$\require{mediawiki-texvc}$

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.

[국내논문] 다중 자세각 기반의 능동소나 표적 식별
Multi-aspect Based Active Sonar Target Classification 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.19 no.10, 2016년, pp.1775 - 1781  

석종원 (Dept. of Information & Communication, Changwon National University)

Abstract ▼ AI-Helper 아이콘AI-Helper

Generally, in the underwater target recognition, feature vectors are extracted from the target signal utilizing spatial information according to target shape/material characteristics. In addition, various signal processing techniques have been studied to extract feature vectors which are less sensit...

주제어

#Active Sonar   #Multi-aspect   #Classification   #Highlight Model   #Fractional Fourier Transform   #Neural Network  

AI 본문요약
AI-Helper 아이콘 AI-Helper

문제 정의

  • 본 논문에서는 실제 수중환경이라는 특성을 반영한 실제 해상 데이터 사용의 제약으로 인하여, 3차원 하이라이트 분포를 가지는 모델을 이용하여 LFM신호를 이용한 능동소나 표적신호를 합성하였다. 합성된 표적신호를 대상으로 FrFT(Fractioanl Fourier Transform)를 적용하여 특징벡터를 추출하였고, 다중 자세각 기반의 능동소나 식별 성능검증을 위해 역전파 신경망(Backpropagation Neural Network: BPNN) 및 확률 신경 회로망 인식기(Probabilistic Neural Network:PNN)를 이용하여 인식 실험을 수행하였다.

가설 설정

  • 소나는 단상태(monostatic) 또는 양상태(bistatic) 소나 환경 모두를 고려 할 수 있으며 수신신호는 다중 경로 및 추후 잔향 환경을 고려하며 표적 모델링은 3차원 하이라이트 모델을 사용하고 신호합성은 음선 추적법을 사용하였다. 표적에서의 반사 신호는 직접 반사경로와 수면 및 해저면 반사경로를 고려하였으며, 센서 및 표적의 수심은 300m로 가정하였다.
본문요약 정보가 도움이 되었나요?

참고문헌 (15)

  1. V.W. Young and P.C. Hines, “Perception-based Automatic Classification of Impulsive Source Active Sonar Echoes,” Journal of Acoustical Society of America , Vol. 122, No. 3, pp. 1502-1517, 2007. 

    상세보기 crossref

  2. S.M. Murphy and P.C. Hines, “Examining the Robustness of Automated Aural Classification of Active Sonar Echoes,” Journal of Acoustical Society of America , Vol. 135, No. 2, pp. 626-636, 2014. 

    상세보기 crossref

  3. C.M. Binder and P.C. Hines, “Automated Aural Classification Used for Inter-species Discrimination of Cetaceans,” Journal of Acoustical Society of America , Vol. 135, No. 4, pp. 2113-2125, 2014. 

    상세보기 crossref

  4. Y. Uh and J.W. Seok, “Signal Synthesis and Feature Extraction for Active Target Classification,” Journal of Korea Multimedia Society , Vol. 18, No. 1, pp. 9-16, 2015. 

    원문보기 상세보기 crossref

  5. A. Pezeshki, M.R. Azimi-Sadjadi, and L.L. Scharf, “Undersea Target Classification Using Canonical Correlation Analysis,” IEEE Journals of Oceanic Engineering , Vol. 32, No. 4, pp. 948-955, 2007. 

    상세보기 crossref

  6. H. Liu and L. Carin, “Class-based Target Classification in Shallow Water Channel Based on Hidden Markov Model,” Proceeding of International Conference Acousitcs Speech and Signal Processing , Vol. 3, pp. 2889-2892, 2002. 

  7. P. Runkle, P. Bharadwaj, L. Couchman, and L. Carin, “Hidden Markov Models for Multi-Aspect Target Identification,” IEEE Transactions on Signal Processing , Vol. 47, No. 7, pp. 2035-2040, 1999. 

    상세보기 crossref

  8. T. Kim and K. Bae, "HMM-based Underwater Target Classification with Synthesized Active Sonar Signals," Proceeding of 19th Signal Processing Conference , pp. 1805-1808, 2011. 

  9. H.M. Ozaktas, Z. Zalevsky, and M.A. Kutay, The Fractional Fourier Transform with Applications in Optics and Signal Processing , John Wiley, Chichester, NewYork, USA, 2001. 

  10. C. Capus and K. Brown, “Fractional Fourier Transform of the Gaussian and Fractional Domain Signal Support,” IEEE Proceedings—Vision, Image, and Signal Processing , Vol. 150, No. 2, pp. 99-106, 2003. 

    상세보기 crossref

  11. V. Namias, "The Fractional Order Fourier Transform and Its Application to Quantum Mechanics," IMA Journal of Applied Mathematics , Vol. 25, No. 3, pp. 241-265, 1980. 

    상세보기 crossref

  12. J. Seok, T. Kim, and K. Bae, “Active Sonar Target Recognition Using Fractional Fourier Transform,” Journal of the Korea Institute of Information and Communication Engineering , Vol. 17, No. 11, pp. 2505-2511, 2013. 

    원문보기 상세보기 crossref

  13. R.P. Gorman and T.J. Sejnowski, "Analysis of Hidden Units in a Layered Network Trained to Classify Sonar Targets," Neural Networks , Vol. 1, No. 1, 75-89, 1988. 

    상세보기 crossref

  14. D.F. Specht, “Probabilistic Neural Networks,” Neural Networks , Vol. 3, No. 1, pp. 109-118, 1990. 

    상세보기 crossref

  15. D.F. Specht,, “Enhancements to the Probabilistic Neural Networks,” Proceeding of IEEE International Joint Conference Neural Networks , pp. 761-768, 1992. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 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