[논문]음향 탐지 성능 분포도 기반에서 함정 최적탐색패턴에 관한 연구

천민기; 김선효; 최지웅; 최철우; 손수욱; 박정수

doi:10.9766/kimst.2017.20.3.328

음향 탐지 성능 분포도 기반에서 함정 최적탐색패턴에 관한 연구
Optimal Search Pattern of Ships based on Performance Surface 원문보기

韓國軍事科學技術學會誌 = Journal of the KIMST, v.20 no.3, 2017년, pp.328 - 336

천민기 (해군사관학교 해양학과) , 김선효 (한양대학교 해양융합공학과) , 최지웅 (한양대학교 해양융합공학과) , 최철우 (해군본부) , 손수욱 (국방과학연구소 제6기술연구본부) , 박정수 (국방과학연구소 제6기술연구본부)

Abstract ▼ AI-Helper

The goal of this study is simulation of optimal search pattern of ships based on performance surface which are reflected underwater environmental. The process is as follows. First, temporal and spatial environmental database are extracted in complex environment and input hull mounted SONAR system parameters. The environmental database and SONAR system parameters are substituted to SONAR equations, and calculate signal excess, detection probability, detection range. And then, the performance surface, which can be used to provide operational insight of SONAR detection performance, are pictorialized. Finally, optimal search pattern of ships are simulated using genetic algorithm based on performance surface. And then, we certify optimal search pattern in various ways.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 넓은 해역에서 최소의 시간과 전력을 투입해 최적탐색 경로를 산출하기 위한 최적화 알고리즘으로 유전자 알고리즘을 적용하였다. 유전자 알고리즘은 생물의 유전(genetic)과 진화(evolution) 과정을 기반으로 자연계의 진화 원리를 이용하여, 최적화 문제를 해결하기 위한 알고리즘의 한 종류이다.
본 연구에서는 수중 환경 특성이 반영된 해역을 토대로 음향 탐지 성능 분포도를 구현하였다. 또한, 이를 기반으로 함정의 최적탐색을 모의하기 위해 유동적인 환경에서 소나 탐색경로의 최적화에 사용되는 GA(Genetic Algorithm)을 적용하였고^[3], 음향 탐지 성능 분포도 기반에서 상기 알고리즘을 적용하여, 함정의 최적탐색을 모의하였다.

제안 방법

목표해역의 해양환경 특성과 운용하게 될 소나의 특성을 반영하여, 소나의 성능을 가시화한 음향 탐지 성능 분포도를 구현하고, 이를 기반으로 유전자 알고리즘을 사용해 특정구역 내 수중 표적에 대한 누적탐지확률이 가장 높은 경로를 제공하는 최적탐색 알고리즘을 구현하였다. 또한, 사후 검증의 개념을 도입하여, 임의의 구역에 설정된 수중 표적 존재구역을 최적탐색 알고리즘으로 산출된 함정의 경로가 탐색 하는가에 대한 신뢰도 검증을 추가로 수행하였으며, 음향 탐지 성능 분포도 기반에서 최적탐색 알고리즘을 사용한 경우와 그렇지 않은 경우의 누적탐지확률을 비교하여 효율성을 확인하였다. 본 연구에서 설정한 입력변수들, 즉, 음원 의심도, 소나 제원 및 누적탐지확률 계산 알고리즘을 상황에 맞게 변경하면, 다양한 소나체계의 최적탐색 알고리즘 구현도 가능하다.
본 연구에서는 수중 환경 특성이 반영된 해역을 토대로 음향 탐지 성능 분포도를 구현하였다. 또한, 이를 기반으로 함정의 최적탐색을 모의하기 위해 유동적인 환경에서 소나 탐색경로의 최적화에 사용되는 GA(Genetic Algorithm)을 적용하였고^[3], 음향 탐지 성능 분포도 기반에서 상기 알고리즘을 적용하여, 함정의 최적탐색을 모의하였다. 본 연구의 결과에서는 선정한 해역에서 함정의 최적탐색을 모의하고, 신뢰성 및 효율성을 분석하였다.
본 연구에서는 해양 환경 변동을 고려한 음향 탐지성능 분포도 기반에서 유전자 알고리즘을 사용해 함정 최적탐색 알고리즘을 구현하였다. 목표해역의 해양환경 특성과 운용하게 될 소나의 특성을 반영하여, 소나의 성능을 가시화한 음향 탐지 성능 분포도를 구현하고, 이를 기반으로 유전자 알고리즘을 사용해 특정구역 내 수중 표적에 대한 누적탐지확률이 가장 높은 경로를 제공하는 최적탐색 알고리즘을 구현하였다. 또한, 사후 검증의 개념을 도입하여, 임의의 구역에 설정된 수중 표적 존재구역을 최적탐색 알고리즘으로 산출된 함정의 경로가 탐색 하는가에 대한 신뢰도 검증을 추가로 수행하였으며, 음향 탐지 성능 분포도 기반에서 최적탐색 알고리즘을 사용한 경우와 그렇지 않은 경우의 누적탐지확률을 비교하여 효율성을 확인하였다.
본 연구에서 제시하는 최적탐색 모의에 대한 효율성을 확인하기 위해, 음향 탐지 성능 분포도 기반에서 최적탐색 알고리즘을 사용했을 경우와 해양 환경이 반영되지 않는 해역에서 최적탐색 알고리즘을 사용하지 않은 경우의 누적탐지확률을 비교하여 누적탐지확률의 차이를 확인하였다. 함정 1척이 4시간 동안 탐색하고, 소나 운용은 능동소나만 사용하는 것으로 최적탐색 모의 효율성 측정을 수행하였다.
본 연구에서는 해양 환경 변동을 고려한 음향 탐지성능 분포도 기반에서 유전자 알고리즘을 사용해 함정 최적탐색 알고리즘을 구현하였다. 목표해역의 해양환경 특성과 운용하게 될 소나의 특성을 반영하여, 소나의 성능을 가시화한 음향 탐지 성능 분포도를 구현하고, 이를 기반으로 유전자 알고리즘을 사용해 특정구역 내 수중 표적에 대한 누적탐지확률이 가장 높은 경로를 제공하는 최적탐색 알고리즘을 구현하였다.
또한, 이를 기반으로 함정의 최적탐색을 모의하기 위해 유동적인 환경에서 소나 탐색경로의 최적화에 사용되는 GA(Genetic Algorithm)을 적용하였고^[3], 음향 탐지 성능 분포도 기반에서 상기 알고리즘을 적용하여, 함정의 최적탐색을 모의하였다. 본 연구의 결과에서는 선정한 해역에서 함정의 최적탐색을 모의하고, 신뢰성 및 효율성을 분석하였다.
최적탐색 알고리즘에 대한 신뢰도 확인은 사후 검증 개념으로, 임의의 구역에 다양한 크기의 수중 표적 존재구역을 설정하고, 함정이 지정된 수중 표적 존재구역의 탐색 여부를 확인토록 수행하였다^[14]. 함정 1척이 8시간 동안 탐색하고, 소나 운용은 능동 소나만 사용하는 것으로 최적탐색 모의 신뢰도 측정을 수행하였다.
본 연구에서 제시하는 최적탐색 모의에 대한 효율성을 확인하기 위해, 음향 탐지 성능 분포도 기반에서 최적탐색 알고리즘을 사용했을 경우와 해양 환경이 반영되지 않는 해역에서 최적탐색 알고리즘을 사용하지 않은 경우의 누적탐지확률을 비교하여 누적탐지확률의 차이를 확인하였다. 함정 1척이 4시간 동안 탐색하고, 소나 운용은 능동소나만 사용하는 것으로 최적탐색 모의 효율성 측정을 수행하였다.
. 함정 1척이 8시간 동안 탐색하고, 소나 운용은 능동 소나만 사용하는 것으로 최적탐색 모의 신뢰도 측정을 수행하였다. Fig.

대상 데이터

음향 탐지 성능 분포도를 구현하기 위한 목표해역을 선정한다. 본 연구에서는 목표 해역을 거제 남방 10km 해역으로 선정하였다[Fig. 2(a)].

이론/모형

복합적인 임무 효과도 지수의 경우, 세부임무의 성능지수를 분석하고, 이를 종합하여 효과도 측정을 할 수있다. 미 해군 대잠전에서의 성능 지수는 Table 2와 같으며, 본 연구는 탐지로 국한되었기 때문에, 유전자 알고리즘의 목적함수로 ASW Detection MOPs의 한 항목인 누적탐지확률(CDP : Cumulative detection probabilityas a function of range)을 탐지 효과도 분석에 사용하였다.
식 (1)에서 ASE는 능동 신호초과(Active SE), SL은 소나 음원준위, TL은 소나에서 표적까지의 전달손실, DI는 지향지수, RL은 잔향음 준위, NL은 주변 소음준위, TS는 표적강도, DT는 탐지문턱을 나타낸다. 본 연구에서 적용한 능동 탐지 모델은 음선이론 기반의 BELLHOP^[9] 알고리즘을 적용하였다.
식 (2)에서 PSE는 수동 신호초과(Passive SE), SL은 표적의 음원준위, TL은 표적에서 소나까지의 전달손실을 나타낸다. 본 연구에서 적용한 수동 탐지 모델은 포물선 방정식 기반의 RAM(Range-dependent AcousticModel)^[10]을 적용하였다. 식 (1)과 식 (2)에서 계산된 신호초과는 식 (3)의 확률분포함수를 이용하여 Fig.

성능/효과

또한, 사후 검증의 개념을 도입하여, 임의의 구역에 설정된 수중 표적 존재구역을 최적탐색 알고리즘으로 산출된 함정의 경로가 탐색 하는가에 대한 신뢰도 검증을 추가로 수행하였으며, 음향 탐지 성능 분포도 기반에서 최적탐색 알고리즘을 사용한 경우와 그렇지 않은 경우의 누적탐지확률을 비교하여 효율성을 확인하였다. 본 연구에서 설정한 입력변수들, 즉, 음원 의심도, 소나 제원 및 누적탐지확률 계산 알고리즘을 상황에 맞게 변경하면, 다양한 소나체계의 최적탐색 알고리즘 구현도 가능하다.
신뢰도 확인은 표적의 존재구역을 변경하며 수회 수행하였고, Fig. 11에서 알 수 있듯이 최적탐색 경로들이 모든 표적 존재구역을 탐색하였기 때문에, 최적탐색 알고리즘이 신뢰도가 있는 것으로 판단하였다.

후속연구

현재 국내뿐만 아니라, 다른 나라 해군에서의 대잠탐색을 위한 전력 구성은 함정들만 구성된 탐색을 지양하고, 함정과 고정익ㆍ회전익 항공기 등의 다양한 전력을 구성하는 것이 추세이다. 각 전력별 탐색 가능시간이나 각 전력에서 운용하는 소나 간 간섭현상 등을 추가적으로 고려하여, 다양한 전력을 활용한 최적탐색 연구로 확장이 가능할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	수중에서 표적을 탐지할 때 레이더 대신, 음파를 사용하는 이유는 무엇인가?	수상에서 표적을 탐지하기 위한 주요 수단인 레이더(RADAR : RAdio Detection And Ranging)는 전자기파를 송신하여, 표적에 의해 반사된 수신 신호로, 표적을 탐지, 식별 및 추적한다. 하지만, 수중에서 전자기파는 거리에 따른 에너지 감쇠율이 음파에 비해 크기 때문에, 수중에서 표적을 탐지하기 위한 수단으로는 음파를 이용하며, 이러한 음파를 송ㆍ수신하는 장비를 소나(SONAR : SOund Navigation And Ranging)라고 한다.
	수상에서 표적을 탐지하는 레이더의 역할은 무엇인가?	수상에서 표적을 탐지하기 위한 주요 수단인 레이더(RADAR : RAdio Detection And Ranging)는 전자기파를 송신하여, 표적에 의해 반사된 수신 신호로, 표적을 탐지, 식별 및 추적한다. 하지만, 수중에서 전자기파는 거리에 따른 에너지 감쇠율이 음파에 비해 크기 때문에, 수중에서 표적을 탐지하기 위한 수단으로는 음파를 이용하며, 이러한 음파를 송ㆍ수신하는 장비를 소나(SONAR : SOund Navigation And Ranging)라고 한다.
	본 논문에서 구현한, 해양 환경 변동을 고려한 음향 탐지성능 분포도 기반에서 유전자 알고리즘을 사용한 함정 최적탐색 알고리즘의 내용이 무엇인가?	본 연구에서는 해양 환경 변동을 고려한 음향 탐지성능 분포도 기반에서 유전자 알고리즘을 사용해 함정 최적탐색 알고리즘을 구현하였다. 목표해역의 해양환경 특성과 운용하게 될 소나의 특성을 반영하여, 소나의 성능을 가시화한 음향 탐지 성능 분포도를 구현하고, 이를 기반으로 유전자 알고리즘을 사용해 특정구역 내 수중 표적에 대한 누적탐지확률이 가장 높은 경로를 제공하는 최적탐색 알고리즘을 구현하였다. 또한, 사후 검증의 개념을 도입하여, 임의의 구역에 설정된 수중 표적 존재구역을 최적탐색 알고리즘으로 산출된 함정의 경로가 탐색 하는가에 대한 신뢰도 검증을 추가로 수행하였으며, 음향 탐지 성능 분포도 기반에서 최적탐색 알고리즘을 사용한 경우와 그렇지않은 경우의 누적탐지확률을 비교하여 효율성을 확인하였다. 본 연구에서 설정한 입력변수들, 즉, 음원 의심도, 소나 제원 및 누적탐지확률 계산 알고리즘을 상황에 맞게 변경하면, 다양한 소나체계의 최적탐색 알고리즘 구현도 가능하다.

참고문헌 (14)

P. Mcdowell, "Environmental and Statistical Performance Mapping Model for Underwater Acoustic Detection Systems," University of New Orleans Theses and Dissertations, 2010.
S. H. Kim, et. al., "Optimal Deployment of Sensor Nodes based on Performance Surface of Acoustic Detection," Journal of the Korea Institute of Military Science and Technology, Vol. 18, No. 5, pp. 538-547, 2015.

원문보기 상세보기
J. H. Cho, et. al., "Measure of Effectiveness for Detection and Cumulative Detection Probability," Journal of the Korea Institute of Military Science and Technology, Vol. 15, No. 5, pp. 601-614, 2012.

원문보기 상세보기
C. Amante and B. W. Eakins, "ETOPO1 Arc-Minute Global Relief Model: Procedures, Data Source and Analysis," NOAA Technical Memorandum, NGDC (National Geophysical Data Center), 2009.
M. R. Carnes, "Description and Evaluation of GDEM-V 3.0," Naval Research Laboratory, 2009.
Korea Institute of Geology, Mining and Materials Rep. NP2007-010, 2007.
R. J. Urick, "Principles of Underwater Sound," 3rd edition, McGraw-Hill Book Company, USA, pp. 17-29, 1983.
A. D. Waite, "Sonar for Practising Engineers, 3rd edition," WILEY and SONS, UK, pp. 119-124, 2002.
B. P. Michael, "Gaussian Beam Tracing for Computing Ocean Acoustic Fields," Journal of the Acoustical Society of America, Vol. 82, No. 4, pp. 1349-1359, 1987.

상세보기
M. D. Collins, "User's Guide for RAM Versions 1.0 and 1.0p," Technical report, Naval Research Laboratory, Washington, pp. 1-14, 1995.
R. J. Urick, "Principles of Underwater Sound," 3rd edition, McGraw-Hill Book Company, USA, pp. 386-390, 1983.
C. W. Choi, "Optimal Deployment of Variable Depth Sonar Systems using Performance Surface and Genetic Algorithm," 2016.
K. P. Hemsteter and Donald R. DelBalzo, "Acoustic Benchmark Validation of GRASP ASW Search Plans," MTS/IEEE Conference on Ocean, Vol. 1, pp. 60-64, 2002.
D. P. Kierstead, D. R. DelBalzo: "A Genetic Algorithm Applied to Planning Search Paths in Complicated Environments," Military Operations Research 8, No. 2: pp. 45-49, 2003.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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