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
- 수신한 레이더 신호로부터 파라미터 벡터를 추출하는 것은 매우 복잡한 신호분석이 필요하고[2] 재밍방법을 선택하기 위한 신호분류와는 별개의 분야이다. 따라서 이 논문에서는 파라미터 벡터 추출은 완료한 상태에서 레이더 신호를 분류하는 방법을 고려한다.
- 레이더 재밍은 레이더 신호의 형태에 따라 즉 위협 형태에 따라 다른 방법을 적용해야 한다. 또 일련의 적의 피격과정 중 한 개의 요소만을 방해하는 다수의 요소들을 방해하거나 약화시킴으로써 그 목적을 달성할 수 있다. 재밍 기술의 발전에 따라 적 레이더의 형태도 지속적으로 변화되고 또 개선되고 있다.
- 이 논문에서는 기존의 재밍기법 할당 방식의 한계를 개선하기 위하여 K-means 및 HMM과 신경망으로 구성된 분류기를 제시하였다. 학습 데이터는 위협신호의 특성 중에서 펄스의 중심주파 수(RF)와 펄스반복간격(PRI)을 사용하였다.
- 이 논문에서는 새로운 위협 신호에 대응하기 위한 방법으로, 기계학습 방법을 적용하여 기존에 축적된 라이브러리를 학습시킨 후, 실전 상황에서는 분석된 위협 신호의 데이터를 이용하여 적응적으로 최적의 재밍기법에 해당하는 그룹으로 신호를 분류하는 방법을 제안하고자 한다.
- 재밍의 목적은 전자전 환경에서 적이 전파를 자유롭게 이용하지 못하도록 방해하는 것이다. 재밍은 통신정보의 송수신을 방해하는 통신 재밍과, 항법 시스템, 레이더 등의 수신을 방해하는 비통신 재밍으로 구분할 수 있다[1].
가설 설정
- 이 논문에서 사용하는 레이더 신호는 짧은 펄스가 변조된 형태의 펄스 레이더 신호라고 가정 한다. 펄스 레이더는 현대전에서 사용되는 레이더의 대부분을 차지한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.