$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

능동소나 탐지 성능 향상을 위한 피크 신호의 통계적 특징 기반 단일 핑 클러터 제거 기법
Single Ping Clutter Reduction Algorithm Using Statistical Features of Peak Signal to Improve Detection in Active Sonar System 원문보기

한국음향학회지= The journal of the acoustical society of Korea, v.34 no.1, 2015년, pp.75 - 81  

서익수 (국방과학연구소 소나체계개발단) ,  김성원 (국방과학연구소 소나체계개발단)

초록
AI-Helper 아이콘AI-Helper

능동소나를 이용한 대잠전 환경에서 클러터는 표적탐지 및 추적성능을 저하시키는 가장 큰 원인 중 하나이다. 본 논문에서는 중주파수 능동소나에서 표적 피크 신호의 통계적 특징을 이용한 단일 핑 클러터 제거 기법을 제안한다. 기존의 표적 피크 영역을 제외한 잔향 존재 영역에서 오탐지율을 줄이는 기법이나 여러 핑을 누적하여 기동 패턴을 분석하여 표적과 클러터를 구분하는 기법들의 단점을 보완하기 위하여 단일 핑 데이터의 표적 피크 영역에서 통계적 특징 정보를 이용하여 클러터와 표적신호를 구분한다. 실제 표적을 이용한 해상실험에서 성능을 검증하였으며 기존 대비 클러터가 약 80 % 이상 제거되는 것을 확인하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In active sonar system, clutters degrade performance of target detection/tracking and overwhelm sonar operators in ASW (Antisubmarine Warfare). Conventional clutter reduction algorithms using consistency of local peaks are studied in multi-ping data and tracking filter research for active sonar was ...

주제어

#능동소나   #클러터 제거   #에코 형상  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 따라서 본 논문에서는 단일 핑에서 피크 신호들의 중심 영역에서 표적과 클러터를 통계적 특징으로 식별하여 클러터를 제거하고 전체적인 탐지 및 추적 성능을 향상시키는 기법을 제안한다. II장은 고밀도 수중 클러터 환경에서 후처리 기법들을 기술하고, III장에서는 제안한 알고리즘에 대하여 설명한다.
  • 본 논문에서는 고밀도 클러터 환경에서 능동소나 탐지 추적 성능 향상을 위하여 표적 게이트 내의 피크 신호 형상 분석을 통한 단일 핑 클러터 제거 기법을 제안하였다. 실제 표적과 클러터들의 반사신호 형상을 분석하여 통계적 특징 정보를 도출하였으며 클러터 구분 및 제거가 가능함을 보여주었다.
  • 이에 반해 클러터 신호들은 여러 해수면, 해저면, 수중 물체 등 수중 표적의 형상과 비교하여 다른 차이를 나타내며 기존 기법에서 가정한 잔향영역의 신호 또한 동일한 차이를 나타낸다. 본 논문에서는 이러한 특징을 이용하여 표적 게이트 영역을 Fig. 4와 같이 격자를 나누어 통계학적 특징정보를 추출하여 클러터를 제거하는 CPD(Cluster Peak Detection)기법을 제안한다. 즉 기존의 기법들처럼 표적영역과 잔향영역을 구분하지 않고 모든 소나영상의 피크 신호들에 대해 통계적 특징을 적용한다.

가설 설정

  • 또한 모폴로지 탐지기는 표적 신호가 잔향 신호에 비해 상대적으로 고립되어 나타나고 잔향신호는 클러터들이 근접하여 클러스터를 형성하며 표적의 신호대 잡음비가 커야 하는 가정하에 영상처리를 수행한다. 이러한 후처리 기법들은 단일 핑에서 오탐지율을 저하시키는 장점이 있으나 표적의 신호 영역과 잔향의 신호영역을 가정함으로 인해 표적 게이트 내에서 표적과 클러터의 구분이 어렵다는 단점이 있다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
클러터를 감소시키는 후처리 기법 연구에는 어떤 것들이 제안되었는가? 기존에는 표적의 탐지 성능을 향상시키기 위하여 정합 필터 출력 이후 클러터를 감소시키는 후처리 기법 연구가 진행되었다. 거리와 방위에 따른 정합필터 출력으로 획득된 소나 영상에 마코프랜덤필드(Markov random field)를 이용한 영상 분할 기법,[1] 잔향 신호의 통계적 특징을 이용한 컨트라스트 박스 탐지기와 물체 모양의 집합이론 개념을 기초로 한 영상처리 방법 중 하나인 모폴로지 탐지기를 순차적으로 적용하는 컨트라스트 박스-모폴로지 탐지 기법이 제안되었다.[2,3] 클러터와 표적을 시공간적인 특징을 이용하여 식별개념에서 구분하고자 다중 핑 소나 영상을 이용한 기법들이 제안되었다.[4,5] 또한 피크를 추출하기 위하여 신호크기 기반의 문턱값을 적용하여 피크를 추출하였으며,[6] 클러터들에 강인하다고 알려져 있는 추적 필터들을 이용하여 추적 성능을 향상하는 연구들이 많이 진행되었다.[7] 하지만 기존의 기법들은 피크 중심 영역에서 근본적으로 표적과 클러터를 구분하지 못한다.
클러 터란 무엇인가? 능동소나를 이용하여 신호처리된 소나영상에는 주 표적인 잠수함 신호 뿐만 아니라 해수면, 해저면, 해저바위, 어군 등 원하지 않는 많은 신호들을 포함하고 있다. 이러한 표적 외 모든 반사 신호들을 클러 터라고 한다. 클러터들은 표적의 탐지 및 추적 성능을 저하시키며 소나운용자에게 큰 부담을 준다.
CW/FM signal processing은 어떤 과정인가? 1과 같이 CW(Continuous Waveform) 신호와 FM (Frequency Modulation) 신호에 대해 신호처리를 수행하는 CW/FM signal processing, normalization, threshold & measurement extraction 그리고 tracking 으로 구분된다. CW/FM signal processing은 송신 신호 종류(CW/FM)에 따른 정합필터 처리를 수행하는 과정이며 normalization 은 규준화하는 과정이다. 일반적으로 클러터 제거를 위한 후처리 기법들은 규준화 과정 전후에 이루어진다.
질의응답 정보가 도움이 되었나요?

참고문헌 (8)

  1. R. Laterveer, "Single ping clutter reduction: segmentation using Markov random fields," SACLANTCEN, Tech. Rep. No. SR-307, 1999. 

  2. G. Ginolhac, J. Chanussot, and C. Hory, "Morphological and statistical approaches to improve detection in the presence of reverberation," IEEE J. Oceanic Eng. 30, 881-899 (2005). 

    상세보기 crossref

  3. J. H. Choi, K. S. Yoon, S. H. Lee, B. S. Kwon, and K. K. Lee, "Four segmentalized CBD method using maximum contrast value to improve detection in the presence of reverberation" (in Korean), J. Acoust. Soc. Kr. 28, 761-767 (2009). 

  4. "Design disclosures for interacting multiple model and for the multi ping classifier," ARL, Tech. Rep. No. 05001010- ER1-3.0.1-260, 1999. 

  5. B. D. Carlson, E. D. Evans, and S. L. Wilson, "Search radar detection and track with the Hough transform, Part I: System concept," IEEE Trans. Aero. Elec. Sys. 30, 102-108 (1994). 

    상세보기 crossref

  6. M. Barkat and F. Soltani, "Cell-averaging CFAR detection in compound clutter with spatially correlated texture and speckle," IEE Proc.-Radar Sonar and Navig. 146, 279-284 (1999). 

    상세보기 crossref

  7. B. Ristic, S. Arulampalam, and N. Gordon, Beyond the Kalman Filter : Particle Filters for Tracking Applications (Artech House, Boston, 2004), pp. 19-65. 

  8. R. J. Urick, Principles of Underwater Sound 3rd Ed. (McGraw-Hill, New York, 1983), pp. 237-290. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로