• 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.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.1064-1066
• /
• 2003

In this paper, ground penetrating radar (GPR), which has the capability to detect non metal and plastic mines, is proposed to detect and discriminate antipersonnel (AP) landmines. The time domain GPR - Impulse radar and frequency domain GPR - SFCW (Stepped Frequency Continuous Wave) radar is utilized for metal and non-metal landmine detection and its performance is investigated. Since signal processing is vital for target reorganization and clutter rejection, we implemented the MUSIC (Multiple Signal Classification) algorithm for the signal processing of SFCW radar data and SAR (Synthetic Aperture Radar) processing method for the signal processing of Impulse radar data.

• 한국전자파학회:학술대회논문집
• /
• 한국전자파학회 2003년도 종합학술발표회 논문집 Vol.13 No.1
• /
• pp.193-197
• /
• 2003

Radar target identification can be achieved by using various radar signatures, such as one-dimensional(1-D) range profile, 2-D radar images, and 1-D or 2-D scattering centers on a target. In this letter, five 1-D scattering center extraction methods are discussed - TLS(Total Least Square)-Prony, Fast Root-MUSIC (Multiple Signal Classification), Matrix-Pencil, GEESE(GEneralized Eigenvalues utilizing Signal-subspace Eigenvalues), TLS-ESPRIT(Total Least Squares - Estimation of Signal Parameters via Rotational Invariance Technique), These methods are compared in the context of estimation accuracy as well as a computational efficiency using a noisy data. Finally these methods are applied to the target classification experiment with the measured data in the POSTECH compact range facility.

• 한국군사과학기술학회지
• /
• 제21권2호
• /
• pp.133-140
• /
• 2018

In electronic warfare(EW), low probability of intercept(LPI) radar signal is a survival technique. Accordingly, identification techniques of the LPI radar waveform have became significant recently. In this paper, classification and extracting parameters techniques for 7 intrapulse modulated radar signals are introduced. We propose a technique of classifying intrapulse modulated radar signals using Convolutional Neural Network(CNN). The time-frequency image(TFI) obtained from Choi-William Distribution(CWD) is used as the input of CNN without extracting the extra feature of each intrapulse modulated radar signals. In addition a method to extract the intrapulse radar modulation parameters using binary image processing is introduced. We demonstrate the performance of the proposed intrapulse radar waveform identification system. Simulation results show that the classification system achieves a overall correct classification success rate of 90 % or better at SNR = -6 dB and the parameter extraction system has an overall error of less than 10 % at SNR of less than -4 dB.

• 한국전자파학회논문지
• /
• 제30권2호
• /
• pp.132-140
• /
• 2019

이 논문에서는 수신된 레이다 신호의 특징 파라미터 데이터에 기계학습 방법을 적용하여 위협 형태에 따라 레이다 신호를 분류하는 방법을 제시한다. 현재 군에서는 위협 신호를 파악하기 위해 특징 파라미터값들과 위협 형태의 대응관계를 나타내는 라이브러리를 이용한다. 라이브러리를 이용한 방법은 새로운 위협이나 기존 라이브러리에 존재하지 않는 위협 형태에 대해서 레이다 신호를 분류하기 어렵고 위협 형태를 파악하는데 문제가 있다. 이 논문에서는 라이브러리 없이 특징 파라미터 데이터만을 이용하여 위협 형태에 따라 레이다 신호를 분류하는 방법을 제안하고자 한다. 분류기로는 CNN(convolutional neural network)을 사용하며, 기계학습을 적용하여 훈련시킨다. 제안 방법은 라이브러리를 사용하지 않음으로써 새로운 위협 신호나 기존의 라이브러리에 존재하지 않는 위협 신호도 적응적으로 분류할 수 있다.

• 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.

• 한국전자파학회논문지
• /
• 제19권3호
• /
• pp.294-303
• /
• 2008

ISAR(Inverse Synthetic Aperture Radar) 영상은 표적에 대한 RCS(Radar Cross Section)를 2차원 공간에 표현하며, 표적구분에 이용될 수 있다. 2차원 IFFT(Inverse fast Fourier Transform)를 이용하여 쉽고 빠르게 ISAR 영상을 만들 수 있다. 하지만 IFFT를 이용하여 만든 ISAR 영상은 측정된 주파수 대역 폭과 각도 영역이 작아질 경우 해상도가 떨어지게 된다. 이를 해결하기 위해 AR(Auto Regressive), MUSIC(Multiple SIgnal Classification), Modified MUSIC과 같은 고해상도 스펙트럼 예측 기법을 이용하여 주파수 대역 폭과 각도 영역이 작아도 높은 해상도의 ISAR 영상을 만들 수 있다. 본 논문에서는 IFFT, AR, MUSIC, Modified MUSIC 기법을 적용하여 만든 ISAR 영상을 이용하여 표적 구분에 이용하고, 표적 구분에 적절한 ISAR 영상을 얻기 위한 고해상도 기법을 연구한다. 그리고 표적 구분 결과를 보여준다.

