• 한국음향학회지
• /
• 제43권1호
• /
• pp.78-88
• /
• 2024

수중 소음 측정이 가능한 수동 소나에 수신된 선박 방사소음은 Detection of Envelope Modulation on Noise(DEMON) 분석으로 얻은 선박 정보를 사용하여 선박 식별과 분류가 가능하다. 하지만 낮은 신호대잡음비(Signal-to-Noise Ratio, SNR) 환경에서는 DEMON 그램 내 선박 정보가 담겨있는 표적 주파수선을 분석 및 파악하는데 어려움이 발생한다. 본 논문에서는 낮은 SNR 환경에서 보다 정확한 표적 식별을 위해 딥러닝 기법 중 의미론적 분할을 사용하여 표적 주파수선들을 추출하는 연구를 수행하였다. SNR과 기본 주파수를 변경시키며 생성한 모의 DEMON 그램 데이터를 사용하여 의미론적 분할 모델인 U-Net, UNet++, DeepLabv3+를 학습 후 평가하였고, 학습된 모델들을 이용하여 캐나다 조지아 해협에서 측정한 선박 방사소음 데이터셋인 DeepShip으로 제작한 DEMON 그램 예측 성능을 비교하였다. 모의 DEMON 그램으로 학습된 모델을 평가한 결과 U-Net이 성능이 가장 높았으며, DeepShip으로 만든 DEMON 그램의 표적 주파수선을 어느 정도 추출할 수 있는 것을 확인하였다.

• 한국음향학회지
• /
• 제37권1호
• /
• pp.39-45
• /
• 2018

압축센싱을 적용하면 전체 신호의 차원 대비 실제 사용하는 신호의 차원이 작은 희소신호의 경우, 적은 수의 관측치를 통하여 빠른 시간 내에 복원이 가능하다. 수중 표적의 기어박스 및 보조 장치 등으로부터 방사되는 신호의 토널 주파수 성분들은 처리하고자 하는 주파수 대역에서 상대적으로 주파수 성분이 적다. 따라서 토널 신호는 주파수 영역 전체 대비 희소신호로 모델링 될 수 있으므로 희소 신호 복원 알고리듬인 S-OMP(Simultaneous-Orthogonal Matching Pursuit)를 이용하여 복원할 수 있다. 본 논문에서는 압축센싱 기법을 이용하여 수중 표적의 방사 소음 신호의 토널 주파수를 검출하는 기법을 제안하고 모의 실험을 통해 성능을 확인한다. 모의실험에서 기존의 FFT(Fast Fourier Transform) 임계치 기법을 이용한 방법에 비해 낮은 SNR(Signal to Noise Ratio)에서도 정확한 토널 성분을 추정 할 수 있음을 확인하였다.