[논문]능동소나 표적인식을 위한 시뮬레이터

석종원; 김태환; 배건성

doi:10.6109/jkiice.2012.16.10.2137

[국내논문] 능동소나 표적인식을 위한 시뮬레이터
Simulator for Active Sonar Target Recognition 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.16 no.10, 2012년, pp.2137 - 2142

석종원 (창원대학교 정보통신공학과) , 김태환 (경북대학교 전자전기컴퓨터학부) , 배건성 (경북대학교 전자전기컴퓨터학부)

초록
AI-Helper

수중환경 하에서 표적을 탐지하고 식별하는 문제는 군사적인 목적은 물론 비군사적 목적으로도 많은 연구가 수행되어 왔다. 수중환경에서의 수중음향 신호가 시간 공간적으로 특성이 변화하며 천해 다중경로 환경을 반영하는 복잡한 특성을 보이는 점으로 인해 능동 표적인식 기술은 매우 어려운 기술로 여겨져 왔다. 또한 실제 데이터 수집의 어려움이 따르게 된다. 본 논문에서는 수중환경 하에서 능동 표적신호를 합성, 특징추출 및 표적식별을 수행할 수 있는 시뮬레이터를 구현하였다. 표적신호의 합성에는 하이라이트 모델과 3차원 모델을 사용하였으며, 표적신호의 식별을 위해서는 다중각도에 기반한 은닉 마코프모델을 사용하였다.

Abstract ▼ AI-Helper

Many studies in detection and classification of the targets in the underwater environments have been conducted for military purposes, as well as for non-military purpose. Due to the complicated characteristics of underwater acoustic signal reflecting multipath environments and spatio-temporal varying characteristics, active sonar target classification technique has been considered as a difficult technique. And it has a difficult in collecting actual underwater data. In this paper, we implemented the simulator to synthesize the active target signal, to extract feature and to classify the target in the underwater environment. In target signal synthesis, highlight and three-dimensional model are used and multi-aspect based hidden markov model is used for target classification.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 수중환경하에서 능동 표적신호를 합성, 특징추출 및 표적식별을 수행할 수 있는 시뮬레이터를 구현하였다. 수중환경이라는 특성으로 인한 표본 수집이 어려움 때문에 하이라이트 모델과 3차원 모델을 사용하여 표적신호를 합성하였으며, 합성된 표적신호의 분석을 위한 다양한 분석 툴을 제공하도록 하였다.

가설 설정

하이라이트 모델을 이용하여 다중각도 상태 소나 신호 합성 환경을 가정하였다. 수심은 대략 300m로 가정하고 해수면 반사 및 해저면 반사 경로만 고려되어 있다.

제안 방법

수심은 대략 300m로 가정하고 해수면 반사 및 해저면 반사 경로만 고려되어 있다. 각 표적은 4개의 3차원의 서로 다른 구조를 갖는 하이라이트 모델을 이용하여 생성하였다. 각각의 점은 하이라이트 위치를 나타내며 각 표적 하이라이트 모델의 상세한 좌표는 각각의 표에 함께 나타내었다.
그림 7은 3차원 합성모델 중에 잠수함 모델을 대상으로 하여, 10도의 각도 차이를 두고 0도에서 180도까지 수신기 위치를 변화시키면서 수신된 신호들을 보여주고 있다. 각각의 각도에서 수신된 신호는 시간 및 주파수 영역에서의 형상을 볼 수 있도록 구성하였으며, 다양한 분석 툴을 활용하여 신호를 분석할 수 있도록 구성하였다.
구현된 시뮬레이터는 전체 능동소나 인식 과정을 순차적으로 보여주도록 구성하였으며, 개별적으로도 접근이 가능하도록 하였다.
이러한 모델설계 방식은 좌우가 대칭인 표적의 경우 높은 인식 성능을 보이지만 좌우가 대칭이 아닌 일반적인 표적의 경우에는 적절하게 상태 천이가 이루어지지 않기 때문에 인식 성능이 떨어진다. 따라서 상태 천이 모델을 표적 자세각의 0~180도 부분으로 확장함으로써 일반적인 비대칭 표적에 대해서 보다 모델이 견고해 지도록 하였다.
일반적인 상용 캐드(CAD) 프로그램을 이용하여 3차원 표적 모델을 생성하고 유한요소 해석 툴을 이용하여 재질 정보 및 전체 모델을 완성하도록 하였다. 또한 모델 분석 및 사용 시의 편의를 위한 통합 GUI을 제작하였다. 그림 3은 3차원 표적신호합성을 위한 GUI화면의 예를 보여주고 있다.
본 논문에서는 수중환경이라는 특성으로 인하여 관련 연구를 위한 실제 해상 데이터를 이용한 표본 수집이 어렵기 때문에 하이라이트 모델과 3차원 모델을 사용하여 표적신호를 합성하였다. 또한 합성된 표적신호의 분석을 위한 다양한 분석 툴을 제공하도록 하였으며, 표적 신호의 식별을 위해서는 다중각도(Multi-aspect)에 기반한 HMM(Hidden Markov Model)을 사용하여 표적식별 결과를 확인할 수 있도록 하였다.
수중환경이라는 특성으로 인한 표본 수집이 어려움 때문에 하이라이트 모델과 3차원 모델을 사용하여 표적신호를 합성하였으며, 합성된 표적신호의 분석을 위한 다양한 분석 툴을 제공하도록 하였다. 또한, 표적신호의 식별을 위해서는 Multi-aspect에 기반한 HMM을 사용하여 표적식별 결과를 확인할 수 있도록 하였다.
기본적으로 CW 신호와 LFM 신호를 만들어낼 수 있도록 구성하였으며, 추후에 사용자가 임의로 정의한 신호를 만들어낼 수 있는 기능을 추가할 예정이다. 만들어질 CW 신호와 LFM 신호는 샘플링주파수, 펄스 폭, 중심주파수, 대역폭 등을 조절할 수 있도록 구성하였으며, 합성된 소나신호의 분석을 위해 Spectrogram, WignerVille distribution, Wavelet Scalogram 등을 살펴볼 수 있는 기능을 포함하고 있다.
본 논문에서는 수중환경이라는 특성으로 인하여 관련 연구를 위한 실제 해상 데이터를 이용한 표본 수집이 어렵기 때문에 하이라이트 모델과 3차원 모델을 사용하여 표적신호를 합성하였다. 또한 합성된 표적신호의 분석을 위한 다양한 분석 툴을 제공하도록 하였으며, 표적 신호의 식별을 위해서는 다중각도(Multi-aspect)에 기반한 HMM(Hidden Markov Model)을 사용하여 표적식별 결과를 확인할 수 있도록 하였다.
즉, 그림 5와 같이 Multi-aspect 환경에서 수중표적에서 산란된 신호를 수신하는 환경을 설정할 수 있도록 하였다. 산란된 신호를 수신하는 수신기의 각도를 설정하고, 수중표적이 이동함에 따라 활성화되는 센서를 표시하도록 구성하였다.
능동소나 표적신호를 합성하기 위해서 그림 1과 같은 간단한 수중환경을 고려하였다. 소나는 단상태 또는 다중상태 소나 환경 모두를 고려 할 수 있으며 수신 신호는 다중 경로 및 추후 잔향 환경을 고려하도록 하였다.
본 논문에서는 수중환경하에서 능동 표적신호를 합성, 특징추출 및 표적식별을 수행할 수 있는 시뮬레이터를 구현하였다. 수중환경이라는 특성으로 인한 표본 수집이 어려움 때문에 하이라이트 모델과 3차원 모델을 사용하여 표적신호를 합성하였으며, 합성된 표적신호의 분석을 위한 다양한 분석 툴을 제공하도록 하였다. 또한, 표적신호의 식별을 위해서는 Multi-aspect에 기반한 HMM을 사용하여 표적식별 결과를 확인할 수 있도록 하였다.
시간 및 주파수 영역에서 합성된 4 종류의 하이라이트 모델과 3 종류의 3차원 합성모델을 시각적으로 보여주고 분석할 수 있도록 구성하였다. Multi-aspect 환경에서 수중표적에서 산란된 수신된 합성신호를 수신 각도에 따라 다양하게 볼 수 있게 하였다.
Undersea Environment에서는 능동소나 표적인식에서 기본적으로 가정하고 있는 수중에서의 인식 환경을 설정할 수 있도록 하였다. 즉, 그림 5와 같이 Multi-aspect 환경에서 수중표적에서 산란된 신호를 수신하는 환경을 설정할 수 있도록 하였다. 산란된 신호를 수신하는 수신기의 각도를 설정하고, 수중표적이 이동함에 따라 활성화되는 센서를 표시하도록 구성하였다.
최근 HMM 기반의 Multi-aspect 표적 인식 기법이 제안되었는데[7], 본 연구에서는 합성 신호를 이용한 수중 표적 모의인식 실험을 위해 이를 사용하였다. 초기상태를 할당하기 위해서 모든 표적 특징벡터를 이용하여 벡터 양자화를 수행하여 코드북을 생성하고, 그런 다음 정보 이론적 접근 방법의 최적 상태 할당 알고리즘을 수행하였다. 이렇게 생성된 초기 HMM 모델들은 BaumWelch 재추정 알고리즘을 이용하여 모델이 수렴할 때까지 훈련된다.
합성된 4 종류의 하이라이트 모델과 3 종류의 3차원 합성모델을 대상으로 하여 3장에서 기술한 MP기법에 기반한 특징벡터를 추출하고, Multi-aspect HMM 인식기를 적용하여 인식결과를 보여줄 수 있도록 하였다. 그림 8은 하이라이트모델을 대상으로 하여 10개의 관측열을 이용하여 인식한 결과를 Log-Likelihood ratio 값으로 표시한 예를 보여주고 있으며, 그림 9는 백색잡음을 첨가한 다양한 SNR 환경에서 관측열의 수에 따른 표적인식 실험 결과를 보여주고 있다.

대상 데이터

3차원 입체 모델을 이용한 표적 신호를 합성하기 위해서 국방과학연구소에서 제공받은 표적신호 합성 프로그램을 이용하였다. 일반적인 상용 캐드(CAD) 프로그램을 이용하여 3차원 표적 모델을 생성하고 유한요소 해석 툴을 이용하여 재질 정보 및 전체 모델을 완성하도록 하였다.

이론/모형

MP 기법은 주어진 신호로부터 반복적으로 atom 을 추출하고 이를 소거하여 신호를 분해하는 방법으로써 적절한 사전 집합을 선택하면 적은 수의 atom을 이용하여 신호를 근사화 할 수 있게 된다. 본 논문에서는 chirp 신호 기반의 특징 추출 기법을 사용하였다.
표적으로부터 반사된 신호에서 특징인자를 추출하기 위해서는 시간, 주파수, 시간-주파수 영역등과 같은 다양한 영역에서의 분석 방법을 필요로 한다. 본 논문에서는 표적인식을 위한 특징추출로 MP(Matching pursuit) 기법[5]과 정준상관분석(Canonical Correlation Analysis; CCA)기법[6]을 사용하였으며, 인식을 위한 식별기로는 다중각도 환경에서의 HMM인식기를 사용하였다.
송신된 신호는 각 하이라이트에서 전방향으로 반사하므로 인접 하이라이트와의 상관성은 고려하지 않았다. 신호 합성에는 음선 추적기법을 이용하였다. 그림 2는 사용된 4가지 형태의 하이라이트 모델을 보여주고 있다.
최근 HMM 기반의 Multi-aspect 표적 인식 기법이 제안되었는데[7], 본 연구에서는 합성 신호를 이용한 수중 표적 모의인식 실험을 위해 이를 사용하였다. 초기상태를 할당하기 위해서 모든 표적 특징벡터를 이용하여 벡터 양자화를 수행하여 코드북을 생성하고, 그런 다음 정보 이론적 접근 방법의 최적 상태 할당 알고리즘을 수행하였다.

후속연구

Sonar Signal Generation에서는 능동소나 표적신호 인식에 사용되는 소나신호를 만들어 낼 수 있도록 구성하였다. 기본적으로 CW 신호와 LFM 신호를 만들어낼 수 있도록 구성하였으며, 추후에 사용자가 임의로 정의한 신호를 만들어낼 수 있는 기능을 추가할 예정이다. 만들어질 CW 신호와 LFM 신호는 샘플링주파수, 펄스 폭, 중심주파수, 대역폭 등을 조절할 수 있도록 구성하였으며, 합성된 소나신호의 분석을 위해 Spectrogram, WignerVille distribution, Wavelet Scalogram 등을 살펴볼 수 있는 기능을 포함하고 있다.
그림 6은 능동소나 표적인식에 사용되는 3차원 합성표적모델의 예를 보여준다. 수중 표적모델은 향후 계속 추가될 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	수중 하에서 능동 표적인식 기술은 왜 어려운 기술로 여겨지는가?	수중환경 하에서 표적을 탐지하고 식별하는 문제는 군사적인 목적은 물론 비군사적 목적으로도 많은 연구가 수행되어 왔다. 수중환경에서의 수중음향 신호가 시간 공간적으로 특성이 변화하며 천해 다중경로 환경을 반영하는 복잡한 특성을 보이는 점으로 인해 능동 표적인식 기술은 매우 어려운 기술로 여겨져 왔다. 또한 실제 데이터 수집의 어려움이 따르게 된다. 본 논문에서는 수중환경 하에서 능동 표적신호를 합성, 특징추출 및 표적식별을 수행할 수 있는 시뮬레이터를 구현하였다.
	MP 기법은 어떻게 신호를 근사화 하는가?	사전에 포함된 각각의 원소를 기저라고 하면 각각의 기저 가운데 가장 큰 정합도를 갖는 기저를 atom 이라고 한다. MP 기법은 주어진 신호로부터 반복적으로 atom 을 추출하고 이를 소거 하여 신호를 분해하는 방법으로써 적절한 사전 집합을 선택하면 적은 수의 atom을 이용하여 신호를 근사화 할수 있게 된다. 본 논문에서는 chirp 신호 기반의 특징 추출 기법을 사용하였다.
	정준상관분석의 특징 추출은 어떻게 진행되는가?	정준상관분석은 두 변수군이 주어질 때 각 변수군의 선형결합 간의 상관(correlation)에 관심을 둔다. 이 상관을 가장 크게 하는 첫 번째 선형결합 짝을 찾고 다음으로이 선형결합 짝과 상관관계가 없는 모든 짝들 가운데 가장 큰 상관을 가지는 두 번째 선형결합 짝을 찾는다. 이런 과정은 선형결합의 짝의 수가 크기가 가장 작은 변수 군의 변수 수와 일치될 때까지 계속된다. 여기서 선형결합의 짝을 정준변수라 하고 그들의 상관을 정준상관 (canonical correlations)이라 한다.

참고문헌 (7)

A. C. Coon, A. Ross, R. W. Chalmers, and P. C. Gallati, "The Extended Echo Ranging Aural and Visual Support Trainer," Johns Hopkins APL Technical Digest, vol. 18, no. 1, pp. 113-124, 1997.

상세보기
A. C. Coon, "Spatial Correlation of Detections for Impulsive Echo Ranging Sonar," Johns Hopkins APL Technical Digest, vol. 18, no. 1, pp. 105-112, 1997.

상세보기
C. A. Prins, N. Versteeg, P.C. Breen, D.G. Simons, J.D. Wilgenhof, J.J Reijmers, E.L Jansen and A.C. van Koersel, "A submerged remote sensing reconnaissance system," in Proc. of UDT Europe 2008, SECC, Glasgow, UK, June 10-12, 2008
오원천, "수중 탐지 기술 발전 추세," 국방과학기술플러스, 국방과학연구소, vol. 28, 2007.
P. R. Runkle, L. Carin, L. Couchman, T. J. Yoder, and J. A. Bucaro, "Multiaspect Target Identification with Wave-Based Matched Pursuits and Continuous Hidden Markov Models," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 21, no. 12, pp. 1371-1378, Dec. 1999.

상세보기
A. Pezeshki, R. Azimi, and L. Scharf, "Undersea Target Classification Using Canonical Correlation Analysis," IEEE Journal of Oceaning Engineering, Vol. 32, No. 4, 2007
P.R. Runkle, P.K. Bharadwaj, L. Couchman, and L. Carin, "Hidden Markov models for multiaspect target classification," IEEE Trans. on Signal Pro., vol. 47, issue 7, pp. 2035-2040, July 1999.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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