[논문]재귀적 소자 교환 방식을 이용한 능동위상배열안테나 부배열 구조 최적화 알고리즘

채희덕; 주정명; 유제우; 박종국

doi:10.5515/kjkiees.2016.27.8.665

초록
AI-Helper

능동위상배열레이다 기술의 발전에 따라 최근에는 수십 개의 디지털 수신기를 사용하여 부배열 단위에서 수신된 신호를 디지털적인 방법으로 합성하는 능동위상배열안테나가 개발되고 있다. 디지털 빔 합성시 빔 특성은 부배열 단위의 가중치에 의해서도 영향을 받지만, 부배열 구조의 형상에 의해서도 크게 영향을 받는다. 그래서 본 논문에서는 재귀적인 소자 교환 방식을 사용하여 부배열 구조를 생성하는 방법과 운용하는 빔의 부엽을 최소화할 수 있도록 부배열 구조를 최적화하는 알고리즘을 제안하였다. 또한, 본 논문에서 제안한 알고리즘을 적용하여 디지털 빔 형성에 가장 많이 사용되는 모노펄스빔과 펜슬 다중빔에 대해 각각 또는 동시에 최대 부엽을 최소화하는 최적화된 부배열 구조 해를 찾아 그 결과를 제시하였다.

Abstract ▼ AI-Helper

With the development of active phased array radar technology in recent years, active phased array antennas, which digitally combine signals received from subarray units using dozens of digital receiver, have been developed. The beam characteristics are greatly affected by the shape of the subarray s...

With the development of active phased array radar technology in recent years, active phased array antennas, which digitally combine signals received from subarray units using dozens of digital receiver, have been developed. The beam characteristics are greatly affected by the shape of the subarray structure as well as the weight of subarray in digital beamforming. So in this paper, the method to generate subarray structures by using recursive element exchanging method and the method to optimize subarray structures that can minimize sidelobes of operating beams are proposed. Additionally it presents the result to find the optimized subarray structure to minimize the maximum sidelobe of monopulse beam and pencil multi-beam respectively or simultaneously which are commonly used for digital beamforming by applying the algorithm propsed in this paper.

주제어

AI 본문요약
AI-Helper

문제 정의

전자의 방법은 간단하지만, 부배열에 속하는 소자의 개수를 임의로 정할 수 없고, 후자의 방법은 목적에 따른 저부엽의 빔을 형성할 수 있지만, 가중치의 형태에 의해 부배열 형상이 결정되므로 여러 형태의 빔 가중치가 존재할 경우에는 동시에 최적화하는 데 사용하기 어렵다. 그래서 본 논문에서는 부배열을 구성하는 배열소자의 개수를 임의로 정할 수 있으면서도 부배열을 통해 형성하는 모노펄스빔과 다중빔이 각각 또는 동시에 최적화될 수 있도록 부배열 구조를 최적화하는 방법을 제안하였다. Ⅱ장에서는 재귀적 소자 교환 방식으로 부배열 구조를 생성하는 새로운 방법과 부배열 가중치를 결정하는 방법, 그리고 부배열 구조를 최적화하기 위해 새롭게 고안한 알고리즘에 대해 제시하도록 한다.

제안 방법

본 논문에서는 재귀적인 소자 교환 방식을 이용하여 부배열 구조를 생성하는 방법을 제안하였고, 재귀적 소자 교환 방식의 부배열 생성에 적합한 부배열 구조 최적화 알고리즘을 추가로 제안하였다. 또한, 제안한 알고리즘을 이용하여 디지털 빔 형성에 가장 많이 사용되는 모노펄스빔과 펜슬 다중빔에 대해 각각 또는 동시에 최대 부엽을 최소화하는 최적화된 부배열 구조 해를 찾고, 그 결과를 제시하였다. 본 논문에서 제시한 알고리즘은 능동위상 배열레이다의 운용 빔에 최적화된 부배열 구조를 설계하는 데 유용하게 활용할 수 있을 것으로 기대된다.
본 논문에서는 재귀적인 소자 교환 방식을 이용하여 부배열 구조를 생성하는 방법을 제안하였고, 재귀적 소자 교환 방식의 부배열 생성에 적합한 부배열 구조 최적화 알고리즘을 추가로 제안하였다. 또한, 제안한 알고리즘을 이용하여 디지털 빔 형성에 가장 많이 사용되는 모노펄스빔과 펜슬 다중빔에 대해 각각 또는 동시에 최대 부엽을 최소화하는 최적화된 부배열 구조 해를 찾고, 그 결과를 제시하였다.

