[논문]광역감시망 적용을 위한 HF 레이더 기반 선박 검출 및 추적 요소 기술

조철진; 박상욱; 이영로; 이상호; 고한석

doi:10.7780/kjrs.2017.34.2.2.2

광역감시망 적용을 위한 HF 레이더 기반 선박 검출 및 추적 요소 기술
Wide-area Surveillance Applicable Core Techniques on Ship Detection and Tracking Based on HF Radar Platform 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.34 no.2 pt.2, 2018년, pp.313 - 326

조철진 (고려대학교 영상정보처리협동과정) , 박상욱 (고려대학교 전기전자공학부) , 이영로 (고려대학교 전기전자공학부) , 이상호 (군산대학교 해양시스템공학과) , 고한석 (고려대학교 전기전자공학부)

초록
AI-Helper

현재 국내 환경에서의 HF 레이더는 기본적으로 표층해류의 속도와 방위의 측정에 최적화 되어있는 상태이다. 따라서, 이러한 환경하에서 선박을 탐지하는 데에는 큰 환경 잡음과 다수의 오검출로 인하여 기존의 선박 검출 및 추적 기술로는 정밀도에 한계점이 있다. 특히, 국내의 지형환경에 적합한 콤팩트형 HF(High Frequency) 레이더를 선박의 감시에 적용했을 경우에 나타나는 문제점들인 잡음과 간섭으로 인한 원신호 왜곡과 다수의 오검출이 발생하여 성능에 영향을 미치는 것을 극복하기 위한 검출 및 추적 기술이 요구된다. 본 논문에서는 이러한 조건 하에서 적용이 가능한 선박 검출 및 추적 기술을 제안을 하며, 서해에서 운용되고 있는 콤팩트 HF 레이더 사이트에서 획득한 관측 데이터에 적용하여 성능을 평가하였다. 제안된 기법은 선박의 검출에 대한 부분과 검출 결과의 추적에 대한 부분으로 이루어져 있다. 선박의 검출은 CFAR(Constant False Alarm Rate) 기반의 검출기를 활용하였으며, 실제 환경에서 불규칙적으로 획득되는 잡음과 오검출 신호를 줄이기 위한 PCA(Principal Component Analysis) 기반의 부분공간 분리기법을 적용하였다. 또한, 긴 입력 획득 주기(Coherent Processing Interval) 동안에 발생하는 도플러 주파수 변화로 인하여 하나의 선박이 다수의 검출값을 생성하기도 하는데, 이를 결합하기 위한 군집화 기법을 적용하였다. 선박의 검출 결과는 검출에 실패하거나 오검출을 포함시키는 경우도 발생하는데, 이러한 오검출을 줄이기 위한 선박 추적 기법을 적용하였다. 실험 결과에 따르면 제안된 선박 검출 및 추적 기술을 통하여 콤팩트 HF 레이더가 일정 거리에서 선박의 검출 성공율이 우수하다는 것을 확인할 수 있다.

Abstract ▼ AI-Helper

This paper introduces core techniques on ship detection and tracking based on a compact HF radar platform which is necessary to establish a wide-area surveillance network. Currently, most HF radar sites are primarily optimized for observing sea surface radial velocities and bearings. Therefore, many ship detection systems are vulnerable to error sources such as environmental noise and clutter when they are applied to these practical surface current observation purpose systems. In addition, due to Korea's geographical features, only compact HF radars which generates non-uniform antenna response and has no information on target information are applicable. The ship detection and tracking techniques discussed in this paper considers these practical conditions and were evaluated by real data collected from the Yellow Sea, Korea. The proposed method is composed of two parts. In the first part, ship detection, a constant false alarm rate based detector was applied and was enhanced by a PCA subspace decomposition method which reduces noise. To merge multiple detections originated from a single target due to the Doppler effect during long CPIs, a clustering method was applied. Finally, data association framework eliminates false detections by considering ship maneuvering over time. According to evaluation results, it is claimed that the proposed method produces satisfactory results within certain ranges.

