture Radar) 영상화 기법에서 주파수 영역에 기반을 둔 방법은 원전계 조건을 만족하는 응용 분야에는 잘 적용되지만, 근거리에 적용할 경우 근사화에 따른 위상 오차가 크게 되어 영상의 품질을 떨어뜨린다. 따라서 근거리 영상 레이다에서는 시간 영역에 기반을 둔 back-projection 방법이 적합하다. 그러나 back-projection의 경우 수행 시간이 매우 긴 단점이 있다. 따라서 시간 영역에 기반을 두고 영상의 품질은 back-projection과 유사하며, 수행 시간을 줄일 수 있는 방법으로 개발된 것이 FFBP(Fast Factorized Back-Projection) 방법이다. 야지에서 획득한 레이다 원시데이터를 사용하여 back-projection 방법과 FFBP 방법을 구현하고 영상의 품질 및 수행 시간을 비교하여 bistatic 전방 관측 레이다의 시간 영역 영상화 기법의 적용 가능성을 입증한다.

• 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.

• 한국수자원학회논문집
• /
• 제47권10호
• /
• pp.867-878
• /
• 2014

기상레이더의 관측 특성상, 지형클러터 등의 관측영역 한계로 인한 관측공백 지역이 발생한다. 이러한 레이더 빔의 차폐는 강우량의 과소추정 원인이 된다. 이를 해결하기 위해 본 연구에서는 Hybrid Scan Reflectivity (HSR) 기법을 개발하고 기존 방법 결과와 비교하였다. 결과에 의하면, 기존 레이더 관측방법으로 지형에 의해 반사도 정보를 얻지 못하는 영역에 대하여 HSR 기법이 레이더 강우량을 추정할 수 있음을 확인하였다. 반사도 스캔기법과 빔차폐/비 빔차폐영역에서 모두 HSR 기법을 적용한 결과가 정확성이 가장 뛰어났다. 다음으로 각 방법별 레이더 추정 강우량을 HEC-HMS에 적용하여 홍수 유출량 추정 정확성을 평가하였다. HSR 기법에 의한 유출량은 RAR 산출 시스템과 M-P 관계식 대비 상관계수는 평균 7%와 10%, Nash-Sutcliffe Efficiency는 평균 18%와 34% 향상되었다. 따라서 정확한 홍수량 추정을 위해 수문분야에 HSR 기법에 의해 추정된 강우량을 활용할 필요성이 있는 것으로 사료된다.

• 한국군사과학기술학회지
• /
• 제27권2호
• /
• pp.147-155
• /
• 2024

Based on the recently developed deep learning technology, many studies have been conducted on deep learning networks that simultaneously detect and classify targets of interest in synthetic aperture radar(SAR) images. Although numerous research results have been derived mainly with the open SAR ship datasets, there is a lack of work carried out on the deep learning network aimed at detecting and classifying SAR ground targets and trained with the synthetic dataset generated from electromagnetic scattering simulations. In this respect, this paper presents the deep learning network trained with the synthetic dataset and applies it to detecting and classifying real SAR ground targets. With experiment results, this paper also analyzes the network performance according to the composition ratio between the real measured data and the synthetic data involved in network training. Finally, the summary and limitations are discussed to give information on the future research direction.

• 대기
• /
• 제23권2호
• /
• pp.143-160
• /
• 2013

The effect of 3DVAR (Three Dimension Variational data Assimilation) was examined by comparing observation and the simulations of CNTL (to which data assimilation was not applied) and ALL (to which data assimilation was applied using ground observation data and radar data) for the case of a heavy snowfall event (case A) of 11-12 February 2011 in the Yeongdong region. In case A, heavy snow intensively came in the Yeongdong coastal region rather than Daegwallyeong, in particular, around the Gangneung and Donghae regions with total precipitation in Bukgangneung at approximately 91 mm according to the AWS observation. It can be seen that compared to CNTL, ALL simulated larger precipitation along the Yeongdong coastline extending from Sokcho to Donghae while simulating smaller precipitation for inland areas including Daegwallyeong. On comparison of the total accumulated precipitations from simulations of CNTL and ALL, and the observed total accumulated precipitation, the positive effect of the assimilation of ground observation data and radar data could be identified in Bukgangneung and Donghae, on the other hand, the negative effect of the assimilation could be identified in the Daegwallyeong and Sokcho regions. In order to examine the average accuracy of precipitation prediction by CNTL and ALL for the entire Gangwon region including the major points mentioned earlier, the three hour accumulated precipitation from simulations of CNTL and ALL were divided into 5, 10, 15, 20, 25 and 30 mm/3hr and threat Scores were calculated by forecasting time. ALL showed relatively higher TSs than CNTL for all threshold values although there were some differences. That is, when considered generally based on the Gangwon region, the accuracy of precipitation prediction from ALL was improved somewhat compared to that from CNTL.

• 한국정보통신학회논문지
• /
• 제22권1호
• /
• pp.155-161
• /
• 2018

국지적인 기상 이변이나 강우 현상 등을 분석하고 예보하기 위해서는 지역별로 저고도 탐색이 가능한 다수의 단거리 기상 레이다들이 필요하다. 그러나 이러한 레이다들의 특성인 낮은 고각의 전자파 빔 때문에 지표면 및 해수면 클러터가 기상 반사 신호를 오염시킬 가능성이 매우 높다. 대부분의 지표면 클러터는 매우 낮은 도플러 주파수 부근에 집중되어 나타나므로 주파수 대역에서의 구분이 비교적 용이한 편이다. 그러나 해수면 클러터의 경우 도플러 주파수 점유대역이 기상조건에 따라 매우 넓게 나타날 수 있기 때문에 클러터의 제거가 매우 어려운 실정이다. 따라서 본 논문에서는 전자적인 고각 빔 조향을 위하여 수직 위상 배열 안테나 구조를 갖는 기상 레이다에서의 해수면 클러터 제거 성능 정도를 분석하였다. 또한 위상배열 안테나의 수신 빔 형성을 통하여 해수면 클러터의 제거가 적절하게 이루어질 수 있음을 보였다.

• 지구물리와물리탐사
• /
• 제26권4호
• /
• pp.211-228
• /
• 2023

방조제의 모니터링에는 지구물리학적 비파괴 검사인 GPR (Ground Penetrating Radar) 탐사가 주로 이용된다. GPR 반응은 상황에 따라 복잡한 양상을 보이므로 자료의 처리와 해석은 전문가의 주관적 판단에 의존하며, 이는 오 탐지의 가능성을 불러옴과 동시에 시간이 오래 걸린다는 단점이 있다. 따라서 딥 러닝을 이용하여 GPR 탐사자료의 공동을 탐지하는 다양한 연구들이 수행되고 있다. 딥 러닝 기반 방법은 데이터 기반 방법으로써 풍부한 자료가 필요하나 GPR 탐사의 경우 비용 등의 이유로 학습에 이용할 현장 자료가 부족하다. 따라서 본 논문에서는 데이터 증강 전략을 이용하여 딥 러닝 기반 방조제 GPR 탐사자료 공동 탐지 모델을 개발하였다. 다년간 동일한 방조제에서 탐사 자료를 사용하여 데이터 세트를 구축하였으며, 컴퓨터 비전 분야의 객체 탐지 모델 중 YOLO (You Look Only Once) 모델을 이용하였다. 데이터 증강 전략을 비교 및 분석함으로써 최적의 데이터 증강 전략을 도출하였고, 초기 모델 개발 후 앵커 박스 클러스터링, 전이 학습, 자체 앙상블, 모델 앙상블 기법을 단계적으로 적용하여 최종 모델 도출 후 성능을 평가하였다.