본 논문에서는 1차원 관측 각도 축 상에 투영된 표적의 특성인 고해상도 거리 프로파일(HRRP : High Resolution Range Profile)을 다수의 관측각도에서 획득한 환경에서 표적의 주요 산란점을 2차원 평면상에서 추정하는 알고리즘을 제안한다. 다중 HRRP가 산란점에 대하여 기하학적으로 2차원 공간상에서 직선의 방정식으로 정의되며 산란점의 위치가 직선의 교점과 동일함을 수식적으로 증명하였으며, 거리 ...
본 논문에서는 1차원 관측 각도 축 상에 투영된 표적의 특성인 고해상도 거리 프로파일(HRRP : High Resolution Range Profile)을 다수의 관측각도에서 획득한 환경에서 표적의 주요 산란점을 2차원 평면상에서 추정하는 알고리즘을 제안한다. 다중 HRRP가 산란점에 대하여 기하학적으로 2차원 공간상에서 직선의 방정식으로 정의되며 산란점의 위치가 직선의 교점과 동일함을 수식적으로 증명하였으며, 거리 분해능 및 잡음이 고려되는 HRRP 측정 환경에서 최기본적인 점 표적 모델의 산란점 추정을 위한 알고리즘을 제안하였다. 그리고 점 표적 모델 산란점 추정 알고리즘을 토대로 실제 표적 모델의 산란점 추정을 위한 알고리즘을 제안하였다. 알고리즘의 연산복잡도를 Big-O 표기법으로 근사적으로 유도하였으며 기존에 정의된 SAR 영상 알고리즘의 연산복잡도와 비교하여 제안된 알고리즘이 적은 연산 복잡도를 가짐을 확인하였다. 실제 표적 모델의 산란점 추정 성능을 확인하기 위해 3개의 비행 표적 모델을 물리광학법 기반의 시뮬레이션에 적용하여 각도별 HRRP를 획득하였다. 획득된 다중 HRRP를 제안된 알고리즘에 적용하여 표적의 주요 산란점을 추정하였으며, 기존 SAR 영상과의 비교 검증을 통해 SAR영상의 주요 위치에서 제안된 알고리즘을 통해 얻어진 산란점이 잘 일치하는 것을 확인하였다. 이러한 산란점 분포는 표적의 식별에 주요한 지표가 될 수 있다. 본 논문에서는 제안된 알고리즘을 통해 모델별로 추정된 산란점을 이용하여 표적 식별을 수행하였다. 식별을 위한 Database는 공대공(Air to Air), 지대공(Ground to Air) 관측 환경을 고려하여 각 모델별로 정의된 관측 각도 구간에서 추정된 산란점을 이용하였다. 추정된 산란점 정보를 특징점 추출에 적용하기 위해 추정된 산란점을 영상화 하는 알고리즘을 제안하였다. 그리고 영상화 된 산란점을 식별기에 적용하기 위해 대표적인 특징점 추출 기법인 주성분분석(PCA: Principal Component Analysis)와 선형판별분석(LDA: Linear Discriminant Analysis)에 적용하여 모델별로 군집된 분포를 갖는 특징점을 획득하였으며, 획득된 특징점을 대표적인 식별기인 K-NN(K-Nearest Neighbor), Naive-Bayes, SVM(Support Vector Machine)에 적용하여 식별성능을 확인하였다. 그리고 식별기 시뮬레이션을 통해 RBF(Radial Basis Function) 커널을 사용하는 SVM 식별기가 가장 좋은 성능을 갖는 것을 확인하였다. 또한 본 논문에서는 유전알고리즘을 이용하여 최적 특징점 추출 파라미터와 SVM 식별기의 커널 파라미터를 획득하여 식별성능을 최적화 하였다. 그리고 SAR 영상을 이용한 표적식별 성능과의 비교를 통해 제안된 알고리즘을 이용한 식별 결과가 유사한 성능을 갖는 것을 확인하였다. 식별성능 검증을 위하여 시뮬레이션을 수행한 환경과 유사한 환경을 갖는 측정 시스템을 구성하였으며, 실제 표적 모델을 제작하여 측정을 통해 모델별로 얻어진 HRRP를 제안된 알고리즘에 적용하여 산란점 추정 성능 및 식별성능을 확인하였다.
본 논문에서는 1차원 관측 각도 축 상에 투영된 표적의 특성인 고해상도 거리 프로파일(HRRP : High Resolution Range Profile)을 다수의 관측각도에서 획득한 환경에서 표적의 주요 산란점을 2차원 평면상에서 추정하는 알고리즘을 제안한다. 다중 HRRP가 산란점에 대하여 기하학적으로 2차원 공간상에서 직선의 방정식으로 정의되며 산란점의 위치가 직선의 교점과 동일함을 수식적으로 증명하였으며, 거리 분해능 및 잡음이 고려되는 HRRP 측정 환경에서 최기본적인 점 표적 모델의 산란점 추정을 위한 알고리즘을 제안하였다. 그리고 점 표적 모델 산란점 추정 알고리즘을 토대로 실제 표적 모델의 산란점 추정을 위한 알고리즘을 제안하였다. 알고리즘의 연산복잡도를 Big-O 표기법으로 근사적으로 유도하였으며 기존에 정의된 SAR 영상 알고리즘의 연산복잡도와 비교하여 제안된 알고리즘이 적은 연산 복잡도를 가짐을 확인하였다. 실제 표적 모델의 산란점 추정 성능을 확인하기 위해 3개의 비행 표적 모델을 물리광학법 기반의 시뮬레이션에 적용하여 각도별 HRRP를 획득하였다. 획득된 다중 HRRP를 제안된 알고리즘에 적용하여 표적의 주요 산란점을 추정하였으며, 기존 SAR 영상과의 비교 검증을 통해 SAR영상의 주요 위치에서 제안된 알고리즘을 통해 얻어진 산란점이 잘 일치하는 것을 확인하였다. 이러한 산란점 분포는 표적의 식별에 주요한 지표가 될 수 있다. 본 논문에서는 제안된 알고리즘을 통해 모델별로 추정된 산란점을 이용하여 표적 식별을 수행하였다. 식별을 위한 Database는 공대공(Air to Air), 지대공(Ground to Air) 관측 환경을 고려하여 각 모델별로 정의된 관측 각도 구간에서 추정된 산란점을 이용하였다. 추정된 산란점 정보를 특징점 추출에 적용하기 위해 추정된 산란점을 영상화 하는 알고리즘을 제안하였다. 그리고 영상화 된 산란점을 식별기에 적용하기 위해 대표적인 특징점 추출 기법인 주성분분석(PCA: Principal Component Analysis)와 선형판별분석(LDA: Linear Discriminant Analysis)에 적용하여 모델별로 군집된 분포를 갖는 특징점을 획득하였으며, 획득된 특징점을 대표적인 식별기인 K-NN(K-Nearest Neighbor), Naive-Bayes, SVM(Support Vector Machine)에 적용하여 식별성능을 확인하였다. 그리고 식별기 시뮬레이션을 통해 RBF(Radial Basis Function) 커널을 사용하는 SVM 식별기가 가장 좋은 성능을 갖는 것을 확인하였다. 또한 본 논문에서는 유전알고리즘을 이용하여 최적 특징점 추출 파라미터와 SVM 식별기의 커널 파라미터를 획득하여 식별성능을 최적화 하였다. 그리고 SAR 영상을 이용한 표적식별 성능과의 비교를 통해 제안된 알고리즘을 이용한 식별 결과가 유사한 성능을 갖는 것을 확인하였다. 식별성능 검증을 위하여 시뮬레이션을 수행한 환경과 유사한 환경을 갖는 측정 시스템을 구성하였으며, 실제 표적 모델을 제작하여 측정을 통해 모델별로 얻어진 HRRP를 제안된 알고리즘에 적용하여 산란점 추정 성능 및 식별성능을 확인하였다.
The HRRP(High Resolution Range profile) is target signature projected on the 1D-observation angle axis. This dissertation proposes the algorithm to estimate the dominant scattering centers of the target on the two dimensional plane by using multiple HRRPs acquired from the multiple observation angle...
The HRRP(High Resolution Range profile) is target signature projected on the 1D-observation angle axis. This dissertation proposes the algorithm to estimate the dominant scattering centers of the target on the two dimensional plane by using multiple HRRPs acquired from the multiple observation angles. It is proved that the multiple HRRPs are geometrically defined as line equations and the position of the scattering centers is equal to the intersection points of HRRP lines. And the scattering centers estimation algorithm for the fundamental point target model is proposed in the range resolution and noise considered environment. Based on the algorithm for the point target model, the scattering centers estimation algorithm for the actual target model is proposed. The algorithm’s computational complexity is approximately formulated by the Big-O notation, and it is shown that the proposed algorithm has fewer computational complexity than the conventional SAR imaging algorithm. To verify the scattering center estimation performance for the actual targets, the three airborne target model's multiple HRRPs are obtained by applying the target models to the EM simulation based on the PO(Physical Optics). And the dominant scattering centers of the actual targets are estimated by applying the obtained multiple HRRPs to the proposed algorithm. In order to verify the results of the proposed algorithm, the estimated scattering centers are compared with the SAR image. And it is shown that the estimated scattering centers are correctly located at the dominant regions of the SAR image. This scattering center distribution can be an important indicator for the target classification. In this dissertation, the target classification is performed by using the estimated scattering centers. The observation angle regions are defined by considering the air-to-air and ground-to-air observation environment and the estimated scattering centers of the target models at the regions are used to generate the database for the target classification. To apply the scattering centers information to the feature extraction, the proposed algorithm is conducted to convert the estimated scattering centers to the scattering image. After that, The features with clustered distribution for each model are obtained by applying the scattering image database to the typical feature extraction algorithms, PCA(Principal Component Analysis) and LDA(Linear Discriminant Analysis). And then, the classification performance is verified by applying the features to the typical classifiers, K-NN(K-Nearest Neighbor), Naive-Bayes, SVM(Support Vector Machine). By conducting the classification simulation, It is shown that the SVM classifier with RBF(Radial Basis function) kernel has the best classification performance. In addition, the GA(Genetic Algorithm) is used to improve the classification performance by optimizing the optimal feature extraction parameter and the optimal SVM kernel parameter. As a result, a comparison of the target classification performance using the SAR image with the target classification performance using the proposed algorithm shows that they have similar performance. To verify the classification performance, the measurement system similar to the simulation environment is established. The obtained multiple HRRPs from the radar measurement experiment for the produced actual target is applied to the proposed scattering centers estimation algorithm. And then, the scattering centers estimation results and the classification results is verified by the same way of the simulation.
The HRRP(High Resolution Range profile) is target signature projected on the 1D-observation angle axis. This dissertation proposes the algorithm to estimate the dominant scattering centers of the target on the two dimensional plane by using multiple HRRPs acquired from the multiple observation angles. It is proved that the multiple HRRPs are geometrically defined as line equations and the position of the scattering centers is equal to the intersection points of HRRP lines. And the scattering centers estimation algorithm for the fundamental point target model is proposed in the range resolution and noise considered environment. Based on the algorithm for the point target model, the scattering centers estimation algorithm for the actual target model is proposed. The algorithm’s computational complexity is approximately formulated by the Big-O notation, and it is shown that the proposed algorithm has fewer computational complexity than the conventional SAR imaging algorithm. To verify the scattering center estimation performance for the actual targets, the three airborne target model's multiple HRRPs are obtained by applying the target models to the EM simulation based on the PO(Physical Optics). And the dominant scattering centers of the actual targets are estimated by applying the obtained multiple HRRPs to the proposed algorithm. In order to verify the results of the proposed algorithm, the estimated scattering centers are compared with the SAR image. And it is shown that the estimated scattering centers are correctly located at the dominant regions of the SAR image. This scattering center distribution can be an important indicator for the target classification. In this dissertation, the target classification is performed by using the estimated scattering centers. The observation angle regions are defined by considering the air-to-air and ground-to-air observation environment and the estimated scattering centers of the target models at the regions are used to generate the database for the target classification. To apply the scattering centers information to the feature extraction, the proposed algorithm is conducted to convert the estimated scattering centers to the scattering image. After that, The features with clustered distribution for each model are obtained by applying the scattering image database to the typical feature extraction algorithms, PCA(Principal Component Analysis) and LDA(Linear Discriminant Analysis). And then, the classification performance is verified by applying the features to the typical classifiers, K-NN(K-Nearest Neighbor), Naive-Bayes, SVM(Support Vector Machine). By conducting the classification simulation, It is shown that the SVM classifier with RBF(Radial Basis function) kernel has the best classification performance. In addition, the GA(Genetic Algorithm) is used to improve the classification performance by optimizing the optimal feature extraction parameter and the optimal SVM kernel parameter. As a result, a comparison of the target classification performance using the SAR image with the target classification performance using the proposed algorithm shows that they have similar performance. To verify the classification performance, the measurement system similar to the simulation environment is established. The obtained multiple HRRPs from the radar measurement experiment for the produced actual target is applied to the proposed scattering centers estimation algorithm. And then, the scattering centers estimation results and the classification results is verified by the same way of the simulation.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.