주제어

표/그림 (16)

그림 Fig. 1. Comparison of HF Radar Structures (a) Phased-array Type (b) Compact Type.
그림 Fig. 2. Range-Doppler map obtained from compact HF radar.
그림 Fig. 3. Description of procedure for ship detection.
그림 Fig. 4. Example of sliding window of RDMs.
그림 Fig. 5. Density based clustering approach for ship candidate positioning.
그림 Fig. 6. Description of procedure for ship tracking.
표 Table 1. Comparison of typical target maneuver models
그림 Fig. 7. Description of m-n detector.
표 Table 2. Procedure of Track-Before-Detection Method
그림 Fig. 8. Coverage of testbed HF radar site in Yellow Sea, Korea.
그림 Fig. 9. Reference database established by AIS data of 2016-08-10 (a) All ships (b) Selected ship trajectories in HF radar site coverage.
그림 Fig. 10. Range/Bearing cells for detection performance evaluation (a) Cells in HF radar coverage defined by range/bearing ambiguity (b) Example of detection results and AIS data (c) Red region of (b).
그림 Fig. 11. Example of false alarm reduction based on target tracking framework.
그림 Fig. 12. Detection rate vs false alarm rate (ROC curve) obtained from HF radar site.
그림 Fig. 13. Detection performance for varying distance from HF radar site with two dataset groups.
그림 Fig. 14. Comparison of false alarm rate between conventional detection results and improved results with target tracking framework.

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 연구에서는 선박의 검출 및 추적을 수행하기 위한 요소기술들을 소개하고 기 개발된 검출기에 표적 추적기법을 적용하여 위에서 언급된 2가지 한계점들을 극복하고자 한다.
본 논문에서는 광역감시망을 구축하기 위한 플랫폼 중 하나인 HF 레이더를 이용하여 선박을 감시하기 위한 요소기술들을 제안하고 검증하였다. 특히, 표층해류를 검측하는데 최적화 되어있는 국내의 HF 레이더 플랫폼을 광역감시망의 목적에 부합되도록 선박의 감시의 목적으로도 동시에 활용할 수 있는 확장 기법들을 고찰하였다.
특히, 하나의 선박으로부터 반사되는 신호도 여러 sweep으로 생성되는 RDM의 특성상 도플러 블러 현상에 의하여 다수의 거리-도플러 bin에서 넓게 검출된다. 본 논문에서는 이와 같이 복잡하게 획득된 RDM에 선박 검출 및 추적 기술을 적용하여 선박의 위치를 정확하게 추정하고자 한다.

가설 설정

RDM에는 선박으로부터 반사된 신호로부터 생성된 정보뿐만 아니라 여러 환경적인 요소들로 인하여 잡음이 공존하게 된다. 성분 분석 블록은 RDM의 신호를 부분공간으로 원신호 공간과 잡음 신호 공간 두 종류가 있다고 가정하여 RDM의 선박 신호를 강조 시키는 역할을 한다. 본 논문에서는 대표적인 부분공간 분석 기법 중 하나인 주성분 분석(Principle Component Analysis, PCA) 기법을 통하여 선박 신호와 잡음 신호를 분리한다.

