레이더 및 소나와 같은 탐지 시스템에서 잡음 환경은 균질 (homogeneous) 환경과 비균질 (heterogeneous) 환경으로 구분되며 비균질 환경은 간섭 신호 환경 (target masking)과 클러터 경계 환경 (clutter edge)으로 모델링 할 수 있다. VI (variability index) CFAR (constant false alarm rate)는 이러한 다양한 잡음 환경에 강건한 표적신호 탐지 성능의 확보를 위한 방법으로서, mean-level CFAR 알고리즘들 중에서 주어진 잡음 환경에 최적화된 기법을 선택하는 방법이다. 하지만, VI CFAR의 경우 클러터 잡음 경계 환경과 간섭 신호 환경에서 검출 확률이 저하되는 단점을 보인다. 이를 극복하기 위해, 본 논문에서는 TM (trimmed mean) CFAR와 sub-window를 이용하여 비균질 환경에 의한 검출 확률의 저하를 최소화시키는 방법을 제안한다. 모의 전산 실험 결과에 따르면, 제안된 알고리즘은 기존의 VI CFAR 및 단일 CFAR 알고리즘에 비해 간섭 신호 환경과 클러터 경계 환경에서 검출 확률 및 오경보 확률 측면에서 우수한 성능을 보인다.
레이더 및 소나와 같은 탐지 시스템에서 잡음 환경은 균질 (homogeneous) 환경과 비균질 (heterogeneous) 환경으로 구분되며 비균질 환경은 간섭 신호 환경 (target masking)과 클러터 경계 환경 (clutter edge)으로 모델링 할 수 있다. VI (variability index) CFAR (constant false alarm rate)는 이러한 다양한 잡음 환경에 강건한 표적신호 탐지 성능의 확보를 위한 방법으로서, mean-level CFAR 알고리즘들 중에서 주어진 잡음 환경에 최적화된 기법을 선택하는 방법이다. 하지만, VI CFAR의 경우 클러터 잡음 경계 환경과 간섭 신호 환경에서 검출 확률이 저하되는 단점을 보인다. 이를 극복하기 위해, 본 논문에서는 TM (trimmed mean) CFAR와 sub-window를 이용하여 비균질 환경에 의한 검출 확률의 저하를 최소화시키는 방법을 제안한다. 모의 전산 실험 결과에 따르면, 제안된 알고리즘은 기존의 VI CFAR 및 단일 CFAR 알고리즘에 비해 간섭 신호 환경과 클러터 경계 환경에서 검출 확률 및 오경보 확률 측면에서 우수한 성능을 보인다.
In RADAR and SONAR detection systems, noise environment can be classified into homogeneous and heterogeneous environment. Especially heterogeneous environments are modelled as target masking and clutter edge. Since the variability-index (VI) CFAR, a composed CFAR algorithm, dynamically selects one o...
In RADAR and SONAR detection systems, noise environment can be classified into homogeneous and heterogeneous environment. Especially heterogeneous environments are modelled as target masking and clutter edge. Since the variability-index (VI) CFAR, a composed CFAR algorithm, dynamically selects one of the mean-level algorithms based on the VI and the MR (mean ratio) test, it is robust to various environments. However, the VI CFAR still suffers from lowered detection probabilities in heterogeneous environments. To overcome these problems, we propose an improved VI CFAR processor where TM (trimmed mean) CFAR and a sub-windowing technique are introduced to minimize the degradation of the detection probabilities appeared in heterogeneous environments. Computer simulation results show that the proposed method has the better performance in terms of detection probability and false alarm probability compared to the VI CFAR and single CFAR algorithms.
In RADAR and SONAR detection systems, noise environment can be classified into homogeneous and heterogeneous environment. Especially heterogeneous environments are modelled as target masking and clutter edge. Since the variability-index (VI) CFAR, a composed CFAR algorithm, dynamically selects one of the mean-level algorithms based on the VI and the MR (mean ratio) test, it is robust to various environments. However, the VI CFAR still suffers from lowered detection probabilities in heterogeneous environments. To overcome these problems, we propose an improved VI CFAR processor where TM (trimmed mean) CFAR and a sub-windowing technique are introduced to minimize the degradation of the detection probabilities appeared in heterogeneous environments. Computer simulation results show that the proposed method has the better performance in terms of detection probability and false alarm probability compared to the VI CFAR and single CFAR algorithms.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 다양한 비균질 잡음환경에 대처하기 위해 TM CFAR와 sub-window를 사용하여 VI CFAR에서 발생할 수 있는 두 가지 문제를 해결함으로써 향상된 성능을 보이는 VI CFAR를 제안하였다.
