$\require{mediawiki-texvc}$

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] 표적 식별 성능 향상을 위한 EMD를 이용한 HRRP의 잡음 제거 기법
De-Noising of HRRP Using EMD for Improvement of Target Identification Performance 원문보기

韓國電磁波學會論文誌 = The journal of Korean Institute of Electromagnetic Engineering and Science, v.28 no.4, 2017년, pp.328 - 335  

박준용 (국방과학연구소) ,  이승재 (포항공과대학교 전자전기공학과) ,  양은정 (국방과학연구소) ,  김경태 (포항공과대학교 전자전기공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 레이다 표적식별 성능을 향상시키기 위하여 고해상도 거리측면도(High Resolution Range Profile: HRRP)에 포함된 잡음을 효과적으로 제거하는 방법을 제안한다. 제안된 기법은 HRRP에 포함된 잡음의 통계적인 특성과 EMD(Empirical Mode Decomposition) 알고리즘을 이용하여 HRRP에 포함된 잡음을 효과적으로 제거한다. 잡음 제거 실험 결과에서는, 본 논문에서 제안한 기법이 잡음을 효과적으로 제거하면서, 표적 식별 성능을 크게 향상시키는 것을 수치적으로 확인할 수 있었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we propose an efficient method to remove noise component contained in high resolution range profile(HRRP) to improve target identification performance. The proposed method can effectively eliminate the noise component using both the statistical characteristics of the noise component a...

주제어

#De-Noising   #EMD   #HRRP   #Target Identification  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 반면, EMD를 이용한 기법의 경우, 잡음의 분포를 사용자가 사전에 알 필요가 없으며, 기저함수 또한 순수하게 입력신호에 의해서 결정되는 등 잡음 제거에 유용한 특성을 지니고 있다. 따라서 본 논문에서는 EMD 잡음 제거 기법을 기반으로 HRRP에 포함된 잡음을 효과적으로 제거하는 방법을 제안한다.
  • 하지만 HRRP에 포함된 잡음을 제거하는 연구는 표적의 각도 변화가 미세한 경우나 기상 레이다와 같은 매우 제한적인 경우에 대해서만 연구[2],[3]가 이루어지는 등 실질적으로 연구가 거의 이루어지지 않았다. 따라서 본 논문에서는 잡음으로 인한 식별기의 성능 저하를 막기 위해서 HRRP에 포함된 잡음을 효과적으로 제거하는 전처리(pre-processing) 방법[4]를 제안한다.
  • 본 논문에서는 EMD 알고리즘과 HRRP 내 포함된 잡음의 통계적인 특성을 이용하여 효과적으로 HRRP에 포함된 잡음을 제거할 수 있는 기법을 제안하였다. 실험 결과에서는 제안한 EMD 기반 잡음 제거 방법을 이용하여 HRRP의 SNR과 HRRP를 이용한 표적 식별 성능을 크게 향상시키고 있다는 것을 수치적으로 확인하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
고해상도 거리 측면도란? 고해상도 거리 측면도(High Resolution Range Profile: HRRP)[1]는 표적의 전자기적 산란 분포를 레이다 가시선(Radar Line of Sight: RLOS) 방향으로 도시하는 1차원 레이다 영상이다. HRRP는 2차원 레이다 영상인 ISAR 영상에 비하여 실시간으로 획득이 가능하지만, 이를 이용한 표적식별 연구들은 비교적 잡음에 취약한 식별결과를 보였다.
잡음 제거 기법을 구분하시오. 잡음 제거 기법은 크게 필터를 이용한 방법, 웨이블릿을 이용한 방법 그리고 empirical mode decomposition(EMD)[5]를 이용한 방법으로 구분할 수 있다. 그러나 앞서의 두 가지 방법은 매우 제한적인 측면이 있다.
잡음으로 인한 식별 성능의 저하를 막기 위해서는 HRRP에 포함된 잡음을 사전에 제거하는 방법이 필요한 이유는? 고해상도 거리 측면도(High Resolution Range Profile: HRRP)[1]는 표적의 전자기적 산란 분포를 레이다 가시선(Radar Line of Sight: RLOS) 방향으로 도시하는 1차원 레이다 영상이다. HRRP는 2차원 레이다 영상인 ISAR 영상에 비하여 실시간으로 획득이 가능하지만, 이를 이용한 표적식별 연구들은 비교적 잡음에 취약한 식별결과를 보였다. 따라서 잡음으로 인한 식별 성능의 저하를 막기 위해서는 HRRP에 포함된 잡음을 사전에 제거하는 방법이 필요하다.
질의응답 정보가 도움이 되었나요?

참고문헌 (16)

  1. C. Ozedemir, Inverse Synthetic Aperture RADAR Imaging with MATLAB Algorithms, Wiley, 2012. 

  2. A. Zyweck, R. E. Bogner, "Radar target classification of commercial aircraft", IEEE Transactions on Aerospace and Electronic Systems, vol. 32, no. 2, 598-606, 1996. 

    상세보기 crossref

  3. N. Padmaja, S. Varadarajan, and R. Swathi, "Signal processing of RADAR echoes using wavelets and Hilbert Hung transform", SIPIJ, vol. 2, no. 3, pp. 101-119, Sep. 2011. 

    crossref

  4. 박준용, 이승재, 양은정, 김경태, "EMD를 이용한 HRRP의 잡음 제거 기법", 2015년도 한국전자파학회 종합학술대회 논문집, 25(1), p. 11, 2015년 11월. 

  5. N. E. Huang, Z. Shen, S. R. Long, M. C. Wu, H. H. Shin, Q. Zheng, N. C. Yen, C. C. Tung, and H. H. Liu, "The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis", Proc. Royal Soc. London A, pp. 903-995, 1998. 

  6. P. Flandrin, G. Rilling, and P. Goncalves, "Empirical mode decomposition as a filter bank", IEEE Signal Processing Letters, vol. 11, no. 2, pp. 112-114, Feb. 2004. 

    상세보기 crossref

  7. J. Huang, J. Xie, F. Li, and L. Li, "A threshold denoising method based on EMD", Journal of Theoretical and Applied Information Technology, vol. 47, no. 1, pp. 419-424, Jan. 2013. 

  8. A. O. B, J. C. Cexus, "Denoising via empirical mode decomposition", in Proc. ISCCSP 2006, 2006. 

  9. Y. Kopsinis, S. Mclaughlin, "Development of EMD-based denoising methods inspired by wavelet thresholding", IEEE Transactions on Signal Processing, vol. 57, no. 4, Apr. 2009. 

    상세보기

  10. D. L. Donoho, "De-noising by soft-thresholding", IEEE Trans. Inform. Theory, pp. 613-627, 1995. 

  11. Z. Wu, N. E. Huang, "A study of the characteristics of white noise using the empirical mode decomposition method", Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, pp. 1597- 1611, Jun. 2004. 

  12. M. P. Fitz, Fundamentals of Communications Systems, McGraw-Hill, 2007. 

  13. M. Soumekh, Synthetic Aperture Radar Signal Processing with MATLAB Algorithms, John Wiley Inc, pp. 7-46, New York, 1999. 

  14. R. O. Duda, P. E. Hart, and D. G. Stork, Pattern Classification, 2nd, Wiley, 2001. 

  15. D. Baleanu, "Advances in wavelet theory and their applications in engineering", Physics and Technology, In- Tech, 2012. 

  16. B. P. Lathi, Linear Systems and Signals 2nd, Oxford, 2009. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

유발과제정보 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