제안 방법

, 2017). Subspace decomposition denoising을 통하여 선박 검출율을 향상시키는 것이 가능하며 실측 데이터를 이용한 검증을 수행하였다. 그러나 선박의 밀도가 높은 환경에서는 dual purpose 콤팩트 HF 레이더의 거리/방위 해상도의 한계점으로 인하여 오검출이 다수 발생할 가능성이 있으며 이를 다수의 선박으로부터 발생한 신호들을 구분하여 궤적으로 구성할 필요성이 있다.
만족할 경우에는 새로 입력된 검출 결과를 이용하여 동적 모델을 갱신 한 후, 해당 검출 결과와 만족되지 않은 결과들도 궤적 관리 블록으로 넘긴다. 궤적 관리 블록은 3가지 블록으로 이루어져 있으며, 첫번째 블록, 궤적 초기화에서는 궤적 추적 블록에서 일치하는 동적 모델이 없는 검출값들을 공간적으로 연속성이 있는지를 판단하여 새로운 궤적으로 확정한다. 궤적 종료 블록은 연속성이 없어진 궤적들을 제거하는 역할을 한다.
MUSIC을 이용하여 방위를 구하는 공식에 대한 해를 구하려면 관측 벡터의 수가 안테나의 개수보다 많아야 한다. 따라서, MUSIC 알고리즘에 관측 데이터를 입력시키기 위하여 시간에 대한 슬라이딩 윈도우를 적용하여 다수의 RDM을 고려한다. 그림에서와 같이 매번 새롭게 입력으로 획득하는 RDM 마다 이전에 수집된 RDM M-1개를 같이 Frame으로 구성한다.
그러나 추정된 선박의 위치는 불확실한 추정 값이며, 일정 시간동안 관측 값을 획득하지 못하거나 오차가 큰 관측 값을 획득하게 되는 경우 잘못된 표적 위치 추정 결과가 필연적으로 발생하게 된다. 따라서, 본 절에서는 선박의 기동에 대한 모델링과에 대한 정보를 융합하는 필터링(Filtering) 기법을 통하여서 표적의 궤적을 추적하는 기술을 다룬다.
따라서, 검출결과의 성능을 개선하기 위하여 데이터 연관 프레임워크를 적용할 필요성이 있다. 본 논문에서는 제안된 데이터 연관 프레임워크를 통하여 시/공간적 정보를 누적시켜서 의도되지 않은 오검출과 선박 각각의 궤적을 생성한다. 제안된 데이터 연관 프레임워크는 2개의 블록으로 구성되어 있으며, 아래 Fig.
반면에 선박은 짧은 시간에도 위치를 급격하게 변경하는 것이 가능하므로 짧은 CPI가 요구된다. 본 저자들의 기존 연구에서는 dual purpose에 적합한 플랫폼을 구성하기 위하여 기존의 연구에서 주로 활용되는 CFAR(Constant False Alarm Rate) 검출기를 개선하기 위하여 subspace decomposition을 통한 signal enhancement을 수행하였다 (Park et al., 2017). Subspace decomposition denoising을 통하여 선박 검출율을 향상시키는 것이 가능하며 실측 데이터를 이용한 검증을 수행하였다.
또한, 긴 CPI 동안에 발생하는 도플러 주파수 변화로 인하여 하나의 선박이 다수의 검출값을 생성하기도 하는데, 이를 결합하기 위한 군집화 기법을 적용하였다. 선박의 검출 결과는 검출에 실패하거나 오검출을 포함시키는 경우도 발생하는데, 이러한 오검출을 줄이기 위한 선박 추적 기법을 적용하였다. 서해에서 운용되고 있는 HF 레이더 사이트에서 획득한 실측 정보를 이용하여 제안된 요소기술들을 검증하였다.
수집된 데이터의 정확도를 검증하기 위하여 위 HF 레이더와 같이 설치된 AIS 장치에서 획득한 선박 좌표정보의 궤적을 기준으로 비교하였다. Fig.
본 논문에서는 광역감시망을 구축하기 위한 플랫폼 중 하나인 HF 레이더를 이용하여 선박을 감시하기 위한 요소기술들을 제안하고 검증하였다. 특히, 표층해류를 검측하는데 최적화 되어있는 국내의 HF 레이더 플랫폼을 광역감시망의 목적에 부합되도록 선박의 감시의 목적으로도 동시에 활용할 수 있는 확장 기법들을 고찰하였다. 제안된 기법은 선박의 검출에 대한 부분과 검출 결과의 추적에 대한 부분으로 이루어져 있다.

