[논문]표적신호 음향산란 특징파라미터를 이용한 패턴인식에 관한 연구

주재훈; 신기철; 김재수

문제 정의

능동소나를 이용하여 표적 분류를 위해서는 다양한 방법으로 얻어진 반향음 실험 데이터를 분석하여 이에 해당하는 특징파라미터를 추출하는 과정이 매우 중요하다. 본 논문에서는 축소표적의 반향음 특성을 잘 반영하고 있는 TSP 정보를 반향음의 스펙트럼으로부터 FFT를 이용하여 효과 적으로 추출하고 분석하였다. 또한 추출한 TSP 특징파라미터를 패턴인식 알고리듬에 적용하여 표적을 분류하였다.
능동소나를 이용하여 표적 분류를 위해서는 다양한 방법으로 얻어진 반향음 실험 데이터를 분석하여 이에 해당하는 특징파라미터를 추출하는 과정이 매우 중요하다. 본 논문에서는 축소표적의 반향음 특성을 잘 반영하고 있는 TSP 정보를 반향음의 스펙트럼으로부터 FFT를 이용하여 효과 적으로 추출하고 분석하였다. 또한 추출한 TSP 특징파라미터를 패턴인식 알고리듬에 적용하여 표적을 분류하였다.

가설 설정

2. Definition of the aspect angle

제안 방법

송신펄스는 Table 1에 설명된 펄스 1과 펄스 2를 사용하였다. 각각의 표적에 대한 반향음은 표적의 자세각을 변화시켜가면서 얻었는데, 표적 1, 2번은 자세각。도에서 90도까지 5도 간격으로, 표적 3, 4번은 0도에서 180도까지 5도 간격으 로 하였다. 자세각에 대한 정의 및 설명은 Fig.
송신펄스는 Table 1에 설명된 펄스 1과 펄스 2를 사용하였다. 각각의 표적에 대한 반향음은 표적의 자세각을 변화시켜가면서 얻었는데, 표적 1, 2번은 자세각。도에서 90도까지 5도 간격으로, 표적 3, 4번은 0도에서 180도까지 5도 간격으 로 하였다. 자세각에 대한 정의 및 설명은 Fig.
본 논문에서는 축소표적 반향음 실험으로 얻은 표적신 호 데이터로부터 TSP의 특징을 분석하였는데, TSP가 표 적의 종류, 자세각에 따라 달라지는 표적신호의 특성을 잘 반영하고 있는 것으로 나타났다. 따라서 이러한 TSP 를 FFT를 이용하여 효과적으로 추출하여 특징파라미터로 정량화 한 다음, 패턴인식 알고리듬에 적용하여 그 결과 를 분석하였다.
본 논문에서는 축소표적 반향음 실험으로 얻은 표적신 호 데이터로부터 TSP의 특징을 분석하였는데, TSP가 표 적의 종류, 자세각에 따라 달라지는 표적신호의 특성을 잘 반영하고 있는 것으로 나타났다. 따라서 이러한 TSP 를 FFT를 이용하여 효과적으로 추출하여 특징파라미터로 정량화 한 다음, 패턴인식 알고리듬에 적용하여 그 결과 를 분석하였다.
본 논문에서는 축소표적의 반향음 특성을 잘 반영하고 있는 TSP 정보를 반향음의 스펙트럼으로부터 FFT를 이용하여 효과 적으로 추출하고 분석하였다. 또한 추출한 TSP 특징파라미터를 패턴인식 알고리듬에 적용하여 표적을 분류하였다.
본 논문에서는 축소표적의 반향음 특성을 잘 반영하고 있는 TSP 정보를 반향음의 스펙트럼으로부터 FFT를 이용하여 효과 적으로 추출하고 분석하였다. 또한 추출한 TSP 특징파라미터를 패턴인식 알고리듬에 적용하여 표적을 분류하였다.
특징추출 단계에서는 각 특징값을 구하여 입력패턴을 특징공간으로 이동시킨다. 본 논문에서는 TSP정보를 추 출하여 특징파라미터로 선택하여 패턴인식에 이용하였다. 다음은 군집화(clustering) 단계에서는 특징공간에 있는 입력패턴들을 몇 개의 군집으로 무리를 지운다.
특징추출 단계에서는 각 특징값을 구하여 입력패턴을 특징공간으로 이동시킨다. 본 논문에서는 TSP정보를 추 출하여 특징파라미터로 선택하여 패턴인식에 이용하였다. 다음은 군집화(clustering) 단계에서는 특징공간에 있는 입력패턴들을 몇 개의 군집으로 무리를 지운다.
앞에서는 두 개의 하이라이트에 대해 TSP를 분석하였다. 세 개 이상의 하이라이트가 나타나는 경우 TSP는 이러한 하이라이트들간의 시간간격의 조합으로 더욱 더 복잡하 게 나타난다.
패턴매칭 (pattern matching) 단계에서는 입력패턴에서 추출한 특징 과 미리 정하여 놓은 표준패턴의 특징의 유사척도 (similarity mea蹈ure)를 비교하여 식별하는 것을 말한다. 이때 사용되는 유사척도에는 여러 가지가 있으나, 여기서 는 유클리드 거리를 사용하여 입력 파라미터와 표준 파 라미터의 유사척도를 비교하였다. 입력 파라미터를 Eit 표준 파라미터를 Et(k), i = 1,2,・, N라 하면 유클리 드 거리는 다음의 식 (14)과 같이 된다[3][4}[5][8].
패턴매칭 (pattern matching) 단계에서는 입력패턴에서 추출한 특징 과 미리 정하여 놓은 표준패턴의 특징의 유사척도 (similarity mea蹈ure)를 비교하여 식별하는 것을 말한다. 이때 사용되는 유사척도에는 여러 가지가 있으나, 여기서 는 유클리드 거리를 사용하여 입력 파라미터와 표준 파 라미터의 유사척도를 비교하였다. 입력 파라미터를 Eit 표준 파라미터를 Et(k), i = 1,2,・, N라 하면 유클리 드 거리는 다음의 식 (14)과 같이 된다[3][4}[5][8].
표적의 패턴인식은 '외부형상이 비슷한 표적'에 대한 표 적 종류 구별 및 자세각 구별, '외부형상이 복잡한 표적'에 대한 자세각 구별로 나누어 수행하였다.
표적의 패턴인식은 '외부형상이 비슷한 표적, 에 대한 표적 종류 구별 및 자세각 구별, '외부형상이 복잡한 표적, 에 대한 자세각 구별로 나누어 수행하였다.

대상 데이터

반향음 실험에 사용된 표적은 외부형태 및 내부구조가 서로 다른 4개의 표적을 사용하였다. Fig.
표적 4는 전체적인 외부형태는 원 통형에 전망탑(conning tower)과 프로펠러 등이 붙어 있 고, 내부에는 보강재와 함수탱크가 있다. 송신펄스는 Table 1에 설명된 펄스 1과 펄스 2를 사용하였다. 각각의 표적에 대한 반향음은 표적의 자세각을 변화시켜가면서 얻었는데, 표적 1, 2번은 자세각。도에서 90도까지 5도 간격으로, 표적 3, 4번은 0도에서 180도까지 5도 간격으 로 하였다.
실제 해양환경에서 여러 가지 복잡한 요인과 실험에 대한 제약성으로 인하여 주로 음향수조에서 음향학적 상 사법칙을 만족하는 축소표적을 이용하여 음향산란 실험 에 의해 표적 반향음을 획득하고 분석하여 실제에 적용 하고 있다. 표적패턴인식에 사용된 반향음 데이터는 3차 례의 축소표적 반향음 실험을 통하여 얻었다.

성능/효과

표적1과 표적2는 외부형상은 같고, 단지 내부구 조에서 보강재의 유무만이 차이가 있다. 따라서, 본 실험의 조건인 기하광학 산란영역에서는 외부형상에 의한 반향음 성분이 표적신호의 주된 성분임을 패턴인식 결과로 통해 유추할 수 있다.
본 논문에서는 축소표적 반향음 실험으로 얻은 표적신 호 데이터로부터 TSP의 특징을 분석하였는데, TSP가 표 적의 종류, 자세각에 따라 달라지는 표적신호의 특성을 잘 반영하고 있는 것으로 나타났다. 따라서 이러한 TSP 를 FFT를 이용하여 효과적으로 추출하여 특징파라미터로 정량화 한 다음, 패턴인식 알고리듬에 적용하여 그 결과 를 분석하였다.
본 논문에서는 축소표적 반향음 실험으로 얻은 표적신 호 데이터로부터 TSP의 특징을 분석하였는데, TSP가 표 적의 종류, 자세각에 따라 달라지는 표적신호의 특성을 잘 반영하고 있는 것으로 나타났다. 따라서 이러한 TSP 를 FFT를 이용하여 효과적으로 추출하여 특징파라미터로 정량화 한 다음, 패턴인식 알고리듬에 적용하여 그 결과 를 분석하였다.
외부형상이 비슷하지만 내부 구조가 다른 표적들에 대한 패턴인식 결과들 가운데 표적종류 인식에서 표적 1번의 인식률이 75%이상으로 나타났고, 표적 2번과 3번은 50% 이상 인식되었다. 하지만 특정 표적을 올바르게 인식하지 못하지만 자세각은 비슷하게 인식되었는데, 이것은 표적 1, 2, 3번의 반향음이 특정 자세각에서 거의 비슷하게 나타나기 때문이다.
외부형상이 비슷하지만 내부 구조가 다른 표적들에 대한 패턴인식 결과들 가운데 표적종류 인식에서 표적 1번의 인식률이 75%이상으로 나타났고, 표적 2번과 3번은 50% 이상 인식되었다. 하지만 특정 표적을 올바르게 인식하지 못하지만 자세각은 비슷하게 인식되었는데, 이것은 표적 1, 2, 3번의 반향음이 특정 자세각에서 거의 비슷하게 나타나기 때문이다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

[국내논문] 표적신호 음향산란 특징파라미터를 이용한 패턴인식에 관한 연구
Pattern Recognition for the Target Signal Using Acoustic Scattering Feature Parameter 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

성능/효과

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 표적신호 음향산란 특징파라미터를 이용한 패턴인식에 관한 연구 Pattern Recognition for the Target Signal Using Acoustic Scattering Feature Parameter 원문보기

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

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

성능/효과

이 논문을 인용한 문헌

저자의 다른 논문 :

주재훈 (4) 신기철 (6) 김재수 (57)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 표적신호 음향산란 특징파라미터를 이용한 패턴인식에 관한 연구
Pattern Recognition for the Target Signal Using Acoustic Scattering Feature Parameter 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper