[논문]퍼지 알고리즘을 이용한 전자정보의 펄스 내 변조 인식

김영민

doi:10.6109/jkiice.2013.17.9.1986

퍼지 알고리즘을 이용한 전자정보의 펄스 내 변조 인식
ELINT Intra-pulse Modulation Recognition using Fuzzy Algorithm 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.17 no.9, 2013년, pp.1986 - 1995

김영민 (Agency for Defense Development)

초록
AI-Helper

수집된 전자 정보 신호를 분석하여 활동 중인 레이더를 식별하는 ELINT 시스템은 현대 전자전에서 매우 중요한 역할을 담당한다. 수집된 신호로부터 추출할 수 있는 여러 레이더 운용 변수 중 펄스 내 변조 방식은 점점 고도화되는 레이더의 식별에 필수적인 정보이다. 본 논문은 퍼지 알고리즘을 이용하여 수집 신호에 적용된 펄스 내 변조 방식을 인식하는 기법을 제안한다. 제안하는 기법은 신호를 특징짓기 위한 퍼지 멤버십 함수와 이를 이용하여 적용된 변조방식을 추론하기 위한 퍼지 추론 규칙을 정의한다. 실험 결과는 제안된 기법이 SNR 10dB 이상의 수집 환경 하에서 95% 이상의 변조 방식 인식률을 보장함을 보인다.

Abstract ▼ AI-Helper

The ELINT system which derives intelligence from electromagnetic radiations plays an important role in modern electric warfares. Among radar characteristics inferred from the signals, intra-pulse modulation scheme is a useful feature to identify modern radars. This paper proposes the method to classify intra-pulse modulation schemes such as UM, PSK, BFSK, QFSK, LFM and NLFM based on the fuzzy algorithm. The proposed method defines fuzzy membership functions to characterize input signals, and then it calculates accordance rates for each modulation scheme with fuzzy inference rules. The experimental results show that the probability of correct recognition is more than 95% for SNR > 10dB.

주제어

AI 본문요약
AI-Helper

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

문제 정의

모의 신호는 순시 주파수, 신호 포락선, 상성도, 주파수 스펙트럼 등의 분석을 위한 데이터로 변환되며 여기에 다양한 통계적 방법을 적용함으로써 변조 기법을 식별할 수 있는 특징 인자 선정이 가능하다. 본 논문에서는 다양한 데이터 분석 결과 중 주파수 분포 그룹의 수, 순시 주파수의 표준 편차, 순시 주파수 절댓값의 표준 편차, 순시 주파수 변화의 선형성을 분별력이 있는 특징 인자로 선정하여 소개한다. 표 1은 특징 인자 선정을 위한 모의 신호 생성에 이용된 신호 제원의 범위를 나타낸다.
본 절에서는 본 논문에서 다루는 펄스 내 변조 방식에 대해 기술한다.

제안 방법

그러나 FM 계열의 신호가 한 펄스 안에서 주파수의 증감이 고차 다항식으로 일어날 경우 주파수 분포가 2개로 그룹화된 것처럼 보일 수 있다. 본 논문에서는 BFSK 신호와 FM 계열의 신호를 구분하기 위해 평균값으로 정규화된 순시주파수의 절댓값을 구한 후 이의 표준 편차를 이용한다. BFSK의 경우 정규화된 주파수 값 0Hz에 대칭적으로 각각의 주파수 그룹이 분포해 있다.
그룹의 수는 주파수 스펙트럼에서 임계치를 넘는 꼭짓점의 수를 검출함으로써 계산이 가능하다. 본 논문에서는 주파수의 평균값을 임계치로 이용하는 방법을 적용하였다.
본 논문에서는 퍼지 알고리즘을 사용하여 UM, BFSK, QFSK, PSK, LFM, NLFM 펄스 내 변조 기법이 적용된 레이더 신호를 분류하였다. 실험결과는 제안된 기법이 다양한 변조 기법 변수의 조합에도 강인함을 보여준다.
본 논문은 퍼지 알고리즘을 이용하여 무변조 (UM: Un-modulated) 신호 및 위상천이변조 (PSK: Phase Shift Keying), 2진 주파수천이변조 (BFSK: Binary Frequency Shift Keying), 4진 주파수천이변조 (QFSK: Quadrature Frequency Shift Keying), 선형주파수변조 (LFM: Linear Frequency Modulation), 비선형주파수변조 (NLFM: Non-Linear Frequency Modulation) 기법이 적용된 신호를 식별하는 기법을 제안한다. 식별에 이용되는 특징 인자의 선정은 다양한 변수를 갖는 모의 신호의 생성 및 분석을 통해 이루어졌으며 각 특징인자에 대한 입력 신호 측정값의 크고 작음을 확률적으로 평가하기 위한 퍼지 멤버십 함수가 정의되었다.
분별력 있는 특징 인자의 선정은 변조 기법 식별 알고리즘의 성능을 좌우한다. 올바른 특징 인자의 선정을 위해 본 논문에서는 실제 수집된 레이더 신호의 특성을 바탕으로 MATLAB 시뮬레이션 코드를 통해 모의 신호를 생성하였다. 모의 신호 생성 시 실제 신호 수집 환경을 고려하여 10dB의 백색잡음 필터를 적용하였으며, 5ns에서 200ns 사이의 펄스폭을 갖는 총 8840개의 모의 신호가 특징 인자 선정에 사용되었다.
각 변조 기법 식별에 사용되는 퍼지 추론 규칙은 해당 변조 기법을 분별력 있게 구분 가능한 특징 인자 멤버십 함수의 결합으로 정의되었다. 퍼지 추론 규칙을 통해 각 변조 기법에 대한 진릿값을계산할 수 있으며 본 기법에서는 입력 신호에 대해 가장 큰 진릿값을 갖는 변조 기법을 해당 신호에 적용된 변조 기법으로 추정하였다.
그림 6은 각 변조기법에서 관찰할 수 있는 순시 주파수의 표준편차를 나타낸다. 표준편차를 계산하기 전 노이즈의 영향을 최소화하기 위해 중간값 필터를 적용하였다. 그림에서 확인할 수 있듯이 순시 주파수의 표준편차는 주파수 성분이 반송 주파수에 몰려있는 UM, PSK 신호와 주파수 성분의 변화 범위가 넓은 FSK 및 FM 계열의 신호를 구분하는 인자로 사용이 가능하다.

대상 데이터

올바른 특징 인자의 선정을 위해 본 논문에서는 실제 수집된 레이더 신호의 특성을 바탕으로 MATLAB 시뮬레이션 코드를 통해 모의 신호를 생성하였다. 모의 신호 생성 시 실제 신호 수집 환경을 고려하여 10dB의 백색잡음 필터를 적용하였으며, 5ns에서 200ns 사이의 펄스폭을 갖는 총 8840개의 모의 신호가 특징 인자 선정에 사용되었다. 모의 신호는 순시 주파수, 신호 포락선, 상성도, 주파수 스펙트럼 등의 분석을 위한 데이터로 변환되며 여기에 다양한 통계적 방법을 적용함으로써 변조 기법을 식별할 수 있는 특징 인자 선정이 가능하다.
제안된 기법의 성능을 확인하기 위하여 알고리즘을 MATLAB을 이용하여 구현한 후 시뮬레이션을 수행 하였다. 제안된 알고리즘의 입력 신호로 사용되는 모의 신호의 제원은 표1을 따르며 특징 인자 선정 시와 달리 신호 대 잡음비(SNR)가 0dB에서 20dB까지 변화 하는 AWGN 환경을 가정하여 44200개의 신호를 생성 하였다.

이론/모형

본 논문에서 제안하는 기법은 Mamdani가 제안한 직접 추론 방법을 사용하였다 [9]. 2.
LFM 신호와 NLFM 신호를 구분하기 위해서는 순시주파수 변화의 선형성을 평가해야 한다. 본 논문에서는 선형성을 평가하는 방법으로 [8]에서 제안된 주파수 분포에 대한 지니계수를 사용하였다. LFM 신호의 경우주파수 구간 별 분포가 비슷하여 지니계수가 작은 값을 보이는 반면 NLFM 신호의 경우 주파수 분포의 불균형으로 인해 큰 지니계수 값을 보인다.
제안된 기법의 성능을 확인하기 위하여 알고리즘을 MATLAB을 이용하여 구현한 후 시뮬레이션을 수행 하였다. 제안된 알고리즘의 입력 신호로 사용되는 모의 신호의 제원은 표1을 따르며 특징 인자 선정 시와 달리 신호 대 잡음비(SNR)가 0dB에서 20dB까지 변화 하는 AWGN 환경을 가정하여 44200개의 신호를 생성 하였다.

성능/효과

결과의 도식화를 위해 신뢰도가 90% 이상인 경우를 ‘확실’, 50% 이상인 경우를‘유력’, 50% 미만인 경우 ‘불확실’로 정의하였으며, 경 곗값은 알고리즘 운용자의 판단에 따라 가변적으로 설정이 가능하다.
그림 14는 SNR의 변화에 따른 변조 인식률을 나타낸다. 그림에서 알 수 있듯이 제안된 기법은 SNR이 10dB이상인 신호 수집 환경에서 모든 펄스 내 변조 기법에 대해 95% 이상의 변조 인식률을 보인다. 단, SNR 에 따른 변조 기법 별 인식율의 변화 경향에는 차이가 있다.
본 논문에서는 퍼지 알고리즘을 사용하여 UM, BFSK, QFSK, PSK, LFM, NLFM 펄스 내 변조 기법이 적용된 레이더 신호를 분류하였다. 실험결과는 제안된 기법이 다양한 변조 기법 변수의 조합에도 강인함을 보여준다. 향후 SNR 10dB 미만에서도 높은 인식률을 보이는 기법을 고안하는 것을 목표로 하고 있으며 특히 SNR의 변화에 강인한 특징인자를 발굴하고 이에 대한 멤버쉽 함수를 정의할 예정이다.
표 4는 SNR이 10dB인 수집 환경에서의 상세한 변조 기법 인식률을 나타낸다. 전체적으로 FM 계열의 신호를 제외하면 100%의 변조 기법 인식률을 보이는 것을 확인할 수 있다. FM계열의 신호에서 변조 기법이 잘못 식별된 경우는 그림 11에서 지니계수의 분포가 LFM과 NLFM 사이에 중첩되는 부분에 해당한다.
수집된 신호의 순시 주파수 표준편차의 크고 작음을 평가하기 위한 퍼지 멤버십 함수는 그림 8과 같으며 그림 6과 그림 7에서 확인할 수 있는 변조 기법별 순시 주파수 표준편차의 경곗값을 이용하여 정의되었다. 제시된 멤버십 함수를 통해 순시 주파수 표준 편차의 크고 작음을 확률적으로 평가할 수 있다.

후속연구

실험결과는 제안된 기법이 다양한 변조 기법 변수의 조합에도 강인함을 보여준다. 향후 SNR 10dB 미만에서도 높은 인식률을 보이는 기법을 고안하는 것을 목표로 하고 있으며 특히 SNR의 변화에 강인한 특징인자를 발굴하고 이에 대한 멤버쉽 함수를 정의할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	PSK 신호가 UM 신호보다는 넓은 주파수 대역폭을 갖는 것을 확인할 수 있는 이유는?	위상에 대한 변조만 수행했기 때문에 주파수가 반송주파수 fc를 중심으로 분포하는 것을 확인할 수 있다. 그러나 위상의 천이에 따라 주파수 성분이 변하기 때문에 UM 신호보다는 넓은 주파수 대역폭을 갖는 것을 확인할 수 있다.
	절댓값을 취할 경우 두 그룹이 겹치게 되어 주파수의 표준편차는 극히 적어진다고 본 이유는?	본 논문에서는 BFSK 신호와 FM 계열의 신호를 구분하기 위해 평균값으로 정규화된 순시주파수의 절댓값을 구한 후 이의 표준 편차를 이용한다. BFSK의 경우 정규화된 주파수 값 0Hz에 대칭적으로 각각의 주파수 그룹이 분포해 있다. 따라서 절댓값을 취할 경우 두 그룹이 겹치게 되어 주파수의 표준편차는 극히 적어진다.
	초기 ELINT 시스템는 무엇을 통해 레이더를 식별하였는가?	초기 ELINT 시스템은 수집된 전자 신호로부터 추출한 주파수, 펄스폭, 펄스반복주기, 위치 등의 기본적인 운용 변수들을 통해 레이더를 식별하였으나 신호의 피탐 율을 감소시키기 위한 펄스 압축 및 변조 등의 기법들이 레이더에 적용됨에 따라 기존 식별 변수만으로는 레이더 식별 과정에서 모호성이 발생하기 쉽다. 반면디지털 수신기 및 고감도의 신호 수신 안테나를 사용하는 ELINT 시스템의 개발은 신호 포락선의 형태 및 펄스 내부에 적용된 변조 기법 분석을 가능하게 하였으며 이러한 정보는 레이더를 식별하고 그 용도를 파악하는데 유용하게 사용된다.

참고문헌 (9)

G. Lopez-Risueno, J. Grajal, and A. Sanz-Osorio, "Digital channelized receiver based on time-frequency analysis for signal interception," IEEE Transactions on Aerospace and Electronic Systems, vol. 41, no. 3, pp. 879-898, 2005.

상세보기
Intra-pulse modulation recognition using feature-based decision tree method, in Proceeding of the Institude of Electronics Engineerings of Korea summer conference, pp. 108-109, Jun. 2010.
M. Vastram Naik, R. Bhattacharjee, A. Mahanta and H. B. Nemade, "Blind adaptive recognition of different QPSK modulated signals for software defined radio application," in Proceeding of Communication System Software and Middleware, pp. 1-6, Jan. 2006.
Hussam Mustafa and Milos Doroslovacki, "Digital modulation recognition using support vector machine classifier," in Proceeding of IEEE Conference on Signals, Systems and Computers, pp.2238-2242, Nov. 2004.
Zhilu Wu et al., "Automatic digital modulation recognition based on support vector machine," in Proceeding of IEEE Confence on Neural Networks and Brain, pp. 1025-1028, Oct. 2005.
C. Louis and P. Sehier, "Automatic modulation recognition with a hierarchical neural network," in Proceeding of Military Communications Conference, vol. 3, pp. 713-717, Oct. 1994
M. L. D.Wong and A. K. Nandi, "Automatic digital modulation recognition using artificial neural network and genetic algorithm," Signal Process., vol. 84, no. 2, pp. 351-365, Feb. 2004.

상세보기
K. You, J. Won, O. Shin, Y. Han, H. Kim, K. Song, B. Park, and H. Shin, "Radar Modulation Identification Using Gini's Coefficient", in Proceeding of International Conference on Systems and Electronic Engineering, Dec. 2012.
H.J. Zimmerman, "FUZZY Set Theory and its Applications", Dordrecht, Kluwer, 1985.

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