대상 데이터

Fig. 9 (a)의 예시에서와 같이 8월 10일 하루 사이에 수집된 선박 정보는 총 178 종이 되며 이 중에서 선박의 크기에 대한 정보가 포함되고 시간에 대하여 끊기지 않은 궤적을 비교용으로 첫 번째 그룹으로 선정하였다. 여기서 AIS 정보는 수신 환경 또는 송신측의 AIS 장치 가동 여부에 따라 일관적으로 들어오지 않는 경우가 많기 때문에 실제 획득된 선박 궤적보다 훨씬 적은 수를 사용하였다.
본 논문에서 제안된 광역감시망 적용을 위한 HF 레이더기반 선박 검출 및 추적 요소 기술의 검증을 위하여 실제로 군산 인근에서 13 MHz 동작 주파수, 100 kHz 대역폭, 45 Watt 송신 전력, 2 Hz의 주사 속도, 그리고 512-point FFT로 동작중인 콤팩트 HF 레이더 사이트 에서 실측 데이터를 획득하였다. 수집의 대상이 되는 선박은 2016년 8월 1일부터 2016년 9월 18일 총 49일동안 설치된 HF 레이더의 유효 탐지 범위에 포함되는 선박으로 설정하였다.
선박의 검출 결과는 검출에 실패하거나 오검출을 포함시키는 경우도 발생하는데, 이러한 오검출을 줄이기 위한 선박 추적 기법을 적용하였다. 서해에서 운용되고 있는 HF 레이더 사이트에서 획득한 실측 정보를 이용하여 제안된 요소기술들을 검증하였다. 검증 결과에 따르면 선박 위치의 판단 기준이 되는 AIS 정보와 비교했을 경우에 10 km 거리에서 약 95%의 검출 성공율을 보였으며, 추적 기법을 통하여 오검출율을 거리별로 약 10% 개선하였다.
본 논문에서 제안된 광역감시망 적용을 위한 HF 레이더기반 선박 검출 및 추적 요소 기술의 검증을 위하여 실제로 군산 인근에서 13 MHz 동작 주파수, 100 kHz 대역폭, 45 Watt 송신 전력, 2 Hz의 주사 속도, 그리고 512-point FFT로 동작중인 콤팩트 HF 레이더 사이트 에서 실측 데이터를 획득하였다. 수집의 대상이 되는 선박은 2016년 8월 1일부터 2016년 9월 18일 총 49일동안 설치된 HF 레이더의 유효 탐지 범위에 포함되는 선박으로 설정하였다. 선박의 탐지범위는 Fig.
9 (b)에 나타낸 두 번째 그룹은 첫 번째 그룹의 궤적 중 HF 레이더 사이트 주변으로 항해하는 궤적 30종을 선별하였다. 여기서 사용된 두 그룹의 궤적이 HF 레이더 사이트로부터 거리가 13 MHz의 동작 주파수에서 유효 탐지 범위인 60 km이하인 경우만 데이터로 반영하였다.

이론/모형

군집화 기법으로는 밀도 기반의 군집화 알고리즘(Density-based Clustering) 을 적용한다(Ester et al., 1996). 방위 정보를 확보한 뒤에 변환된 J개의 선박 위치 후보는 지도상의 좌표(x_j, y_j)로 나타낼 수 있다.
콤팩트 HF 레이더의 안테나에서 수신되는 신호는 전방향성을 보이기 때문에 방위에 대한 정보를 포함하지 않는다. 따라서 선박의 위치를 획득하기 위하여 방위추정 알고리즘인 MUltiple SIgnal Classification(MUSIC)을 적용한다(Lipa and Barrick, 1983; Barrick and Lipa, 1999). MUSIC을 이용하여 방위를 구하는 공식에 대한 해를 구하려면 관측 벡터의 수가 안테나의 개수보다 많아야 한다.
선박의 검출은 CFAR 기반의 검출기를 활용하였으며, 실제 환경에서 불규칙적으로 획득되는 잡음과 오검출 신호를 줄이기 위한 PCA 기반의 부분공간 분리기법을 적용하였다. 또한, 긴 CPI 동안에 발생하는 도플러 주파수 변화로 인하여 하나의 선박이 다수의 검출값을 생성하기도 하는데, 이를 결합하기 위한 군집화 기법을 적용하였다. 선박의 검출 결과는 검출에 실패하거나 오검출을 포함시키는 경우도 발생하는데, 이러한 오검출을 줄이기 위한 선박 추적 기법을 적용하였다.
방위를 추정하기 위해서는 monopole 안테나의 RDM에서 검출된 후보 위치와 동일한 cell index에 대응되는 cross-loop 안테나의 RDM 값들을 추출하여 행렬을 생성하고 여기에 위에서 언급된 MUSIC 알고리즘을 적용한다.
성분 분석 블록은 RDM의 신호를 부분공간으로 원신호 공간과 잡음 신호 공간 두 종류가 있다고 가정하여 RDM의 선박 신호를 강조 시키는 역할을 한다. 본 논문에서는 대표적인 부분공간 분석 기법 중 하나인 주성분 분석(Principle Component Analysis, PCA) 기법을 통하여 선박 신호와 잡음 신호를 분리한다.
제안된 기법은 선박의 검출에 대한 부분과 검출 결과의 추적에 대한 부분으로 이루어져 있다. 선박의 검출은 CFAR 기반의 검출기를 활용하였으며, 실제 환경에서 불규칙적으로 획득되는 잡음과 오검출 신호를 줄이기 위한 PCA 기반의 부분공간 분리기법을 적용하였다. 또한, 긴 CPI 동안에 발생하는 도플러 주파수 변화로 인하여 하나의 선박이 다수의 검출값을 생성하기도 하는데, 이를 결합하기 위한 군집화 기법을 적용하였다.
이 경우에도 독립적으로 궤적을 관리하기 위하여 각각의 초기 생성 근원을 판별해야 한다. 이 경우에 대비하여 검출 결과가 부정확한 상황에서 일정한 패턴으로 추적되는 표적 정보를 종합해 탐지하는 방법 중 하나인 Track-Before-Detection(TBD) 기법을 적용하였다.

성능/효과

서해에서 운용되고 있는 HF 레이더 사이트에서 획득한 실측 정보를 이용하여 제안된 요소기술들을 검증하였다. 검증 결과에 따르면 선박 위치의 판단 기준이 되는 AIS 정보와 비교했을 경우에 10 km 거리에서 약 95%의 검출 성공율을 보였으며, 추적 기법을 통하여 오검출율을 거리별로 약 10% 개선하였다.
앞서 언급되었듯이 도플러 블러(Doppler blur) 현상이나 브래그 산란 (Bragg Scattering) 현상 등으로 인하여 잡음에 대한 추정이 어려워서 CFAR 검출기를 사용했을 경우에 정확하지 않은 결과를 획득하게 된다. 따라서, PCA 기법을 통하여 선박 신호에 해당하는 부분공간(subspace) 을 구하여 잡음신호와 분리하여 원신호보다 개선된 RDM을 획득한다. 선박 후보 검출(Candidate Detection) 블록에서는 전단계에서 획득한 개선된 RDM에 CFAR 검출기를 적용하여 피크치(peak)들을 선박 후보 위치들로 본다.
그림의 곡선은 선박의 검출율을 의미한다. 실험 결과에 따르면, 거리가 가까울수록 검출율은 높아지며, 20km부터 성능이 급격하게 하락되는 것을 관찰 할 수 있다. 또한, 그림 11의 경우와 마찬가지로, 레이더 단면적이 큰 궤적을 포함하는 2 번 그룹의 검출율이 약 1~10%정도 큰 것을 확인 할 수 있다.
1 번 그룹의 경우에는 상하로 이동하는 궤적을 갖는 선박 외에 레이더 단면적이 낮아지는 레이더 사이트와 멀어지는 선박이 많이 포함되었으며, 2번 그룹에는 주로 레이더 사이트 기준으로 상하로 이동하여 레이더 단면적이 대체로 높은 선박 궤적들이 포함되었다. 아래 결과에 따르면, 선박 검출율은 오검출율이 10%일때약 70% 정도로 검측되었으며, 오검출율이 20%일때약 80%에서 87%정도로 확인되었다. 또한, 2번 그룹이 성능이 1번 그룹에 비하여 높은 것을 확인 할 수 있다.
12의 데이터베이스 전체에 대한 거리별 오검출율 나타냈으며 거리가 멀어질수록 오검출율이 상승하는 것을 관찰할 수 있다. 파란 선으로 추적 기법을 적용했을 경우에 대한 결과를 나타냈으며, 표적이 가까울 경우에는 약 10% 이상 오검출율이 감소하는 것을 확인할 수 있다. HF 레이더 사이트와 선박과의 거리가 멀어질 경우에는 검출 결과 자체에 오차가 커지기 때문에 추적 기법을 적용했다 하더라도 큰 성능 변화를 갖지 않으며, 오히려 제대로 검출한 경우까지 오검출로 판단되는 경우가 있어서 성능이 악화되는 경우도 발생할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	High-Frequency(HF) 레이더의 주파수 특징은 무엇인가?	최근 해양 영토 광역감시망을 구축하기 위한 다양한 플랫폼이 레이더, 잠수정, 무인 수상정 등과 같이 다양하게 연구되고 있다. 이 중에서 3-30MHz 사이의 주파수를 활용하는 High-Frequency(HF) 레이더는 HF 주파수의 특성상 송신파형이 해양 표면을 따라 먼 거리까지 전파되어 낮은 전력 소비로도 최대 약 300 km까지 관측이 가능하다. 특히, HF 레이더는 낮은 비용으로 넓은 관측 범위를 가질 뿐 아니라 상시로 구동을 하여 신호를 획득할 수 있기 때문에 천재지변이나 불법 선박을 감시하는 기능을 수행하는 광역감시망의 핵심 플랫폼 중 하나로 인식되고 있다(Maresca et al.
	위상 배열형 시스템과 콤팩트형 시스템 중에서 광역감시망을 구성하는데 적합한 것은 무엇인가?	HF 레이더 시스템은 수신기의 구조에 따라 크게 위상 배열형 시스템과 콤팩트형 시스템으로 분류 할 수 있다. 위상 배열형 HF 레이더의 경우에는 다수의 안테나를 수신기로 활용해야 하며, 매우 넓은 설치 공간에 기하학적인 형상으로 수신기를 배치해야 하는 단점이 있다. 반면에, 콤팩트형 HF 레이더는 일체형 수신기로 구성되다 보니 공간의 제약을 갖지 않기 때문에 다수의 위치에 설치해야 되는 광역감시망을 구성하는데 적합하다고 할 수 있다. 아래 Fig.
