레이다를 사용한 미사일 표적의 정확한 탐지 및 추적을 위해서는 채프 구름의 레이다 반사 단면적(Radar Cross Section: RCS)에 대한 분석이 반드시 필요하다. 따라서 본 논문에서는 다양한 환경에서 보다 효과적인 채프 구름의 RCS 분석을 위해 채프 구름 내 채프들을 개별적으로 계산하여 합하는 RCS 예측 방법과 공기역학 모델 기반의 확률밀도분포 모델을 사용한 RCS 예측 방법을 비교 및 분석하였다. 여기서, 상기 두 기법을 보다 더 정밀하게 비교 및 분석하기 위해 본 논문에서는 상용 전자기 수치해석 소프트웨어인 FEKO 7.0을 활용하여 반 파장 다이폴 형태의 단일 채프 CAD 모델의 RCS 값을 획득하여 채프 구름의 RCS를 모사하였다. 분석 결과, 확률 밀도 분포 모델을 사용한 경우 보다 효율적으로 체프 구름의 RCS 값을 예측할 수 있음을 확인하였다.
레이다를 사용한 미사일 표적의 정확한 탐지 및 추적을 위해서는 채프 구름의 레이다 반사 단면적(Radar Cross Section: RCS)에 대한 분석이 반드시 필요하다. 따라서 본 논문에서는 다양한 환경에서 보다 효과적인 채프 구름의 RCS 분석을 위해 채프 구름 내 채프들을 개별적으로 계산하여 합하는 RCS 예측 방법과 공기역학 모델 기반의 확률밀도분포 모델을 사용한 RCS 예측 방법을 비교 및 분석하였다. 여기서, 상기 두 기법을 보다 더 정밀하게 비교 및 분석하기 위해 본 논문에서는 상용 전자기 수치해석 소프트웨어인 FEKO 7.0을 활용하여 반 파장 다이폴 형태의 단일 채프 CAD 모델의 RCS 값을 획득하여 채프 구름의 RCS를 모사하였다. 분석 결과, 확률 밀도 분포 모델을 사용한 경우 보다 효율적으로 체프 구름의 RCS 값을 예측할 수 있음을 확인하였다.
Radar cross section (RCS) analysis of chaff clouds is essential for the accurate detection and tracking of missile targets using radar. For this purpose, we compare the performance of two existing methods of predicting RCS of chaff clouds. One method involves summing up the RCS values of individual ...
Radar cross section (RCS) analysis of chaff clouds is essential for the accurate detection and tracking of missile targets using radar. For this purpose, we compare the performance of two existing methods of predicting RCS of chaff clouds. One method involves summing up the RCS values of individual chaffs in a cloud, while the other method predicts the RCS values using aerodynamic models based on the probability density function. In order to compare and analyze the two techniques more precisely, the RCS of a single chaff computer-aided design model consisting of a half wavelength dipole was calculated using the commercial electromagnetic numerical analysis software, FEKO 7.0, to estimate the RCS values of chaff clouds via simulation. Thus, we verified that our method using the probability density distribution model is capable of analyzing the RCS of chaff clouds more efficiently.
Radar cross section (RCS) analysis of chaff clouds is essential for the accurate detection and tracking of missile targets using radar. For this purpose, we compare the performance of two existing methods of predicting RCS of chaff clouds. One method involves summing up the RCS values of individual chaffs in a cloud, while the other method predicts the RCS values using aerodynamic models based on the probability density function. In order to compare and analyze the two techniques more precisely, the RCS of a single chaff computer-aided design model consisting of a half wavelength dipole was calculated using the commercial electromagnetic numerical analysis software, FEKO 7.0, to estimate the RCS values of chaff clouds via simulation. Thus, we verified that our method using the probability density distribution model is capable of analyzing the RCS of chaff clouds more efficiently.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 다양한 환경에서 효과적인 채프 구름의 RCS 분석을 위하여 기존의 채프 구름 RCS 예측 방법[2]~[4]에서 제안한 채프의 확률밀도분포 모델을 사용한 채프구름 RCS 예측 방법의 분석 및 성능 검증을 수행하였다.
가설 설정
4 GHz의 주파수에서 수행 되었으며, 상기 주파수에 해당하는 비교적 짧은 파장에 기인하여 식 (1)의 상수 α는 1로 설정하였다. 또한 채프의 고각 및 방위각은 채프와 레이다사이의 수평 및 수직거리를 각각 1 km 및 30 m로 가정하여 계산되었으며, 채프의 수직거리가 0 m 이하가 되면 해당하는 채프의 RCS를 0으로 하였다. 채프 구름 내 채프의 기울기 및 위치 등은 정확한 예측이 불가능한 확률모형이므로 100번의 몬테카를로 시뮬레이션(Monte-Carlo simulation)을통해 결과를 추출하였다.
시간에 따른 채프 구름의 RCS 예측 시뮬레이션은 N = 1,000,000일 경우를 가정하여 수행하였다. 시뮬레이션은 13초 동안 0.
제안 방법
2755초로 매우 큰 차이를 보였다. Nf가 방법 2의 정확도 및 계산시간에 끼치는 영향을 분석하기 위하여 N =1,000,000일 때, 방법2의 Nf 변화에 따른 두 가지 방법의 채프 구름 RCS 오차 및 계산시간을 분석하였다.
이와 같은 이유로 참고문헌 [4]에서는 공기역할 모델을 통해 채프의 방향 및 위치의 확률 밀도 분포(probability density distri-bution)를 결정함으로써 채프 구름의 RCS를 시간과 위치의 함수로써 예측하는 기법을 제안하였다. 따라서 적절한 채프 구름 RCS 예측 기법을 통해 다양한 환경에서 효율적으로 채프 구름의 RCS를 분석하기 위하여 본 논문에서는 채프 구름 내 채프들을 개별적으로 계산하여 합하는 방법[2],[3] 및 확률 밀도 분포모델을 적용하여 계산하는 방법[4]을 비교분석하였으며 앞으로 상기 각각의 예측 방법을 방법 1 및 방법 2라고 정의한다. 여기서 방위각 및 고각에 따른 단일 채프의 RCS는 상용 전자기 수치해석 소프트웨어인 FEKO 7.
먼저 HH 편파를 가정할 때, 방법 1 및 방법 2를 통해계산된 채프 구름 RCS 오차는 다음과 같이 계산하였다.
먼저 채프 구름의 RCS 예측은 채프 구름 내 각각의 채프 RCS를 순람표로부터 불러와 합 연산을 하는 방법(방법 1) 및 확률밀도분포 모델을 적용하여 계산하는 방법(방법 2)로 각각 수행되었다. 이때 두 가지 방법을 통한 채프 구름의 RCS 계산 결과에 대한 비교 및 분석은 Nf 및 시간에 따른 채프 구름의 RCS 예측 결과를 통해 수행된다.
상기 정의된 수직, 수평방향 채프의 확률 밀도 분포를통한 시각 t에서의 정규화 된 RCS 밀도 계산을 위하여먼저 Nf개의 채프를 이용한 평균 RCS를 다음과 같이 계산한다.
먼저 채프 구름의 RCS 예측은 채프 구름 내 각각의 채프 RCS를 순람표로부터 불러와 합 연산을 하는 방법(방법 1) 및 확률밀도분포 모델을 적용하여 계산하는 방법(방법 2)로 각각 수행되었다. 이때 두 가지 방법을 통한 채프 구름의 RCS 계산 결과에 대한 비교 및 분석은 Nf 및 시간에 따른 채프 구름의 RCS 예측 결과를 통해 수행된다. 채프 구름의 RCS 예측 실험은 16.
이때 채프의 RCS는 방위각 및 고각 방향으로 각각 1° 간격으로 0°~90° 범위에서 계산되었으며, 수 만개의 채프들로 이루어진 채프구 름의 RCS 계산시간을 단축시키기 위하여 계산된 RCS 결과를 순람표(look-up table)로 구성하였다.
또한 채프의 고각 및 방위각은 채프와 레이다사이의 수평 및 수직거리를 각각 1 km 및 30 m로 가정하여 계산되었으며, 채프의 수직거리가 0 m 이하가 되면 해당하는 채프의 RCS를 0으로 하였다. 채프 구름 내 채프의 기울기 및 위치 등은 정확한 예측이 불가능한 확률모형이므로 100번의 몬테카를로 시뮬레이션(Monte-Carlo simulation)을통해 결과를 추출하였다.
데이터처리
여기서 방위각 및 고각에 따른 단일 채프의 RCS는 상용 전자기 수치해석 소프트웨어인 FEKO 7.0(EM Software & Systems)를 이용하여 계산하였다.
이론/모형
먼저 단일 채프의 RCS을 분석을 위하여 그림 3(a)와 같은 채프 computer aided design(CAD) 모델 및 전자기 수치해석 소프트웨어 FEKO 7.0을 사용하였다. 계산에 사용된 채프의 길이, l및 반경, c는 각각 운용주파수 16.
채프 구름의 수평방향 분포에 일반적인 분포 모델을 적용시킬 경우 일정시간 경과 후 실제 관측된 채프 구름보다 더 큰 반경의 채프 구름을 형성한다. 이와 같은 오차를 보완하기 위하여 그림 2와 같은 나선 운동 모델(helical motion model)을 이용한다[8]. 바람의 영향이 없을 경우 채프의 분포는 반경 r에 대해 방위적으로 대칭이며, 동일한 높이에 있는 채프들의 수평 속도 u는 동일하지만 서로 다른 각속도 Ωi를 가지므로 시각 t에서 채프들의 수평거리는 서로 상이하며 다음과 같다.
채프 구름의 RCS 예측 시뮬레이션에서 보다 효율적인 계산을 위하여 앞서 계산된 채프 RCS 순람표를 사용하였다. 시뮬레이션 수행환경은 i7-7700K CPU @ 3.
성능/효과
3333px;">f=20,000까지 시뮬레이션을 수행한 결과를 나타낸다. Nf=1,000일 때 각 시각에 따라서 1.26 %, 9.66 % 및 6.82 %로 가장 높은 오차를 보였으며, Nf= 10,000 이상일 때 모든 시각에서 5% 이하의 오차를 보였다. 방법 1 및 N
전자기 수치해석 기법을 바탕으로 실험을 수행한 결과, 기존의 채프 구름 RCS 예측 방법은 정확한 분석을 위하여 100만 개의 채프에 대한 계산을 모두 수행해야 하지만, 확률 분포 모델을 적용하여 RCS 예측을 수행한 방법은 1만개의 채프만을 사용하여도 100만 개의 채프 구름과 유사한 결과를 획득할 수 있었다. 그 결과, HH 편파에서 5%이하의 오차로 100배 정도 빠르게 계산시간을 단축할 수 있었다. 따라서 참고문헌 [4]에서 제안된 기법을 사용할 경우, 향후 레이다 전자전 분야에서 채프 구름의 영향을 보다 효율적이고 정확하게 분석할 수 있을 것이다.
방법 1 및 방법 2로 수행한 시간에 따른 채프 구름의 RCS 예측결과는 그림4에서 확인할 수 있다. 두 가지 방법으로 예측한 채프 구름의 RCS 결과가 매우 유사한 반면, 방법 1 및 방법 2 수행에 소요된 계산시간은 평균 32.1998초 및 0.2755초로 매우 큰 차이를 보였다. Nf가 방법 2의 정확도 및 계산시간에 끼치는 영향을 분석하기 위하여 N =1,000,000일 때, 방법2의 Nf 변화에 따른 두 가지 방법의 채프 구름 RCS 오차 및 계산시간을 분석하였다.
상기 결과들을 통하여 방법 2의 경우 방법 1과 비교하여 효율적으로 채프 구름의 RCS 예측을 수행하였음을 확인할 수 있었다.
전자기 수치해석 기법을 바탕으로 실험을 수행한 결과, 기존의 채프 구름 RCS 예측 방법은 정확한 분석을 위하여 100만 개의 채프에 대한 계산을 모두 수행해야 하지만, 확률 분포 모델을 적용하여 RCS 예측을 수행한 방법은 1만개의 채프만을 사용하여도 100만 개의 채프 구름과 유사한 결과를 획득할 수 있었다. 그 결과, HH 편파에서 5%이하의 오차로 100배 정도 빠르게 계산시간을 단축할 수 있었다.
후속연구
그 결과, HH 편파에서 5%이하의 오차로 100배 정도 빠르게 계산시간을 단축할 수 있었다. 따라서 참고문헌 [4]에서 제안된 기법을 사용할 경우, 향후 레이다 전자전 분야에서 채프 구름의 영향을 보다 효율적이고 정확하게 분석할 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
채프 RCS를 극대화시킨 예는 무엇인가?
이와 같은 이유로 채프 RCS를 극대화시키기 위하여 레이다 운용 주파수의 반 파장에 해당하는 길이를 갖는 전도체로 코딩된 가는 섬유형태를 갖는다[2]. 특히, 항공기나 함정과 같이 RCS가 큰 표적을 기만하는 경우에는 보다 큰 RCS를 형성하기 위하여 수만에서 수천만 개의 채프들로 이루어진 채프 구름(chaff cloud)을 사용한다. 따라서 채프를 피해 표적을 정확히 탐지해야 하는 레이다 입장에서는 채프의 수 및 시간 등의 다양한 변수들에 따른 채프 구름의 RCS 변화 특성을 분석할 필요가 있다.
채프 구름의 레이다 반사 단면적에 대한 분석이 필요한 이유는 무엇인가?
레이다를 사용한 미사일 표적의 정확한 탐지 및 추적을 위해서는 채프 구름의 레이다 반사 단면적(Radar Cross Section: RCS)에 대한 분석이 반드시 필요하다. 따라서 본 논문에서는 다양한 환경에서 보다 효과적인 채프 구름의 RCS 분석을 위해 채프 구름 내 채프들을 개별적으로 계산하여 합하는 RCS 예측 방법과 공기역학 모델 기반의 확률밀도분포 모델을 사용한 RCS 예측 방법을 비교 및 분석하였다.
추적 레이다가 표적이 아닌 채프를 추적하도록 유도하기 위한 표적과 채프의 조건은 무엇인가?
레이다를 이용하여 표적의 탐지 및 추적을 수행하는 현대전의 특성상 채프는 빠질 수 없는 주요 대응 수단이다. 이때 추적 레이다가 표적이 아닌 채프를 추적하도록 유도하기 위해 표적은 가능한 낮은 레이다 반사 단면적(radar cross section, RCS)을 형성[1]하여야 하며, 채프는 보다 큰 RCS를 형성하여야 한다. 이와 같은 이유로 채프 RCS를 극대화시키기 위하여 레이다 운용 주파수의 반 파장에 해당하는 길이를 갖는 전도체로 코딩된 가는 섬유형태를 갖는다[2].
참고문헌 (8)
신호근, 이석곤, 박동민, 신진우, 정명수, 박상현, 박용배, "함정용 통합 마스트의 레이다 단면적 분석," 한국전자파학회지논문지, 28(7), pp. 584-587, 2017년 7월.
N. Kruger, "Modeling the EM properties of dipole reflections with application to uniform chaff clouds," Master's thesis, University of Stellenbosch, Matieland, South Africa, Dec. 2009.
G. W. Stimson, Introduction to Airborne Radar(Aerospace & Radar Systems), 3rd ed. SciTech Publishing, 2014.
S. W. Marcus, "Dynamics and radar cross section density of chaff clouds," IEEE Transactions on Aerospace and Electronic Systems, vol. 40, no. 1, pp. 93-102, Jan. 2004.
S. J. Lee, S. J. Jeong, B. S. Kang, H. Kim, S. M. Chon, and H. G. Na, et al., "Classification of shell-shaped targets using RCS and fuzzy classifier," IEEE Transactions on Antennas and Propagation, vol. 64, no. 4, pp. 1434-1443, Apr. 2016.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.