대상 데이터

세로 방향으로 0.575파장 간격의 34개 복사소자 열을 삼각 배열 형태가 되게 가로 방향으로 0.52파장 간격으로 38개 배열한 원형의 개구면을 가지는 능동위상배열안테나를 이용하여 본 논문에서 제안한 방법으로 32개의 부배열을 가지도록 부배열 구조 최적화를 수행하였다. 배열 간격은 모든 방향으로 70도까지 빔조향을 하더라도 그레이팅로브가 발생하지 않도록 설계되었다.

데이터처리

표 1의 파라미터를 사용하여 Ⅱ장에서 제안한 부배열 구조 최적화 방법을 적용하여 총 500회의 최적화를 수행하였고, 최적화된 부배열 구조들의 최대 부엽 수준을 분석하여 구한 최대 부엽 수준 발생 분포는 그림 5와 같다. 제안한 최적화 방법을 통해 전반적으로 최대 부엽 수준이 그림 4의 결과와 비교해보면 상당히 개선되었음을 확인할 수 있다. 또한, 최대 부엽 수준도 —20 dB 이하인 경우가 모노펄스빔의 경우 95 %, 다중빔의 경우 83 % 수준으로, 본 논문에서 제안한 부배열 구조 최적화 방법을 통해 저부엽의 비용 함수 값을 가지는 최적의 부배열 구조 해를 찾을 수 있음을 검증하였다.

성능/효과

그림 14의 부배열 구조를 통해 동시에 생성된 2축 모노펄스빔과 2축 다중빔의 빔패턴은 그림 15와 같다. 그림 15의 빔패턴은 모노펄스빔과 다중빔을 동시에 최적화하였기 때문에 모노펄스빔 단독 또는 다중빔 단독으로 최적화한 결과인 그림 10과 그림 13의 빔패턴과 비교하여 최대 부엽 수준이 각각 약 1.2 dB와 0.6 dB 정도 상승하지만, 서로 다른 형태의 빔을 동시에 최적화한 결과임을 감안하면 충분히 합리적인 결과이다.
그림 10의 Sum 패턴은 기본빔 가중치가 적용된 저부엽 펜슬빔이다. 방위각과 고각 방향으로 180도 차이만 적용한 단순한 모노펄스 비교기 방식을 쓴 모노펄스빔(그림 10에서 점선으로 표시된 Phase Reverse 경우)에 비해 최적화된 부배열 구조의 모노펄스빔은 최대 부엽 수준이 상대적으로 낮을 뿐 아니라, 주 빔 밖에서도 부엽이 빠르게 감소하므로 지향성도 각각 31.25 dBi와 31.22 dBi 로 모노펄스 비교기만을 사용한 경우의 30.18 dBi와 30.11 dBi에 비해 약 1.1 dB의 이득이 있어 모노펄스 정확도를 좀 더 향상시킬 수 있는 장점이 있다.
인위적으로 생성한 부배열 구조, 그리고 모노펄스빔과 다중빔을 각각 또는 동시에 최적화한 부배열 구조에 의해 생성된 빔패턴의 전공간에서의 최대 부엽 수준은 표 2와 같다. 인위적인 부배열 구조에 비해 모노펄스빔을 최적화한 부배열 구조는 7.6 dB 이상, 다중빔을 최적화된 부배열 구조는 8.4 dB 이상 최대 부엽 수준이 개선되었고, 모노펄스빔과 다중빔을 동시에 최적화한 부배열 구조는 6.6 dB 이상 최대 부엽 수준이 개선되었다.

후속연구

또한, 제안한 알고리즘을 이용하여 디지털 빔 형성에 가장 많이 사용되는 모노펄스빔과 펜슬 다중빔에 대해 각각 또는 동시에 최대 부엽을 최소화하는 최적화된 부배열 구조 해를 찾고, 그 결과를 제시하였다. 본 논문에서 제시한 알고리즘은 능동위상 배열레이다의 운용 빔에 최적화된 부배열 구조를 설계하는 데 유용하게 활용할 수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	각 부배열을 대표하는 기준점을 정한 후, 각각의 배열소자가 가장 가까운 기준점에 해당하는 부배열에 소속되도록 하는 방법의 단점은?	부배열 구조를 나누는 방법은 각 부배열을 대표하는 기준점을 정한 후, 각각의 배열소자가 가장 가까운 기준점에 해당하는 부배열에 소속되도록 하는 방법[2]과 기본 빔 가중치와 최적화 하고자 하는 이상적인 가중치를 비교하여 가중치의 분포를 가장 잘 따라갈 수 있는 형태로 부배열을 나누는 방법[3]이 있다. 전자의 방법은 간단하지만, 부배열에 속하는 소자의 개수를 임의로 정할 수 없고, 후자의 방법은 목적에 따른 저부엽의 빔을 형성할 수 있지만, 가중치의 형태에 의해 부배열 형상이 결정되므로 여러 형태의 빔 가중치가 존재할 경우에는 동시에 최적화하는 데 사용하기 어렵다. 그래서 본 논문에서는 부배열을 구성하는 배열소자의 개수를 임의로 정할 수 있으면서도 부배열을 통해 형성하는 모노펄스빔과 다중빔이 각각 또는 동시에 최적화될 수 있도록 부배열 구조를 최적화하는 방법을 제안하였다.
	레이다에서 많이 사용되는 빔의 형태는?	레이다의 목적에 따라 운용하는 빔의 형태와 개수는 달라질 수 있으나, 기본적으로 가장 많이 사용되는 빔의 형태는 저부엽의 펜슬빔, 각도 정확도 향상을 위한 모노펄스빔, 그리고 수신 펜슬 다중빔이다. 부배열 단위의 디지털 빔 형성 시 저부엽 펜슬빔(기본빔)은 각각의 반도체 송수신모듈 내의 감쇄기와 변위기를 조절하여 전체 개구면의 전력 분포를 테일러 또는 해밍과 같이 저부엽을 생성할 수 있는 가중치 분포를 만들어서 생성할 수 있고, 모노펄스빔과 수신 펜슬 다중빔은 디지털로 수신된 부배열 단위의 신호를 합성할 때 추가적인 부배열 단위 디지털 가중치를 적용하여 기본빔과 함께 동시에 생성할 수 있다.
	부배열 구조는 어떻게 나뉘는가?	부배열 구조를 나누는 방법은 각 부배열을 대표하는 기준점을 정한 후, 각각의 배열소자가 가장 가까운 기준점에 해당하는 부배열에 소속되도록 하는 방법[2]과 기본 빔 가중치와 최적화 하고자 하는 이상적인 가중치를 비교하여 가중치의 분포를 가장 잘 따라갈 수 있는 형태로 부배열을 나누는 방법[3]이 있다. 전자의 방법은 간단하지만, 부배열에 속하는 소자의 개수를 임의로 정할 수 없고, 후자의 방법은 목적에 따른 저부엽의 빔을 형성할 수 있지만, 가중치의 형태에 의해 부배열 형상이 결정되므로 여러 형태의 빔 가중치가 존재할 경우에는 동시에 최적화하는 데 사용하기 어렵다.

참고문헌 (5)

S. H. Talisa, K. W. O'haver, T. M. Comberiate, M. D. Sharp, and O. F. Somerlock, "Benefits of digital phased array radars", Proceedings of the IEEE, vol. 104, no. 3, pp. 530-543, Mar. 2016.
채희덕, 유제우, 박종국, "다기능 레이다용 부배열 구조 최적화 알고리즘 개발", 한국군사과학기술학회 종합학술대회, pp. 255-256, 2015년 6월.
U. Nickel, "Subarray configurations for digital beamforming with low sidelobes andadaptive interference suppression", IEEE International Radar Conference, pp. 714-719, Alexandria, May. 1995.
W. -D. Wirth, Radar Techniques Using Array Antennas, IET, 2000.
Y. Rahmat-Samii, E. Michielssen, Electromagnetic Optimization by Genetic Algorithms, Wiley, 1999.

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

재귀적 소자 교환 방식을 이용한 능동위상배열안테나 부배열 구조 최적화 알고리즘
Subarray Structure Optimization Algorithm for Active Phased Array Antenna Using Recursive Element Exchanging Method 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (5)

이 논문을 인용한 문헌

저자의 다른 논문 :

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

재귀적 소자 교환 방식을 이용한 능동위상배열안테나 부배열 구조 최적화 알고리즘 Subarray Structure Optimization Algorithm for Active Phased Array Antenna Using Recursive Element Exchanging Method 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

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (5)

이 논문을 인용한 문헌

저자의 다른 논문 :

채희덕 (13) 주정명 (4) 유제우 (2) 박종국 (18)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

재귀적 소자 교환 방식을 이용한 능동위상배열안테나 부배열 구조 최적화 알고리즘
Subarray Structure Optimization Algorithm for Active Phased Array Antenna Using Recursive Element Exchanging Method 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper