초록 ▼

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

전자전 분야에서의 레이다 신호 분류는 전자전 시스템을 통해 수신된 항공기, 지상 레이다, 미사일 등의 적 위협 레이다 신호의 주파수 또는 펄스반복주기 변조 특성을 분석하여 해당 위협의 종류를 판별하는 문제이다. 최근의 레이다는 대 전자전 능력 향상을 위해 저출력 신호를 사용하여 탐지를 어렵게 하거나 신호 추적을 회피하기 위해 전통적으로 사용되던 방식과 다른 다양한 형태의 변조 방식을 채택하고 있어 기존의 알고리즘으로는 분석하기 어려운 경우가 많다. 또한 실 환경에서 수신되는 신호는 환경 영향에 의한 누락 및 하드웨어의 특성에 따른 ...

전자전 분야에서의 레이다 신호 분류는 전자전 시스템을 통해 수신된 항공기, 지상 레이다, 미사일 등의 적 위협 레이다 신호의 주파수 또는 펄스반복주기 변조 특성을 분석하여 해당 위협의 종류를 판별하는 문제이다. 최근의 레이다는 대 전자전 능력 향상을 위해 저출력 신호를 사용하여 탐지를 어렵게 하거나 신호 추적을 회피하기 위해 전통적으로 사용되던 방식과 다른 다양한 형태의 변조 방식을 채택하고 있어 기존의 알고리즘으로는 분석하기 어려운 경우가 많다. 또한 실 환경에서 수신되는 신호는 환경 영향에 의한 누락 및 하드웨어의 특성에 따른 측정 오차가 발생하는 경우가 빈번하여 이에 강건한 알고리즘의 설계가 요구된다. 최근에 각광받고 있는 방법인 딥 러닝 기법은 심층신경망을 통해 대량의 데이터를 학습시켜 도메인 전문가의 개입 없이도 컴퓨터가 스스로 데이터의 패턴을 인식할 수 있도록 하는 기법으로서 컴퓨터비전, 자연어 처리, 음성인식 등의 분야에 활발히 활용되고 있다. 본 논문에서는 대표적인 딥 러닝 기법으로 분류되는 Convolutional Neural Network, Recurrent Neural Network 기법을 적용하여 레이다 신호의 변조 특성 및 노이즈 발생에 영향 받지 않는 레이다 신호 분류 방법을 제안한다.

주제어