선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그림 3의 우측에서 보듯이, ICM 효과에 의한 클러터 반사율의 변화로 클러터 전력이 도플러 방향으로 퍼진 것을 볼 수 있다. 본 논문은 클러터 모의에 ICM 모의도 첨가하여 제시한 STAP 처리방법의 성능을 비교한다.
제안 방법
- Σ, Δ 및 Λ 수신 채널을 가진 항공기 레이다의 GMTI모드에서 지상이동물체 탐지를 위한 주엽클러터 제거 방법으로 3가지의 Σ-Δ STAP 처리 방법을 제시하였다.
- ICM 등의 환경을 고려한 시뮬레이션을 통해 제시한 3가지 Σ-Δ STAP 처리 방법의 클러터 제거 성능이 우수함을 보였고, 3가지 방법의 성능을 비교하였다.
- 고정적이지 않은(non-stationary) 클러터의 특성을 반영한 ICM 모의를 첨가한 모의클러터에 대한 Σ-Δ STAP의 성능도 비교하였다.
- 그림 7의 1행과 3행은 Σ-Δ STAP 처리 결과와 비교를 위해 각각 ICM을 첨가 안한 경우와 첨가한 경우의 Σ-Δ STAP 처리전 R/D 맵을 보였다. 도플러 처리에서 WD를 행하였다. 그림 7의 2행과 4행의 결과를 비교하면 ICM에 의해 Σ-Δ STAP의 성능이 조금 저하되는 것을 볼 수 있다.
- 본 논문에서는 항공기 레이다의 안테나 수신 채널(Σ, Δ 채널)을 고려하여 D/B 영역에서의 RD STAP 중에서 sigma-delta STAP(Σ-Δ STAP)의 항공기 레이다 GMTI 모드에 적용 방법 제안 및 시뮬레이션을 행하였다.
- 본 논문의 항공기 레이다는 Σ(Sum), Δa(Diff. Azimuth, Δ Azimuth), Δe(Diff. Elevation, Δ Elevation, ), Λ(Guard) 채널을 가진 것을 고려하며, 이 4개의 안테나 수신 채널을 가지고 GMTI를 수행한다.
- 본 장에서는 시뮬레이션을 통해 본 논문의 3가지 Σ-Δ STAP 방법의 성능을 비교한다.
- 본 절은 본 논문의 3가지 Σ-Δ STAP 방법의 MDV 성능을 구하여 본다.
- 선형 시불변 필터의 입력이 백색 가우시안 랜덤 프로세스이면 출력은 유색 가우시안 랜덤이다. 선형 시불변 필터의 전력 스펙트럼이 BLS ICM 모델의 전력 스펙트럼 모양을 따르도록 필터를 설계한다.
대상 데이터
- 그림 10은 본 논문에서 사용한 시스템 파라미터로 구한 허용가능 SNR 손실을 보여준다. MDV 성능 평가를 위해 본 논문에서 사용한 시스템 파라미터 및 요구 성능은표 1의 파라미터 및 RCS=10 m2, Pd=0.8, Pfa=10-6, 표적 탐지거리=50 km 등이다. 그림 10은 SNR-Pd그래프로서 실선은 요구되는 Pfa =10-6일 때 요구되는 SNR과 성취 가능한 Pd를 나타낸다.
- 그러므로 Σ-Δ STAP 처리성능 및 처리시간을 고려하여 훈련데이터를 적절히 정해야 한다. 그림 2에서 볼 수 있듯이, 거리 방향에서 처리될 데이터를 중심으로 양쪽으로 훈련데이터를 수집하며, 논문의 모든 시뮬레이션들에서 훈련데이터를 수집할 때 거리방향 셀 수는 200개로 하였다.
데이터처리
- 성능 평가 시뮬레이션에서는 ICM(Internal Clutter Motion) 환경을 고려하여 클러터를 모의하고 제안 방법으로 적용된 STAP의 성능을 평가하였다.
- Elevation, Δ Elevation, ), Λ(Guard) 채널을 가진 것을 고려하며, 이 4개의 안테나 수신 채널을 가지고 GMTI를 수행한다. 표 1에 따라 시뮬레이션을 행하고, 제안한 STAP 방법의 성능을 평가한다. 참고로 표 1의 감마(Gamma)는 상수 감마 (constant gamma) 클러터 반사계수 모델에서 감마의 값을 나타내며, 주엽클러터 거리는 안테나 빔의 중심이 바라보는 지면과 항공기 사이의 거리이다.
이론/모형
- 바람의 속도에 따라 흔들리는 숲/바다와 같은 다양한 지형들로부터 획득한 데이터를 이용하여, 바람 속도와 지형에 따른 BLS 모델의 파라미터 값을 구해 놓고 있다[5]. 본 논문에서는 Mountcastle[5]이 제시한 BLS ICM을 반영한 모의 데이터 생성 방법을 사용한다. Mountcastle[5]은 백색 가우시안 랜덤 프로세스를 적당한 선형 시불변 필터에 통과시킴으로써 BLS ICM을 반영한 시퀀스를 생성했다.
성능/효과
- 3가지 Σ-Δ STAP 처리 방법 모두 MDV 측면에서 좋은 성능을 보였으며, 방법 3의 Σ-Δ STAP 처리 방법이 최고의 성능을 보였다.
- 현재 레이다 신호 처리에 많이 사용되고 있는 DSP의 능력으로 3가지 방법 모두 충분히 실시간 처리가 가능하도록 구현할 수 있다. STAP 처리가 시스템의 제약 사항을 적게 받는 특징이 있으며, 본 논문에서 제시한 Σ-Δ STAP 처리 방법 및 GMTI 처리 방법들은 특정 항공기 레이다 시스템에 의한 제약 사항에 덜 영향을 받으면서 실제 적용이 용이하다.
- 또한, 제시한 Σ-Δ STAP 처리 방법을 GMTI 처리에 적용하는 흐름을 제시하고, GMTI 처리 과정을 시뮬레이션하여 효과적으로 오표적이 적게 표적 추출이 됨을 확인하였다.
- 방법 3의 Σ-Δ STAP은 도플러 처리에서 WD를 하지 않아도 SINR이 좋아지는 결과를 얻을 수 있는 것으로 보인다.
- 시뮬레이션 과정 중에 도플러 처리에서 WD 처리가 Σ-Δ STAP의 클러터 제거 성능에 영향을 미침을 확인하고, 도플러 처리에서 WD 처리를 해주는 것이 Σ-Δ STAP에 의한 SINR 향상에 좋음을 알았다.
- 차례로 그림 5의 2행과 그림 6의 1행, 그림 5의 3행과 그림 6의 2행, 그리고 그림 5의 4행과 그림 6의 3행을 비교하면, 그림 6의 Σ-Δ STAP 처리 결과의 표적 SINR이 대체로 높은 것을 볼 수 있다.
후속연구
- 그러므로 Σ-Δ STAP의 성능 및 STAP 처리에 필요한 연산 시간, 그리고 SLB 처리가 가능한 레이다 시스템이냐에 따라 제안한 3가지 방법 중에서 적절한 Σ-Δ STAP 처리 방법을 선택할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.