본 논문에서는 위의 두 가지 문제를 해결하기 위해 TM (trimmed mean) CFAR와 sub-window를 이용한 향상된 VI CFAR 알고리즘을 제안한다. TM CFAR는 OS계열 CFAR 알고리즘 중의 하나로서 간섭 신호의 제거에 효과적이다.
가설 설정
설계된 고정 오경보 확률은 10-4이며 간섭 신호와 표적 신호의 크기는 같다고 가정하였고 세 가지 잡음 환경에 대한 모의 전산 실험 결과를 나타내었다.
CFAR 검출기의 우수한 성능을 위해서는 수신 신호에 대한 가정을 실제 신호와 유사하게 하여 이를 바탕으로 문턱 값 결정에 필요한 파라미터를 설정하여야 한다. 수신되는 잡음 신호가 복소 가우시안 분포를 가지며 정합 필터, 포락선 검출기, 자승 검출기의 순으로 처리된다고 하면 CFAR 윈도우에 입력되는 신호는 그림 1에서 보는 바와 같이 지수 분포의 형태를 가진다고 가정된다. 따라서, 수신 신호의 모델은 다음과 같이 표현할 수 있다.
제안 방법
CA CFAR를 이용하여 잡음의 파워를 추정하는 경우, 간섭 신호로 인해 추정되는 값이 실제 잡음의 파워에 비해 큰 값을 가질 것이고 그에 따라 문턱 값이 높게 설정되어 검출 확률이 낮아지고 오경보 확률 또한 설계된 값 아래로 낮아지게 된다. 이러한 경우에 적합하도록 제안된 CFAR 검출기로는 SO (smallest-of) CFAR, OS (ordered statistcs) CFAR, excision CFAR 등이 있으며 잡음 파워의 추정 시에 큰 값을 가지는 셀의 신호를 배제시킴으로써 균질한 잡음 신호만을 이용한다.
제안하는 CFAR 알고리즘에서는 간섭 신호가 테스트 셀 양 쪽에 모두 존재할 시에 SO CFAR를 대신하여 TM (Trimmed Mean) CFAR를 사용하여 간섭 신호를 제거한다. TM CFAR는 윈도우 내에 포함된 셀 중에서 가장 큰 값을 가지는 k1개와 가장 작은 값을 가지는 k2개를 제거한 후 나머지 셀에 대해서 CA CFAR를 적용하게 된다.
데이터처리
단일 알고리즘인 OS CFAR와 CA CFAR의 경우는 오경보 확률이 상승하므로 클러터 경계가 존재하는 경우는 성능이 좋지 않은 것을 확인할 수 있다. 그림 13과 그림 14를 통해 클러터의 개수에 따라 선택되는 윈도우의 확률을 VI CFAR와 비교하였다. 클러터 경계가 sub-window에 나타나기 이전(L=12)에도 VI CFAR가 잡음의 파워 값이 큰 쪽인 leading 윈도우를 사용하여 잡음을 추정하는 것과 달리 제안된 방법 에서는 lagging 윈도우가 테스트 셀과 통계적 특성이 유사하다고 판단하여 잡음 추정에 사용되는 것을 알 수 있다.
제안된 알고리즘의 성능을 검증하기 위해 모의 전산 실험을 통하여 CA, OS, VI CFAR와의 검출 확률 및 오경보 확률을 비교하였다. 식 (8), (11)에 나타낸 바와 같이 균질한 상태의 잡음을 간섭신호가 존재한다고 오판할 확률과 클러터의 경계가 존재한다고 오판할 확률인 α0, β0를 각각 5% 이하로 하기 위해 KVI = 4.
성능/효과
클러터 경계가 sub-window에 나타나기 이전(L=12)에도 VI CFAR가 잡음의 파워 값이 큰 쪽인 leading 윈도우를 사용하여 잡음을 추정하는 것과 달리 제안된 방법 에서는 lagging 윈도우가 테스트 셀과 통계적 특성이 유사하다고 판단하여 잡음 추정에 사용되는 것을 알 수 있다.
