• 전기학회논문지
• /
• 제63권5호
• /
• pp.676-682
• /
• 2014

In this paper, precipitation echo(PRE) and non-precipitaion echo(N-PRE)(including ground echo and clear echo) through weather radar data are identified with the aid of neuro-fuzzy algorithm. The accuracy of the radar information is lowered because meteorological radar data is mixed with the PRE and N-PRE. So this problem is resolved by using RBFNN and judgement module. Structure expression of weather radar data are analyzed in order to classify PRE and N-PRE. Input variables such as Standard deviation of reflectivity(SDZ), Vertical gradient of reflectivity(VGZ), Spin change(SPN), Frequency(FR), cumulation reflectivity during 1 hour(1hDZ), and cumulation reflectivity during 2 hour(2hDZ) are made by using weather radar data and then each characteristic of input variable is analyzed. Input data is built up from the selected input variables among these input variables, which have a critical effect on the classification between PRE and N-PRE. Echo judgment module is developed to do echo classification between PRE and N-PRE by using testing dataset. Polynomial-based radial basis function neural networks(RBFNNs) are used as neuro-fuzzy algorithm, and the proposed neuro-fuzzy echo pattern classifier is designed by combining RBFNN with echo judgement module. Finally, the results of the proposed classifier are compared with both CZ and DZ, as well as QC data, and analyzed from the view point of output performance.

• 한국군사과학기술학회지
• /
• 제9권2호
• /
• pp.87-95
• /
• 2006

The performance of a microwave missile seeker and radar operating in an air-to-air look-down mode is strongly influenced by the presence of ground clutter In order to correctly account for the effects of ground clutter, it is required to develop a model capable of representing clutter characteristics as a function of range and/or frequency. In this paper, a program to estimate the clutter reflectivity for various ground conditions is developed, using the actually measured data and the data available from open literatures. In addition, clutter characteristics measured for various ground conditions such as sea, agricultural area, urban city and industrial area through the captive flight tests are presented.

• 지질공학
• /
• 제33권4호
• /
• pp.689-699
• /
• 2023

Assessing ground stability is critical to the construction of underground transportation infrastructure. Surface displacement is a key indicator of ground stability, and can be measured using interferometric synthetic aperture radar (InSAR). This study measured time-series surface displacement using permanent scatterer InSAR applied to Sentinel-1 SAR images acquired from January 2017 to June 2023 for the area around a deep underground expressway under construction to connect Mandeok-dong and Centum City in Busan, South Korea. Regions of seasonal subsidence and uplift were identified, as were regions with severe subsidence after summer 2022. To evaluate stability of the ground in the construction area, the mean displacement velocity, final surface displacement, cumulative surface displacement, and difference between minimum and maximum surface displacement were analyzed. Considering the time-series surface displacement characteristics of the study area, the difference between minimum and maximum surface displacement since June 2022 was found to be the most suitable parameter for evaluating ground stability. The results identified highly unstable ground in the construction area as being to the north of the mid-lower reaches of the Oncheon-cheon River and to the west of the Suyeong River at the point where both rivers meet, with the difference between minimum and maximum surface displacement of 40~60 mm.

• 한국전자파학회논문지
• /
• 제26권10호
• /
• pp.924-931
• /
• 2015

표적이 지구표면 위 낮은 위치에 존재하고, 레이다로부터 멀리 떨어져 있는 경우, 표적에서 반사되어 돌아오는 레이다 수신 신호를 계산하는 기존방법의 정확도를 고찰한다. 표적으로부터 산란되어 돌아오는 레이다 신호를 예측하기 위해, 회절파 효과를 무시한 4-ray 모델을 사용한다. 이론적으로 계산 가능한 전파전파 예측에 필요한 파라미터를 이용하여, 지구의 곡률을 고려하는 레이다의 수신 신호를 계산하는 방법을 구현하고, 이를 실험으로 검증한다.

• 한국산업정보학회논문지
• /
• 제28권1호
• /
• pp.1-8
• /
• 2023

본 논문은 ISO 17387규격에서 제공하고 있는 차선변경 보조시스템(LCDAS)에 기반을 둔 중단거리 차량용 레이더 시스템을 개발하였다. 사용한 규격에서는 지능형 이동 시스템에서 사용하고 있는 성능 요구사항과 시험 과정에 대해 기술되어 있다. 중단거리 차량용 레이더 시스템은 최대 80m까지 목표물을 검출할 수 있으며, 갱신주기는 50ms로 단축할 수 있도록 설계하였다. 또한, ROI 전처리 기술을 활용하여 신호처리에서의 계산량을 대폭 감소시킬 수 있었다. 최종적으로, 실제 운전 상황을 설정하여 실제 시험을 수행하였으며, 두 가지의 시나리오를 설정하여 성능을 평가했다.

• 한국전자파학회논문지
• /
• 제23권11호
• /
• pp.1307-1314
• /
• 2012

지하 탐사 레이더(GPR: Ground-Penetrating Radar) 영상에서 지하의 비균일성에 의한 클러터(clutter)의 영향을 저감할 수 있는 고유 영상(eigenimage) 기반의 신호처리 기법을 제시하였다. GPR 탐사의 B-scan 영상에 기존의 고유 영상 필터링 기법을 적용하면 안테나 링잉, 송수신 안테나 간의 직접 결합(direct coupling)과 지표면 반사와 같이 비교적 균일한 클러터는 충분히 제거할 수 있다. 그러나, 지하의 비균일성(inhomogenity)에 의한 불규칙적인 클러터는 제거되지 못한 채 여전히 남아 있어서, 표적 신호(target signal)는 클러터에 의해 왜곡되거나 가려진다. 고유 영상 필터링한 영상들의 동일 픽셀(pixel) 간의 관계를 비교해 보면, 지하의 클러터와 표적에 해당하는 픽셀은 서로 다른 상관성이 존재하였다. 상관성이 높은 픽셀은 강화하면서 상관성이 낮은 픽셀은 저감할 수 있도록 고유 영상 필터링한 영상들에서 동일 픽셀간 기하 평균 신호처리 방법을 제안하였다. 불규칙 매질 분포(random media distribution)를 갖는 비균일 지하 속의 표적에 대한 GPR 탐사를 불규칙 매질 생성 기법(randommedia generation technique)과 시간 영역 유한 차분(FDTD: Finite-Difference Time-Domain)법으로 모의계산하고, 제안한 신호처리 방법을 GPR 탐사의 B-scan 자료에 적용하였다. 제안한 방법은 기존의 고유 영상 필터링에 비해서 지하의 비균일 클러터를 현저히 저감하고, 표적신호는 충분히 강화할 수 있음을 보였다.

• 한국습지학회지
• /
• 제15권3호
• /
• pp.413-422
• /
• 2013

최근 공간적으로 지역적 편차가 심한 형태의 강우가 빈번히 발생하고 있으며, 기존 지점관측방식의 지상우량 관측망으로는 강우의 발생 및 이동을 고려한 공간적인 편차를 정확히 관측하는 것이 어렵다. 따라서 본 연구에서는 강우의 시 공간적인 분포를 고려할 수 있는 레이더 강우를 도시 소유역에 적용하여 유출을 모의 하고자 하였다. 서울시 구로구 일대를 대상지역으로 선정하였으며, AWS (Automatic Weather Station)를 기준으로 소유역을 분할한 후, 지상 강우를 이용하여 레이더 강우자료를 보정하였다. 보정된 레이더 강우를 토대로 소유역별 면적강우량을 산정하였고, 도시배수시스템을 고려할 수 있는 XP-SWMM 모형을 이용하여 유출모의를 실시하였다. 소유역별로 보정된 레이더 강우자료는 지상강우량의 60~95% 수준을 나타내었다. 물론 강우의 양적인 차이로 인해 전체 유출량에 차이가 존재하였으며, 특히, 첨두유출량의 발생시각이 빨라짐을 확인할 수 있었다. 본 연구는 레이더 강우를 도시유출 모형에 활용한 사례로 도심지의 홍수유출 예측을 위한 기술적 기초자료로 활용될 수 있을 것이다.

• 한국수자원학회논문집
• /
• 제38권12호
• /
• pp.1039-1049
• /
• 2005

본 연구의 목적은 기상 레이더의 수문학적 활용성을 높이고자 최적의 레이더 강우를 추정하기 위해 관악산 레이더 자료를 대상으로 POD 분석기법을 활용하여 지형클러터 및 빔 차폐영역 등을 제거하고 Marshall-Palmer의 Z-R 관계식으로 레이더 강우를 추정한 결과 강우계 관측강우와 비교하여 시$\cdot$공간적으로 과소 모의하는 것으로 나타났다. 이러한 결과를 바탕으로 강우계 관측강우와의 실시간 보정기법을 소양강 유역을 대상으로 적용한 결과 평균 G/R 값은 $0.95\~1.32$로 적정분포를 보이고 평균편차는 $9\~28\%$ 범위로 감소되어 불확실성 또한 감소하는 것으로 나타났다. 한편, 편차가 보정된 최적 레이더 추정강우로 소양강 유역평균 강우량을 산정한 결과 관측강우와 비교하여 매우 잘 일치하는 것으로 나타났다. 따라서 실시간 편차보정 기법은 수문학적 유역평균 강우량 산정시 다소 과소추정되는 레이더 강우정보를 정확하게 보정할 수 있다는 측면에서 그 적용성이 우수한 것으로 판단된다.

• 한국습지학회지
• /
• 제14권2호
• /
• pp.243-254
• /
• 2012

최근 강우의 공간분포와 이동 및 발달상황을 파악할 수 있는 레이더강우 자료의 활용이 수문학분야에서 주목받고 있지만, 레이더 강우자료는 지상강우자료와 비교하여 자료의 신뢰성 확보가 되지 않아 실제 자료의 운용 및 적용에 어려움이 있다. 따라서 수문해석 분야에서는 레이더 강우를 활용하기 위해 레이더강우를 지상강우와 합성하여 보정하고 있다. 본 연구에서는 MFB(Mean-Field Bias)보정기법과 SOA(Statistical Objective Analysis)보정기법을 이용해 2010년 8월의 강우사상에 대하여 시공간 분포를 적절하게 표현할 수 있는 격자형 레이더 강우시계열자료를 생성하였다. 또한, 기존의 집중형 수문모형보다 유역내의 공간적인 유량변동을 보다 상세하게 고려할 수 있는 격자기반의 분포형모형(Vflo)을 국내 유역(낙동강권역 : 감천유역($1005km^2$))에 적용하여, 모의유출량과 관측유출량의 비교를 통해 레이더강우자료의 활용성 및 보정방법의 정확도를 평가하고자 하였다. 각 보정방법에 의한 첨두유량 오차는 20% 내외, 모델효율은 60~80% 수준으로 나타났으며, 특히 SOA방법을 통해 보정된 격자형 레이더 강우자료는 유출모형의 입력 자료로서 수문학적 활용성이 있음을 확인할 수 있었다.

• Geomechanics and Engineering
• /
• 제33권2호
• /
• pp.203-209
• /
• 2023

One major advantage of ground penetrating radar (GPR) over other field test methods is its ability to obtain subsurface images of roads in an efficient and non-intrusive manner. Not only can the strata of pavement structure be retrieved from the GPR scan images, but also various irregularities, such as cracks and internal cavities. This article introduces a deep learning-based approach, focusing on detecting subsurface cracks by recognizing their distinctive hyperbolic signatures in the GPR scan images. Given the limited road sections that contain target features, two data augmentation methods, i.e., feature insertion and generation, are implemented, resulting in 9,174 GPR scan images. One of the most popular real-time object detection models, You Only Learn One Representation (YOLOR), is trained for detecting the target features for two types of subsurface cracks: bottom cracks and full cracks from the GPR scan images. The former represents partial cracks initiated from the bottom of the asphalt layer or base layers, while the latter includes extended cracks that penetrate these layers. Our experiments show the test average precisions of 0.769, 0.803 and 0.735 for all cracks, bottom cracks, and full cracks, respectively. This demonstrates the practicality of deep learning-based methods in detecting subsurface cracks from GPR scan images.