• 한국통신학회논문지
• /
• 제40권6호
• /
• pp.1130-1141
• /
• 2015

기존에 중 대형 선박용 레이더로서 널리 사용되는 펄스 레이더는 주로 원거리에 위치하는 다른 선박이나 장애물을 감지하기 위한 용도로 사용된다. 이러한 펄스 레이더는 높은 출력을 요구하며 장착 및 유지비용이 많이 들기 때문에 소형용 선박에는 장착하지 못하고 있다. 따라서 그 대안으로 제시되는 것이 FMCW(frequency modulated continuous wave) 레이더이다. FMCW 레이더 시스템은 낮은 전력으로도 운용이 가능하며 비교적 가까운 곳에 있는 물체에 대한 거리 분해능이 좋기 때문에 소형 선박용 레이더에 적합하다. 기존에 제안된 소형 선박용 FMCW 레이더 시스템은 단일 수신 안테나를 사용하기 때문에 한 번 수신된 신호를 가지고는 특정 방향에 존재하는 선박의 위치 정보만을 추출할 뿐, 동시에 여러 선박의 위치 정보를 파악하는 것은 힘들다. 따라서 본 논문에서는 위상 배열 안테나를 사용하여 받은 FMCW 레이더 신호에 MUSIC(multiple signal classification) 알고리즘을 적용함으로써, 여러 대의 선박의 위치를 동시에 추정할 수 있는 방법을 제안한다. 또한, 디지털 빔 형성 기법을 기존 MUSIC 알고리즘에 결함함으로써 각도 분해능을 향상시키고자 한다.

• 대한전자공학회논문지TC
• /
• 제41권12호
• /
• pp.1-7
• /
• 2004

본 연구는 24GHz 측방설치 차량감지용 레이다를 개발하였다. 다차선에 존재하는 차량들의 속도 측정 및 차량 분류를 위해 24GHz 송수신 모듈을 개발하였고, 신호처리부에 새로운 신호처리 알고리즘을 적용하였다. 본 논문은 고정된 FMCW (Frequency Modulated Continuous Wave) 레이다 모듈로써, 동작원리 이론과 알고리즘에 대해 측정된 데이터를 나타내었다. 측정된 결과는, 가변 threshold 추출 방법을 이용하여 한 차선의 차량 속도에 대해 95%의 정확성과 두 차선에 대해서는 90%의 정확성을 보였다. 또한, 차량의 분류는 소형, 중형, 대형의 3종 분류로 약 89%의 정확성을 나타내었다.

• 한국통신학회논문지
• /
• 제41권2호
• /
• pp.254-262
• /
• 2016

차량용 레이더 시스템에 대한 수요가 증가함에 따라서, 상호 간섭 문제는 차량 안전을 보장하기 위해 해결해야 할 결정적인 이슈가 되었다. Frequency modulated continuous wave(FMCW) 레이더의 상호 간섭은 잡음 전력 증가의 형태로 나타나며, 이는 간섭체로 인한 타겟 검출의 실패로 이어진다. 기존의 FMCW 레이더의 주파수 추정을 위하여 사용되는 fast Fourier transform (FFT) 기법은 차량용 레이더 간섭 환경에서는 취약하다. 이러한 단점을 극복하기 위하여, 본 연구에서는 간섭환경에서 사용하기 위한 고해상도 주파수 추정 기법을 제안한다. 제안된 알고리즘의 성능을 입증하기 위하여, 77GHz 전방 감시용FMCW 레이더 시스템을 도입하였다. 제안된 기법은 간섭환경에서도 정확하게 주파수를 추정할 수 있는 multiple signal classification, estimation of signal parameters via rotational invariance techniques과 같은 고해상도 알고리즘을 이용한다. 실험결과로부터 제안된 알고리즘이 기존의 FFT 알고리즘에 비해 신호 대 간섭비 측면에서 14 dB 이상의 마진을 가짐을 확인하였다.