초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

레이더는 전자파를 이용하여 송신한 신호의 반사 수신 파형을 통해 신호의 거리나 형상을 추정한다. 본 논문에서는 ‘표적 인식 및 구분’, ‘표적 방향 탐지(도래각 추정)’, ‘표적 추적 파형 선정’ 에 대한 세 가지 주제를 다루었다. 본 주제들은 레이더를 이용하여 상대방의 전자기 스펙트럼 또는 지향성 에너지 무기를 제어함으로써 공격하거나 방해하는 전자전 분야에서 주요하게 다뤄진다. 각 해당 주제마다 기존 알고리즘의 구현 기법을 기술하였고 새로운 기법을 제안하였으며, 프로그램을 통해 성능 비교 및 분석, 검증을 하였다. 또한 각각의 ...

레이더는 전자파를 이용하여 송신한 신호의 반사 수신 파형을 통해 신호의 거리나 형상을 추정한다. 본 논문에서는 ‘표적 인식 및 구분’, ‘표적 방향 탐지(도래각 추정)’, ‘표적 추적 파형 선정’ 에 대한 세 가지 주제를 다루었다. 본 주제들은 레이더를 이용하여 상대방의 전자기 스펙트럼 또는 지향성 에너지 무기를 제어함으로써 공격하거나 방해하는 전자전 분야에서 주요하게 다뤄진다. 각 해당 주제마다 기존 알고리즘의 구현 기법을 기술하였고 새로운 기법을 제안하였으며, 프로그램을 통해 성능 비교 및 분석, 검증을 하였다. 또한 각각의 알고리즘을 사용하여 얻을 수 있는 이점을 결론으로 정리하였다. 각각의 주제는 다음과 같다.
먼저, 첫 번째 주재인 표적물 인식에 대해서는 표적물의 고유주파수를 추출하는 방법에 대하여 기술하였다. 고유주파수는 표적의 기하학적 모양에 따라 정해지고, 전파 방향에 무관하기 때문에 표적 인식 및 구분에 유용하게 사용될 수 있다. 수신 신호 중 시간영역에서 표적물을 맞고 난 후의 응답인 후기응답을 이용하여 Least square(LS) Prony, Total least square(TLS) Prony 알고리즘으로써 표적의 고유주파수의 추출기법을 보였다. 또한, 주파수영역에서 주파수영역 Prony 알고리즘으로써 표적의 고유주파수의 추출 기법을 보였다. 각 알고리즘들은 시뮬레이션을 통해 성능을 검증하였다. 더 나아가 추출된 표적의 고유주파수를 특성벡터로써 2진 분류기인 Support vector machine(SVM)에 학습시켰고 일대다 검정을 반복함으로써 다수 표적을 구분해내는 표적 구분기를 구현하였다.
다음, 두 번째 주제인 표적의 도래각(direction-of-arrival, DoA) 추정에 대해서는 배열 안테나를 사용하여 표적의 방향을 탐지하는 기법을 기술하였다. 알고리즘으로는 빔 형성 기법 중 전통적 기법(conventional beamforming, CBF)과 Capon 기법(minimum variance distortionless response, MVDR), 벡터공간 기법 중 다수 신호 분류 기법(multiple signal classification, MUSIC)이 사용됐고, 스펙트럼 추정 결과를 제시하였다. 그리고 탐색 없이 다항식의 근을 구함으로써 표적의 방향을 추정하는 Root-MUSIC을 구현하기 위해 공분산 행렬의 고유벡터 중 잡음 부를 이용하여 다항식을 구성하는 방법을 제시하였다. 또한 추정 성능을 향상시키기 위해 주파수 영역에서 최대 신호 빈(bin)만을 사용하여 공분산 행렬을 구현하였다. 또한, Monte-Carlo 시뮬레이션을 통한 평균 자승 오차로써 각 알고리즘 별 추정 성능을 보였다.
마지막으로, 세 번째 주제인 표적물 추적에 대해서는 항공기용 레이더에서 표적을 추적하기에 클리어(clear)한 영역을 도출해내어 예측되는 표적을 효율적으로 추적할 수 있는 방법을 제안하였다. 즉, 예측되는 표적을 정확하게 추적할 수 있는 허용 구역을 모델링하여 허용 구역의 중점과 가장 가깝도록 위치시키는 펄스 반복 주파수(pulse repetition frequency, PRF)를 최적의 추적파형으로 선택하는 최적화(optimization) 기법을 보였다. 나아가, 매 추적 반복마다 새로 PRF를 계산하지 않고, 모델링된 허용 구역에 예측 표적을 위치시킴으로써 실시간 추적파형 선택 시간을 단축시키는 준 최적화(sub-optimization) 기법을 보였다. 또한, 표적 예측 값의 불확실성을 반영하는 추적 방법을 제안하였다. 제안된 기법들은 시뮬레이션을 통해 정확성 및 우수성이 검증되었다.

Abstract ▼ AI-Helper

The radar estimates the distance and shape of the signal through the reflected and received waveform of the signal transmitted using electromagnetic waves. In this paper, 3 themes `Target recognition and classification', `Target direction-of-arrival (DoA) estimation' and `Target tracking waveform se...

The radar estimates the distance and shape of the signal through the reflected and received waveform of the signal transmitted using electromagnetic waves. In this paper, 3 themes `Target recognition and classification', `Target direction-of-arrival (DoA) estimation' and `Target tracking waveform selection' were presented. These themes have been mainly dealt with in the field of electronic warfare attacking or hindering by controlling radar's electromagnetic spectrum or directional energy weapon. The implementation techniques of algorithms corresponding to each topic were described, and performance was compared, analyzed or suggested and verified through a program. Each topic is as follows.

The first topic, some methods about extracting the natural frequency of the target were described for target recognition and classification. The natural frequencies were determined according to the geometrical shape of the target and were not related to the propagation direction, so it could be usefully used for target recognition and classification. Using the late time response in time domain, which is the response of the received signal after the transmitted radio wave passes the target, (LS) Prony, and Total Least Square (TLS) Prony algorithms were used. Also, the extraction method of the natural frequency of the target by using the frequency domain Prony algorithm in the frequency domain was shown. Furthermore, the extracted nuatural frequency of target was learned as the feature vector by the support vector machine (SVM), which is a binary classifier, and the SVM was implemented to discriminate multiple targets by repeating the one-to-multiple test.

Next, for the second topic, some target DoA estimation methods were described. The DoA estimation techniques were implemented by using an array antenna and using some algorithms included beamforming and vector space methods. In this paper, conventional beamforming (CBF) and minimum variance distortionless response (MVDR) were used for the beamforming, and multiple signal classification (MUSIC) was used for the vector space method. The results of spectral estimation were presented, respectively. Also, for implement Root-MUSIC which is search free algorithm, a method of constructing a polynomial using noise part among eigenvectors of a covariance matrix was shown. To improve the DoA estimation performance of signals, a covariance matrix was implemented in frequency domain by using only the bin of peak signals. The covariance matrix was compared covariance matrix implemented in time domain. In addition, the DoA estimation performance of each algorithm was shown by root mean square error (RMSE).

Finally, for the third topic, some methods to track the predicted target efficiently by deriving a clear area in the airborne radar was proposed. In other words, an allowable area was modeled to track the predicted target accurately and an optimization technique was shown to select the pulse repetition frequency (PRF). The optimal tracking waveform among the PRF was selected that placing the predicted target nearest to the midpoint of the allowed area. Furthermore, a sub-optimization technique was shown that shortens the selection time for the real-time tracking waveform by locating the predicted target in the modeled allowed area without calculating the new PRF for each tracking iteration. Also, a tracking method was proposed that reflects the uncertainty of the target prediction value. The proposed techniques have been verified for accuracy and excellence through simulation.