테스트 셀의 양 쪽에 각각 하나의 간섭 신호가 존재할 경우, SNR에 대한 검출 확률 및 오경보 확률을 그림 9와 그림 10에 나타내었다. VI CFAR에서 검출 확률 및 오경보 확률이 모두 낮아지는 현상이 발생하는 반면 제안된 방법에서는 검출 확률 및 오경보 확률이 낮아지는 폭이 매우 작은 것을 확인할 수 있으며 간섭 신호 환경에서 강인하도록 설계된 OS CFAR가 가장 좋은 성능을 보이는 것을 알 수 있다.
테스트 셀이 클러터를 포함하고 있는 경우에는 VI CFAR와 검출 확률 및 오경보 확률이 동일하지만 테스트 셀이 클러터를 포함하고 있지 않은 경우에는 제안하는 방법이 오경보 확률을 더욱 잘 유지시키며 높음 검출 확률을 보이는 것을 확인할 수 있다. 단일 알고리즘인 OS CFAR와 CA CFAR의 경우는 오경보 확률이 상승하므로 클러터 경계가 존재하는 경우는 성능이 좋지 않은 것을 확인할 수 있다. 그림 13과 그림 14를 통해 클러터의 개수에 따라 선택되는 윈도우의 확률을 VI CFAR와 비교하였다.
첫째, 간섭 신호가 테스트 셀의 양쪽에 모두 존재할 경우, 표적의 검출 확률이 급격히 떨어진다. 둘째, 클러터 경계가 존재하고 테스트 셀이 클러터를 포함하고 있지 않은 경우에도 GO CFAR를 이용하므로 문턱 값을 높게 형성하게 되며 이로 인해 검출 확률이 떨어지는 단점이 있다.
그림 8에서 보는 바와 같이 모든 알고리즘이 1 dB 이하의 낮은 CFAR loss를 보인다. 따라서, 모든 알고리즘들이 균질한 잡음 환경에서 최적에 가까운 성능을 보이는 것을 알 수 있다.
본 논문에서는 다양한 비균질 잡음환경에 대처하기 위해 TM CFAR와 sub-window를 사용하여 VI CFAR에서 발생할 수 있는 두 가지 문제를 해결함으로써 향상된 성능을 보이는 VI CFAR를 제안하였다. 제안된 방법은 검출 확률 및 오경보 확률 측면에서 VI CFAR에 비해 좋은 성능을 보이며 OS CFAR, CA CFAR등의 단일 CFAR 검출기에 비하여 비균질 환경에 잘 대처할 수 있었다. 따라서, 본 논문에서 제안하는 향상된 VI CFAR 알고리즘은 소나 시스템과 같은 복잡한 잡음 환경에서 목표물의 탐지 성능을 향상시키기 위한 효과적인 방법을 제공할 수 있을 것으로 기대된다.
하지만 변동 지수 CFAR의 경우 다음과 같은 두 가지 경우에 최적의 성능을 보이는 데 어려움이 있다. 첫째, 간섭 신호가 테스트 셀의 양쪽에 모두 존재할 경우, 표적의 검출 확률이 급격히 떨어진다. 둘째, 클러터 경계가 존재하고 테스트 셀이 클러터를 포함하고 있지 않은 경우에도 GO CFAR를 이용하므로 문턱 값을 높게 형성하게 되며 이로 인해 검출 확률이 떨어지는 단점이 있다.
신호 대 잡음비 (SNR)와 클러터 대 잡음비 (CNR)가 각각 10 dB일 때, 클러터 경계의 위치에 따른 검출 확률 및 오경보 확률 그리고 선택되는 윈도우에 따른 확률을 그림 11과 그림 12에 나타내었다. 테스트 셀이 클러터를 포함하고 있는 경우에는 VI CFAR와 검출 확률 및 오경보 확률이 동일하지만 테스트 셀이 클러터를 포함하고 있지 않은 경우에는 제안하는 방법이 오경보 확률을 더욱 잘 유지시키며 높음 검출 확률을 보이는 것을 확인할 수 있다. 단일 알고리즘인 OS CFAR와 CA CFAR의 경우는 오경보 확률이 상승하므로 클러터 경계가 존재하는 경우는 성능이 좋지 않은 것을 확인할 수 있다.
후속연구
제안된 방법은 검출 확률 및 오경보 확률 측면에서 VI CFAR에 비해 좋은 성능을 보이며 OS CFAR, CA CFAR등의 단일 CFAR 검출기에 비하여 비균질 환경에 잘 대처할 수 있었다. 따라서, 본 논문에서 제안하는 향상된 VI CFAR 알고리즘은 소나 시스템과 같은 복잡한 잡음 환경에서 목표물의 탐지 성능을 향상시키기 위한 효과적인 방법을 제공할 수 있을 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
변동 지수 CFAR가 최적의 성능을 보이는 데 어려움이 있는 경우는?
하지만 변동 지수 CFAR의 경우 다음과 같은 두 가지 경우에 최적의 성능을 보이는 데 어려움이 있다. 첫째, 간섭 신호가 테스트 셀의 양쪽에 모두 존재할 경우, 표적의 검출 확률이 급격히 떨어진다. 둘째, 클러터 경계가 존재하고 테스트 셀이 클러터를 포함하고 있지 않은 경우에도 GO CFAR를 이용하므로 문턱 값을 높게 형성하게 되며 이로 인해 검출 확률이 떨어지는 단점이 있다.
레이더 및 소나와 같은 탐지 시스템에서 잡음 환경에서 구분되는 두 가지 환경은?
레이더 및 소나와 같은 탐지 시스템에서 잡음 환경은 균질 (homogeneous) 환경과 비균질 (heterogeneous) 환경으로 구분되며 비균질 환경은 간섭 신호 환경 (target masking)과 클러터 경계 환경 (clutter edge)으로 모델링 할 수 있다. VI (variability index) CFAR (constant false alarm rate)는 이러한 다양한 잡음 환경에 강건한 표적신호 탐지 성능의 확보를 위한 방법으로서, mean-level CFAR 알고리즘들 중에서 주어진 잡음 환경에 최적화된 기법을 선택하는 방법이다.
CFAR 검출기가 기반을 두고 있는 이론은?
레이더 (RADAR)나 소나 (SONAR)와 같은 탐지시스템 (detection system)에서는 배경 잡음, 간섭 신호, 클러터 (clutter), 잔향음 (reverberation) 등이 포함된 신호로부터 표적 신호를 탐지하기 위해 CFAR 검출기 (constant false alarm rate detector)가 사용되고 있다. CFAR 검출기는 Neyman-Pearson 검출 이론에 기반을 두고 있으며[1], 테스트 셀 (test cell)의 주변 셀들로부터 잡음의 평균 파워를 추정하여 그 값을 통해 얻어지는 문턱 값 (threshold)과 테스트 셀을 비교하여 표적 신호의 유무를 판단한다. 문턱 값은 테스트 셀의 오경보 확률 (false alarm probability)을 일정하게 유지시키도록 주변 잡음의 상태에 따라 적응적으로 결정되는데, 잡음의 파워를 추정하는 데 사용되는 알고리즘의 종류에 따라 검출기의 성능이 달라진다.
참고문헌 (11)
Alberto Leon-Garcia, "Probability statistics and random processes for electrical engineering third edition," Pearson, pp.453-466, 2008.
P.P.Gandhi, "Analysis of CFAR processors in nonhomogeneous background," IEEE Trans. on Aerospace and Electronic Systems, Vol.24, No.4, pp.427-445, July1988.
Rohling, H., "Radar CFAR thresholding in clutter and multiple target situations," IEEE Trans. on Aerospace and Electronic Systems, Vol 19, No. 4, pp.608-621, July 1983.
T.-T.V.Cao, "Constant false alarm rate algorithm based on test cell information," IET Radar Sonar Navig, Vol.2, No.3, pp.200-213, June 2008.
El Mashade, M.B., "Detection performance of the trimmed-mean CFAR processor with noncoherent integration," Radar, Sonar, and Navigation, IEE proceedings, Vol. 142, No.1, pp.18-24, Feb 1995.
Ritcey, J.A, "Performance analysis of the censored mean-level detector," IEEE Trans. on Aerospace and Electronic Systems, Vol. 22, No. 4, pp.443-454, July 1986.
Finn, H.M, "A CFAR design for a window spanning two clutter fields," IEEE Trans. on Aerospace and Electronic Systems, Vol 22, No. 2, pp.155-169, Mar 1986.
홍성원, 한동석, "다중 수중 표적 환경에 강인한 OSR CFAR 알고리듬," 전자공학회논문지, 제 48권 TC편, 제4호, 47-52쪽, 2011년 4월
R.Srinivasan, "Robust radar detection using ensemble CFAR processing," Radar, Sonar and Navigation, IEE proceedings, Vol 147, No. 6, pp.291-297, Dec 2000.
M..E.Smith, P.K.Varshney, "Intelligent CFAR processor based on data variability," IEEE Trans. on Aerospace and Electronic Systems, Vol.36, No.3, pp.837-847, July 2000.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.