	HF 레이더의 장점과 대표적인 쓰임은 무엇인가?	이 중에서 3-30MHz 사이의 주파수를 활용하는 High-Frequency(HF) 레이더는 HF 주파수의 특성상 송신파형이 해양 표면을 따라 먼 거리까지 전파되어 낮은 전력 소비로도 최대 약 300 km까지 관측이 가능하다. 특히, HF 레이더는 낮은 비용으로 넓은 관측 범위를 가질 뿐 아니라 상시로 구동을 하여 신호를 획득할 수 있기 때문에 천재지변이나 불법 선박을 감시하는 기능을 수행하는 광역감시망의 핵심 플랫폼 중 하나로 인식되고 있다(Maresca et al., 2014a; Maresca et al.

참고문헌 (21)

Aidala, V. J., 1979. Kalman filter behavior in bearingsonly tracking applications. IEEE Transactions on Aerospace and Electronic Systems, 15(1): 29-39.
Barrick, D. E. and B. J. Lipa, 1999. Radar angle determination with MUSIC direction finding, U.S. Patent 5990834, Nov. 23. 1999, USA.
Bar-Shalom, Y. and X. R. Li, 1993. Estimation and Tracking: Principles, Techniques and Software, Artech House, Norwood, MA, USA.
Chung, Y. J., L. Chuang, and W. C. Yang, 2013. Feasibility studies of ship detections using SeaSonde HF radar, Proc. of 2013 IEEE International Geoscience and Remote Sensing Symposium, Melbourne, Australia, Jul. 21-26, pp. 2892-2895.
Dzvonkovskaya, A., K. W. Gurgel, H. Rohling, and T. Schlick, 2008. Low power high frequency surface wave radar application for ship detection and tracking, Proc. of 2008 International Conference on Radar, Adelaide, Australia, Sep. 2-5, pp. 627-632.
Ester, M., H. Kriegel, J. Sander, and X. Xu, 1996. A density-based algorithm for discovering clusters in large spatial databases with noise, Proc. of Second International Conference on Knowledge Discovery and Data Mining, Portland, USA, Aug. 2-4, pp. 226-231.
Gandhi, P. P. and S. A. Kassam, 1988. Analysis of CFAR processors in nonhomogeneous background. IEEE Transactions on Aerospace and Electronic Systems, 24(4): 427-445.

