[논문]레이더에서의 Markov Chain 분석을 이용한 TWS 방식과 Adaptive Tracking 방식의 추적 형성 거리 비교

안창수; 노지은; 장성훈; 김선주

doi:10.5515/kjkiees.2013.24.5.574

초록
AI-Helper

표적 추적을 위해 탐색 빔의 스캔간 획득 정보 상관 관계를 이용하는 TWS(Track While Scan) 방식과 달리, 위상 배열 레이더에서는 탐색 빔과 별도로 추적 빔을 할당하여 표적을 추적하는 adaptive tracking 방식을 사용할 수 있으며, 이로 인해 추적 형성 거리를 향상시킬 수 있다. 본 논문에서는 정기적인 탐색 빔 사이에 별도의 추적 빔들을 균등 시간 간격으로 할당한 adaptive tracking 방식을 제시하였다. 그리고 제안한 adaptive tracking 방식의 markov chain과 추적 형성 거리를 기존의 TWS 방식과 함께 나타내었다. 모의실험 결과, 동일한 추적 확인 조건하에서 제안한 adaptive tracking 방식이 TWS 방식에 비해 27.6 % 정도의 증가된 추적 형성 거리를 나타낼 수 있음을 보여주었다.

Abstract ▼ AI-Helper

Compared with the TWS(Track While Scan) tracking that uses scan-to-scan correlation at search illuminations for targets track, a phased array radar can use adaptive tracking which assigns additional track illuminations and the track formation range can be improved as a result. In this paper, an adap...

Compared with the TWS(Track While Scan) tracking that uses scan-to-scan correlation at search illuminations for targets track, a phased array radar can use adaptive tracking which assigns additional track illuminations and the track formation range can be improved as a result. In this paper, an adaptive tracking, the search and track illuminations of a target are synchronized such that the extra illuminations are evenly distributed between the search illuminations, is proposed. Markov chain and track formation range for the proposed adaptive tracking are shown with them for the conventional TWS. The simulation result shows that the proposed adaptive tracking has improved track formation range by 27.6 % compared with the conventional TWS tracking under same track confirmation criterion.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 위상 배열 레이더에서의 정기적인 탐색 빔 사이에 별도의 추적 빔들을 균등 시간 간격으로 할당하는 adaptive tracking 방식을 제시하였다. 제시한 방식에 의한 추적 형성 거리의 향상을 입증하기 위하여 기존의 TWS 방식에 대한 Markov chain과 제안한 adaptive tracking 방식의 Markov chain을 나타내었으며, 그 결과를 비교하였다.
본 논문에서는 위상 배열 레이더의 빔 기민성을 이용하여 탐색 빔과 별도로 추적 빔을 할당하여 표적을 추적하는 adaptive tracking 방식을 사용함으로써, 레이더의 추적 형성 거리가 향상될 수 있음을 나타내었다. 이를 위하여 본 논문에서는 정기적인 탐색 빔 사이에 별도의 추적 빔들을 균등 시간 간격으로 할당하는 adaptive tracking 방식을 제시하였고, 기존의 TWS 방식에 대한 Markov chain과 제안한 Adaptive Tracking 방식의 Markov chain을 나타내었으며, 이를 이용한 추적 형성 거리의 결과를 비교하였다.

가설 설정

또한, x(0)=[1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]'이다. 추적 빔의 경우, 탐지된 표적 정보를 바탕으로 탐지에 최적화된 파형을 설정할 수 있기 때문에 탐색 빔에 비해 상대적으로 탐지 확률을 높게 가져갈 수 있으며^[8] , 본 논문에서는 P_a=0.9로 가정하고, P_s는 Ⅱ장의 방법과 동일하게 구할 수 있다. 또한, Ⅱ장에서는 k에 대해 반복적인 계산을 할 때, 시간 간격을 탐색 재방문 시간인 2초로 설정하였으나, 탐색 빔 사이에 3개의 추적 빔을 할당한 것을 고려하여 반복 계산 시간 간격을 0.

제안 방법

그림 5(a)에서는 2초의 탐색 재방문 시간과 1초의 허용 가능한 최대 추적 재방문 시간을 가정한 것이며, 이 경우 추적 빔을 탐색 빔 사이에 균등 시간 간격으로 할당하면서 추적 빔 사이의 탐색 빔을 추적 갱신을 위해 사용할 수 있음을 알 수 있다. 그림 5(b)에서는 2초의 탐색 재방문 시간속에 3개의 추적 빔을 균등 시간 간격으로 할당한 경우를 나타내며, 본 논문에서는 그림 5(b)의 adaptive tracking 방식을 적용하여 기존의 TWS 방식과의 추적 형성 거리를 비교하고자 한다.
여기서 W_i 상태는 대기상태로서, 실제 일어나지는 않는 중간단계의 상황을 의미하며, 다음 실제상황이 일어나는 시간의 지연효과를 나타낼 수 있다^[5] . 다시 말해 최초 스캔 시도인 탐색 빔에서 표적이 탐지되지 않았을 경우와 최초 탐색 빔에서 표적이 탐지된 후, 추적 확인의 첫 번째 과정인 4번의 스캔 시도 중 추가적인 1번의 표적 탐지가 계속하여 이루어지지 않았을 경우의 탐색 빔의 재할당까지의 지연효과를 둠으로써, 다른 나머지 상태 전이와의 시간 간격을 맞출 수 있도록 하는 것이다. 그림 6에서 S0 → A1 → A2 → A3 → S1 또는 S0 → A1 → A5 → A6 → S2 또는 S0 → A1 → A5 → A9 → S3 또는 S0 → A1 → A5 → A9 → S0의 경로를 보면, 각 탐색 빔 사이에 3번의 추적 빔이 할당되고 있음을 알 수 있다.
본 장에서는 제안하고자 하는 위상 배열 레이더에서의 정기적인 탐색 빔 사이에 별도의 추적 빔들을 균등 시간 간격으로 할당하는 adaptive tracking 방식 을 설명하고, 이에 대한 Markov chain을 나타낸 후, 이를 이용한 추적 형성 거리를 도출하고자 한다.
본 논문에서는 위상 배열 레이더의 빔 기민성을 이용하여 탐색 빔과 별도로 추적 빔을 할당하여 표적을 추적하는 adaptive tracking 방식을 사용함으로써, 레이더의 추적 형성 거리가 향상될 수 있음을 나타내었다. 이를 위하여 본 논문에서는 정기적인 탐색 빔 사이에 별도의 추적 빔들을 균등 시간 간격으로 할당하는 adaptive tracking 방식을 제시하였고, 기존의 TWS 방식에 대한 Markov chain과 제안한 Adaptive Tracking 방식의 Markov chain을 나타내었으며, 이를 이용한 추적 형성 거리의 결과를 비교하였다. 제안한 adaptive tracking 방식에서의 추적 형성 거리(R_t,acc,85)는 약 134 km로서 기존 TWS 방식 대비 약 27.
이해를 돕기 위해 레이더의 대표적인 탐지 성능 지표인 50 %의 단일 탐지 확률을 갖는 단일 탐지거리(single scan detection range, R_d,50)와 85 %의 누적 탐지 확률을 갖는 누적 탐지거리(cumulative detection ragne, R_d,acc,85)를 Markov chain을 이용하여 도출하는 과정을 나타내면 다음과 같다. 먼저, 해당 Markov chain을 그림 1과 같이 나타낼 수 있으며, 이에 대한 관계식은 식 (2)와 같다.

데이터처리

본 논문에서는 위상 배열 레이더에서의 정기적인 탐색 빔 사이에 별도의 추적 빔들을 균등 시간 간격으로 할당하는 adaptive tracking 방식을 제시하였다. 제시한 방식에 의한 추적 형성 거리의 향상을 입증하기 위하여 기존의 TWS 방식에 대한 Markov chain과 제안한 adaptive tracking 방식의 Markov chain을 나타내었으며, 그 결과를 비교하였다. 본 논문의 Ⅱ장에서는 기존 TWS 방식의 Markov chain과 이를 이용한 추적 형성 거리의 도출 과정을 설명하였고, Ⅲ장에서는 제안한 adaptive tracking 방식의 Markov chain과 이에 따른 추적 형성 거리의 도출 및 기존 TWS 방식 결과와의 비교를 기술하였으며, 마지막으로 Ⅳ장에서 결론을 맺는다.

성능/효과

그림 6에서 S0 → A1 → A2 → A3 → S1 또는 S0 → A1 → A5 → A6 → S2 또는 S0 → A1 → A5 → A9 → S3 또는 S0 → A1 → A5 → A9 → S0의 경로를 보면, 각 탐색 빔 사이에 3번의 추적 빔이 할당되고 있음을 알 수 있다. 더불어 기존 TWS 방식의 추적 확인 조건대로 처음 4번의 스캔 시도 중에 먼저 2번의 표적 탐지가 이루어진 후, 다음 1/N 과정으로 진입하여 다시 4번의 스캔 시도 중에 1번 탐지가 이루어지면, 해당 표적에 대한 확정 추적을 선언하는 T₀ 상황에 도달하는 것을 알 수 있다.
이를 위하여 본 논문에서는 정기적인 탐색 빔 사이에 별도의 추적 빔들을 균등 시간 간격으로 할당하는 adaptive tracking 방식을 제시하였고, 기존의 TWS 방식에 대한 Markov chain과 제안한 Adaptive Tracking 방식의 Markov chain을 나타내었으며, 이를 이용한 추적 형성 거리의 결과를 비교하였다. 제안한 adaptive tracking 방식에서의 추적 형성 거리(R_t,acc,85)는 약 134 km로서 기존 TWS 방식 대비 약 27.6 % 증가함을 알 수 있었다.
(k)를 구한 것을 의미한다. 추적 형성 거리(R_t,acc,85)는 약 134 km로서 기존 TWS 방식 대비 약 27.6 % 증가함을 알 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	위상 배열 레이더는 표적 추적을 위해 어떤 방식을 이용하는가?	표적 추적을 위해 탐색 빔의 스캔간 획득 정보 상관 관계를 이용하는 TWS(Track While Scan) 방식과 달리, 위상 배열 레이더에서는 탐색 빔과 별도로 추적 빔을 할당하여 표적을 추적하는 adaptive tracking 방식을 사용할 수 있으며, 이로 인해 추적 형성 거리를 향상시킬 수 있다. 본 논문에서는 정기적인 탐색 빔 사이에 별도의 추적 빔들을 균등 시간 간격으로 할당한 adaptive tracking 방식을 제시하였다.
	TWS가 표적추적을 위해 이용하는 정보는 무엇인가?	표적 추적을 위해 탐색 빔의 스캔간 획득 정보 상관 관계를 이용하는 TWS(Track While Scan) 방식과 달리, 위상 배열 레이더에서는 탐색 빔과 별도로 추적 빔을 할당하여 표적을 추적하는 adaptive tracking 방식을 사용할 수 있으며, 이로 인해 추적 형성 거리를 향상시킬 수 있다. 본 논문에서는 정기적인 탐색 빔 사이에 별도의 추적 빔들을 균등 시간 간격으로 할당한 adaptive tracking 방식을 제시하였다.
	추적 빔의 독립적인 운용 가능성이 향상시키는 레이더의 추적 성능은 무엇을 통해 평가될 수 있는가?	특히, 위상 배열 레이더의 빔 기민성에 의한 탐색과 추적 빔의 독립적인 운용 가능성은 레이더의 추적 성능을 크게 향상시킬 수 있게 된다[3],[4] . 일반적으로 이러한 레이더의 성능은 Monte Carlo 형태의 시뮬레이션을 통하여 평가될 수 있으나, 레이더 설계 초기에 요구도 만족 가능성을 확인하는 방법으로서, Markov chain을 이용하기도 한다[5] .

참고문헌 (8)

E. R. Billam, "MESAR-the application of modern technology to phased array radar", IEE Tutorial Meeting on Phased Array Radar, Sep. 1989.
E. R. Billam, "Phased array radar and the detection of low observables", Proc. IEEE International Radar Conf., pp. 491-495, 1990.
W. Holpp, C. Worning, "New electronically scanned array radars for airborne applications", Proc. Asia- Pacific Microwave Conference, 2007.
R. Hendrix, "Aerospace system improvements enabled by modern phased array radar-2008", Proc. IEEE International Radar Conf., pp. 275-280, 2008.
S. S. Blackman, Multiple-Target Tracking with Radar Applications, Artech House, Dec. 1986.
N. Wax, "Signal-to-noise improvement and the statistics of track populations", Journal of Applied Pyhsics, vol. 26, pp. 586-595, May 1955.

상세보기
D. P. Meyer, H. A. Mayer, Radar Target Detection, Academic Press Inc. New York and London, 1973.
S. S. Blackman, R. Popoli, Design and Analysis of Modern Tracking System, Artech House, 1999.

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

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

레이더에서의 Markov Chain 분석을 이용한 TWS 방식과 Adaptive Tracking 방식의 추적 형성 거리 비교
Comparison on Track Formation Range between TWS and Adaptive Tracking Using Markov Chain Analysis in a Radar System 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

데이터처리

성능/효과

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

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

레이더에서의 Markov Chain 분석을 이용한 TWS 방식과 Adaptive Tracking 방식의 추적 형성 거리 비교 Comparison on Track Formation Range between TWS and Adaptive Tracking Using Markov Chain Analysis in a Radar System 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

데이터처리

성능/효과

질의응답

참고문헌 (8)

이 논문을 인용한 문헌

저자의 다른 논문 :

안창수 (16) 노지은 (15) 장성훈 (6) 김선주 (34)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

레이더에서의 Markov Chain 분석을 이용한 TWS 방식과 Adaptive Tracking 방식의 추적 형성 거리 비교
Comparison on Track Formation Range between TWS and Adaptive Tracking Using Markov Chain Analysis in a Radar System 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper