[논문]4차원 특징 벡터에 의한 레이더 신호 클러스터링 기법

이종태; 주영관; 김관태; 전중남

doi:10.5573/ieie.2014.51.10.137

4차원 특징 벡터에 의한 레이더 신호 클러스터링 기법
A Clustering Technique of Radar Signals using 4-Dimensional Features 원문보기

Journal of the Institute of Electronics and Information Engineers = 전자공학회논문지, v.51 no.10, 2014년, pp.137 - 144

이종태 (충북대학교 전자정보대학교 컴퓨터정보통신연구소) , 주영관 (충북대학교 전자정보대학교 컴퓨터정보통신연구소) , 김관태 ((주)빅텍) , 전중남 (충북대학교 전자정보대학교 컴퓨터정보통신연구소)

초록
AI-Helper

전자전지원시스템은 실시간 전자 공격에 대처하기 위해 레이더 신호를 수집하고 분석한다. 레이더 펄스 클러스터링 시스템은 단일 소스에 방사되는 것으로 예상되는 레이더 신호를 분류한다. 본 논문에서는 도착방향, 주파수, 펄스 폭, 연속된 펄스의 도착시간의 차이 4가지 특징을 기반으로 한 클러스터링 알고리즘을 제안하였고 실험을 통하여 제안한 알고리즘이 이동방사체의 추적과 시간적으로 분리된 신호를 다른 군집으로 분리함을 보였다.

Abstract ▼ AI-Helper

The Electronic Support System collects and analyzes the received radar signals in order to cope with the electronic attack in real-time. The radar-pulse clustering system classifies the radar signals that are considered to be emitted by a single source. This paper proposed a radar-pulse clustering algorithm based on four kinds of features: the direction, frequency, pulse width, and the difference of arrival time between two successive pulses. The experiment results show that the proposing algorithm could trace the moving emitter and classify the timely separated signals into different classes.

주제어

AI 본문요약
AI-Helper

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

문제 정의

이 기법은 신호 특징의 임계값만을 단순 비교함으로써 과소 또는 과대 군집화의 문제가 있다. 본 논문에서는 기존의 3차원 클러스터링 기법에서 고려하지 않은 신호의 도착방향의 차이와 신호의 도착시간의 차이 특성을 이용하여 클러스터링의 군집화를 개선하는 4차원 클러스터링 기법을 제안한다.
본 연구에서는 신호 분석이 용이하도록 혼합된 레이더 펄스열을 특징별로 분류하는 4차원 동시 군집화 기법을 제안하였다. 기존의 3차원 클러스터링 기법들은 도착방향, 주파수, 펄스 폭 세 가지의 특징을 활용하여 클러스터링 하였으나, 본 연구에서는 추가적으로 도착시간을 클러스터링에 사용하였고 도착방향 대신에 도착방향의 차이를 사용하였다.

가설 설정

3차원 순차 클러스터링 기법과 3차원 동시 클러스터링 기법은 그림 7의 (a)와 같이 도착방향의 임계값에 따라 4개의 군집으로 분리된 결과를 나타냈고 4차원 동시 클러스터링은 도착방향의 차이와 도착시간의 차이가 k배 이상 떨어진 신호를 분리한 결과 10개의 군집으로 분리되었다. 그림 7의 (b)의 군집 G5가 3차원 클러스터링 기법과 4차원 클러스터링 기법에 따라 다르게 군집을 형성한다.
4차원 동시 클러스터링 기법은 그림 4의 알고리즘과 같이 동작한다. 혼합된 신호가 PDW형태로 일정시간 수집되어 PDW리스트에 저장되어 있다고 가정한다. PDW리스트에 모든 PDW가 처리되면 종료하고 PDW 리스트에 PDW가 남아있으면 군집화를 계속 수행한다.

제안 방법

3차원 클러스터링 기법에서는 신호의 도착방향을 고정 임계값 범위에 존재하는 지 단순 비교하여 군집을 분류하였다. 4차원 동시 클러스터링 기법은 도착방향의 차이와 도착시간의 차이에 대한 임계값을 비교하여 분류함으로서 더욱 세분화된 군집을 생성할 수 있게 되었다.
3차원 순차 클러스터링 기법과 3차원 동시 클러스터링 기법은 그림 5의 (a)와 같이 도착방향의 임계값 범위를 기준으로 그림에서 각각 5, 4개의 군집으로 분리되었다. 4차원 동시 클러스터링은 군집을 분리하는 기준을 연속되어 입력되는 신호의 도착방향의 차이를 임계값과 비교하여 도착방향의 차이가 임계값 범위 내에 있어 모두가 한 개의 군집인 G1으로 분류하였다.
본 연구에서는 신호 분석이 용이하도록 혼합된 레이더 펄스열을 특징별로 분류하는 4차원 동시 군집화 기법을 제안하였다. 기존의 3차원 클러스터링 기법들은 도착방향, 주파수, 펄스 폭 세 가지의 특징을 활용하여 클러스터링 하였으나, 본 연구에서는 추가적으로 도착시간을 클러스터링에 사용하였고 도착방향 대신에 도착방향의 차이를 사용하였다. 도착시간의 차이는 신호의 군집이 과도하게 커지는 현상을 최소화할 수 있었고, 도착방향 차이는 움직이는 레이터 방사체의 추적이 가능하게 되었다.
그림 4의 30행의 cal_distance()함수는 PDW와 각 군집(group)간의 네 가지 특징인 도착방향의 차이(DAOA), 주파수의 차이(DFreq) , 펄스 폭의 차이(DPW), 도착시간의 차이(DTOA)를 abs()함수로 절대값으로 변환하여 설정된 임계값 범위를 벗어나면 dist에 –1을 입력하고, 임계값 범위 내에 포함되면 각 차이를 합산하여 거리를 계산한다. 네 가지 특징의 단위가 다르므로 거리를 계산할 때 각 특징의 차이를 정규화하여 거리를 구한다.
4차원 동시 클러스터링은 그림 6의 (b)와 같이 도착방향의 차이가 임계값 범위 내에 있더라도 그림 6의 (a)에서 연속되는 두 신호간의 도착시간의 차이가 임계값 범위를 벗어나면 군집이 분리되어 다른 군집으로 나뉘는 것을 확인할 수 있었다. 도착시간의 차이를 활용함으로서 연속된 두 신호간의 차이가 임계값 보다 큰 경우에 군집을 분리하여 군집을 세분화하였다. 군집이 작아져 신호 분석 시간이 줄어드는 효과는 있지만 너무 적은 경우에는 신호 분석이 불가능할 수 있어 군집이 완료된 후 신호 유형이 같은 그룹을 병합하였다.
제일 먼저 방향에 대한 1차원 히스토그램을 구하여 방향 군집을 만든다. 방향으로 나누어진 군집들에 대하여 주파수 히스토그램을 구하여 주파수 군집을 만든다. 주파수 군집에 대하여 펄스 폭 히스토그램을 구하여 최종 군집을 만든다.
도착방향의 차이를 고려한 군집화는 과대군집화를 야기할 수 있다. 신호 분석 시스템의 성능을 고려하여 과대 군집을 제한하는 시간을 설정하여 신호의 처리 결과를 응답 제한시간 내에 출력하도록 구현하였다.
제안하는 4차원 동시 클러스터링 기법은 연속된 PDW간의 도착시간을 추가하여 기존의 3차원 클러스터링 기법에 비해 더 세분화된 군집화가 가능하고, 3차원 클러스터링 기법에서 활용한 단순 도착방향의 비교가 아닌 연속된 PDW간의 도착방향의 차이를 이용하여 신호 방사원의 추적 효과로 군집의 단편화가 최소되는 군집화가 가능하다. 제안하는 클러스터링 기법의 군집의 세분화 정도를 확인하기 위하여 기존의 기법인 3차원 순차 클러스터링 기법, 3차원 동시 클러스터링 기법 그리고 제안하는 4차원 동시 클러스터링 기법의 세 가지 알고리즘을 수행하는 시뮬레이터를 구현하였다.

대상 데이터

시뮬레이터의 입력은 군집수를 정확히 알고 있는 총 120개의 신호데이터로 시험하였고, 3차원, 4차원 클러스터링의 차이를 확인할 수 있게 도착방향, 도착시간, 두 개의 요소가 복합된 세 가지 입력 시나리오를 사용하였다.
실험 입력은 총 120개가 사용되었고 3차원 클러스터와 4차원 클러스터에 결과에 차이를 보이는 73개의 입력신호를 분석한 결과 표 1과 같은 결과를 얻을 수 있었다. 군집의 클러스터링은 4차원 클러스터링 기법이 3차원 클러스터링 기법에 비해 44% 더 세분화된 군집화가 가능함을 확인하였다.
이후 신호 판정 단계에서 신호의 특성을 분석한 결과(그림 1의 (c))를 생성한다. 혼합신호를 군집신호로 분류하는 부분이 본 논문의 대상이다.

성능/효과

4 범위에서 변하고, 도착시간도 변화하는 신호이다. 3차원 순차 클러스터링 기법과 3차원 동시 클러스터링 기법은 그림 7의 (a)와 같이 도착방향의 임계값에 따라 4개의 군집으로 분리된 결과를 나타냈고 4차원 동시 클러스터링은 도착방향의 차이와 도착시간의 차이가 k배 이상 떨어진 신호를 분리한 결과 10개의 군집으로 분리되었다. 그림 7의 (b)의 군집 G5가 3차원 클러스터링 기법과 4차원 클러스터링 기법에 따라 다르게 군집을 형성한다.
4차원 동시 클러스터링 기법은 3차원 클러스터링 기법과 비교하여 신호의 도착방향의 차이는 이동하는 방사체의 신호를 추적하는 효과가 있었고 도착시간의 차이를 이용하면 신호의 과대 군집을 최소화할 수 있었다. 하지만 군집이 작게 분리되는 현상도 확인되어 그림 7(c)와 같이 군집이 완료된 후에 특징이 유사한 군집을 병합하는 과정을 수행하였다.
실험 입력은 총 120개가 사용되었고 3차원 클러스터와 4차원 클러스터에 결과에 차이를 보이는 73개의 입력신호를 분석한 결과 표 1과 같은 결과를 얻을 수 있었다. 군집의 클러스터링은 4차원 클러스터링 기법이 3차원 클러스터링 기법에 비해 44% 더 세분화된 군집화가 가능함을 확인하였다.
기존의 3차원 클러스터링 기법들은 도착방향, 주파수, 펄스 폭 세 가지의 특징을 활용하여 클러스터링 하였으나, 본 연구에서는 추가적으로 도착시간을 클러스터링에 사용하였고 도착방향 대신에 도착방향의 차이를 사용하였다. 도착시간의 차이는 신호의 군집이 과도하게 커지는 현상을 최소화할 수 있었고, 도착방향 차이는 움직이는 레이터 방사체의 추적이 가능하게 되었다. 무선 신호 환경에서 수집한 73개의 입력에 대하여 제안하는 알고리즘을 적용한 결과 기존의 3차원 클러스터링 기법에 비해 44% 더 세분화된 군집화가 가능함을 확인할 수 있었다.
도착시간의 차이는 신호의 군집이 과도하게 커지는 현상을 최소화할 수 있었고, 도착방향 차이는 움직이는 레이터 방사체의 추적이 가능하게 되었다. 무선 신호 환경에서 수집한 73개의 입력에 대하여 제안하는 알고리즘을 적용한 결과 기존의 3차원 클러스터링 기법에 비해 44% 더 세분화된 군집화가 가능함을 확인할 수 있었다.
제안하는 4차원 동시 클러스터링 기법은 연속된 PDW간의 도착시간을 추가하여 기존의 3차원 클러스터링 기법에 비해 더 세분화된 군집화가 가능하고, 3차원 클러스터링 기법에서 활용한 단순 도착방향의 비교가 아닌 연속된 PDW간의 도착방향의 차이를 이용하여 신호 방사원의 추적 효과로 군집의 단편화가 최소되는 군집화가 가능하다. 제안하는 클러스터링 기법의 군집의 세분화 정도를 확인하기 위하여 기존의 기법인 3차원 순차 클러스터링 기법, 3차원 동시 클러스터링 기법 그리고 제안하는 4차원 동시 클러스터링 기법의 세 가지 알고리즘을 수행하는 시뮬레이터를 구현하였다.
4차원 동시 클러스터링 기법은 신호의 도착방향, 주파수, 펄스 폭과 신호의 도착방향을 추가적으로 활용하는 군집화 기법이다. 제안하는 기법은 신호의 도착방향 대신에 신호의 도착방향 차이를 사용하고, 신호의 도착신호간의 차이를 사용한다는 것이 기존의 3차원 클러스터링 기법과의 차이점이다.
제안하는 알고리즘은 신호의 도착방향 대신에 도착신호의 도착방향의 차이를 사용함으로서 기존 3차원 클러스터링 기법에서 제공할 수 없었던 움직이는 방사체의 추적이 가능해지고, 신호의 도착 신호간의 차이를 활용해 군집화를 함으로서 기존 3차원 클러스터링 기법에 비해 과대 군집화를 최소화할 수 있다.

후속연구

본 연구에서 신호의 클러스터링 결과로 도출된 군집에 대한 신호 해석 알고리즘의 연구와 단일 프로세서환경에서 구현한 클러스터링에 대한 연구를 다중 프로세서환경에서도 사용할 수 있도록 분산 처리 요소를 분석하여 신호 클러스터링에 대한 처리 성능 개선에 대한 연구도 진행할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	3차원 클러스터링 기법의 문제점은?	이 기법은 각 특징 별로 임계값를 설정하고, 임계값 안에 포함되는 신호들을 하나의 군집으로 분류한다. 이 기법은 신호 특징의 임계값만을 단순 비교함으로써 과소 또는 과대 군집화의 문제가 있다. 본 논문에서는 기존의 3차원 클러스터링 기법에서 고려하지 않은 신호의 도착방향의 차이와 신호의 도착시간의 차이 특성을 이용하여 클러스터링의 군집화를 개선하는 4차원 클러스터링 기법을 제안한다.
	전자전지원시스템의 기능 중 신호 클러스터링은 어떤 단계인가?	전자전지원시스템의 기능 중에서 신호 클러스터링은 혼합된 신호에서 한 개의 소스에서 방사된 신호를 구별하는 단계이며, 이어지는 신호 특징 추출 및 판정의 정확도를 향상시킬 수 있는 기술이다. 만약 초기에 수행되는 클러스터링 단계가 신호를 정확하게 분류하지 못한다면, 복합 신호 군집이 만들어져 신호 분석이 어려워진다.
	전자전지원시스템이란?	전자전지원시스템(Electronic Support System)은 자신의 전자기 스펙트럼을 차단하고 상대의 전자기 스펙트럼을 수집, 도청, 분석하여 위협을 인식하고, 위협 회피 및 추적과 같은 전자전 활동을 지원하는 시스템이다[1～2]. 이와 같은 기능을 수행하기 위하여 전자전지원시스템은 레이더 신호 수집, 신호 클러스터링, 신호 특징 추출, 신호 판정, 판정 신호의 세부정보 확인 등의 과정을 수행한다.

참고문헌 (11)

C. Benson,, M. R. Frater, and M. J. Ryan, "Tactical Electronic Warfare," Argos Press, 2007
F. Neri, "Introduction to Electronic Defense Systems," Artech House INC. 2001.
D. R. Wilkinson and A.W. Watson, "Use of metric techniques in ESM data processing," IEEE proceedings on F Communications radar and signal processing. vol. 132, pp.229-232, July 1985.
H. K. Mardia, "Adaptive Multi-Dimensional Clustering for ESM," IEEE Colloquium on Signal Processing for ESM Systems, 1998.
J. W. Han, K. H. Song, D. W. Lee, S. C. Lye, "A novel clustering algorithm of radar pulses based on the adaptive cluster window," 2007 International Symposium on Computer and Information Sciences, November 2007.
J. W. Han, K. H. Song, D. W. Lee, "An adaptive clustering scheme for ES," 2006 Conference on Information and Control Systems, pp. 366-368, 2006.
D. W. Lee, J. W. Han, W. D. Lee, "A Kernel Density Signal Grouping Based on Radar Frequency Distribution," Journal of the Institute of Electronics Engineers of Korea, Vol. 48 no.6, pp.124-132, 2011.
S. Y. Lee, K. C. Yoon, "Deinterleaving of Multiple Radar Pulse Sequences Using Genetic Algorithm," Journal of the Institute of Electronics Engineers of Korea, Vol. 40 No. 6, pp. 98-105, 2003.
D. W. Lee, J. W. Han, W. D. Lee, "Adaptive radar pulses clustering based on density cluster window," International Technical Conference on Circuits/Systems, Computers and Communications, pp.1377-1380, 2008.
R. Nitzberg, Radar Signal Processing and Adaptive Systems, Artech House, 1999.
James P. Stephens, "Advances in Signal Processing Technology for Electronic Warfare," Journal of Electronic Defense, pp. 41-50, Sep. 1995.

저자의 다른 논문 :

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