상세보기
Lin, X., T. Kirubarajan, Y. Bar-Shalom, and S. Maskell, 2002. Comparison of EKF, pseudomeasurement, and particle filters for a bearing-only target tracking problem, Proc. of AeroSense 2002, Orlando, USA, Apr. 1-4, pp. 240-250.
Lipa, B. J. and D. E. Barrick, 1983. Least-squares methods for the extraction of surface currents from CODAR crossed-loop data: Application at ARSLOE. IEEE Journal of Oceanic Engineering, 8(4): 226-253.

상세보기
Maresca, S., P. Braca, and J. Horstmann, 2013. Detection, tracking and fusion of multiple HFSW radars for ship traffic surveillance: Experimental performance assessment, Proc. of 2013 IEEE International Geoscience and Remote Sensing Symposium, Melbourne, Australia, Jul. 21-26, pp. 2420-2423.
Maresca, S., P. Braca, J. Horstmann, and R. Grasso, 2014a. A network of HF surface wave radars for maritime surveillance: Preliminary results in the German Bight, Proc. of 2014 International Conference on Acoustics, Speech, and Signal Processing, Florence, Italy, May 4-9, pp. 6077-6081.
Maresca, S., P. Braca, R. Grasso, J. Horstmann, and H. Geesthacht, 2014b. Multiple oceanographic HF surface wave radars applied to maritime surveillance, Proc. of 17th International Conference on Information Fusion, Salamanca, Spain, Jul. 7-10, pp. 1-8.
Maresca, S., P. Braca, J. Horstmann, and R. Grasso, 2014c. Maritime surveillance using multiple highfrequency surface wave radars. IEEE Transactions on Geoscience and Remote Sensing, 52(8): 5056-5071.

상세보기
Mazor, E., J. Dayan, A. Averbuch, and Y. Bar-Shalom, 1998. Interacting multiple model methods in target tracking: A survey. IEEE Transactions on Aerospace and Electronic Systems, 34(1): 103-123.

상세보기
Park, S., C. Cho, B. Ku, S. Lee, and H. Ko, 2017. Simulation and Ship Detection Using Surface Radial Current Observing Compact HF Radar. IEEE Transactions on Oceanic Engineering, 42(3): 544-555.

상세보기
Roarty, H. J., E. Rivera Lemus, E. Handel, S. Glenn, D. Barrick, and J. Isaacson, 2011. Performance evaluation of SeaSonde high-frequency radar for vessel detection. Marine Technology Society Journal, 45(3): 14-24.

상세보기
Roarty, H. J., M. Smith, S. Glenn, D. Barrick, C. Whelan, E. Page, H. Statscewich, and T. Weingartner, 2013. Expanding maritime domain awareness capabilities in the Arctic: High frequency radar vessel tracking, Proc. of 2013 IEEE Radar Conference, Ottawa, Canada, Apr. 29-May 3, pp. 1-5.
Rohling, H., 1983. Radar CFAR thresholding in clutter and multiple target situations. IEEE Transactions on Aerospace and Electronic Systems, 19(4): 608-621.
Smith, M., H. Roarty, S. Glenn, C. Whelan, D. Barrick, and J. Isaacson, 2013. Methods of associating CODAR SeaSonde vessel detection data into unique tracks, Proc. of 2013 OCEANS, San Diego, USA, Sep. 23-27, pp. 1-5.
Turley, M. D. E., 1997. Hybrid CFAR techniques for HF radar, Proc. of 97 Radar Systems, Syracuse, USA, Oct. 14-16, pp. 36-40.
Yoon, D. and H. Ko, 2001. Target Motion Tracking using Target-Oriented Coordinates. IEICE Transactions on Fundamentals, E84-A(4): 1081-1084.

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