최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기韓國軍事科學技術學會誌 = Journal of the KIMST, v.21 no.2, 2018년, pp.133 - 140
김민준 (한국과학기술원 조천식녹색교통대학원) , 공승현 (한국과학기술원 조천식녹색교통대학원)
In electronic warfare(EW), low probability of intercept(LPI) radar signal is a survival technique. Accordingly, identification techniques of the LPI radar waveform have became significant recently. In this paper, classification and extracting parameters techniques for 7 intrapulse modulated radar si...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
본 논문에서 소개한, 7가지 펄스 내 변조 레이더 신호 식별과정을 통해 제안한 내용과 검증 결과는 어떠한가? | 본 논문에서는 7가지 펄스 내 변조 레이더 신호 식별과정을 소개했다. CNN을 이용한 펄스 내 변조 신호 분류 방법과, 분류된 정보와 TFI를 바탕으로 식별 인자까지 추출하는 방법을 제안했다. 또한 제안한 방법을 시뮬레이션을 통해 검증한 결과, 제안한 분류 방법은 -6 dB에서 90 % 이상의 분류 성공률을 보이고 식별인자 추출 알고리즘은 -4 dB에서 오차율이 10 % 이하로 높은 레이더 신호 분류성공률과 낮은 식별인자 추출 오차율을 보인다. 제안한 기술은 향후 전자전에서 저피탐 레이더 신호 식별 알고리즘 개발에 유용하게 활용될 것으로 기대 된다. | |
저피탐 펄스 내 변조 방법을 분류하기 위해 사용한 기술은 무엇인가? | 저피탐 펄스 내 변조 방법을 분류하기 위해서 대표적으로 시간 주파수 분석(TFA, Time Frequency Analysis)과 인공 신경망(ANN, Artificial Neural Network) 기술이 사용됐다. 시간 주파수 분석 방법 중에 WVD(Wiger-Ville Distribution), CWD(Choi-Williams Distribution), QMFB(Quadrature Mirror Filtering Bank), CSA(Cyclostationary Spectral Analysis)이 있으며, TFA로부터 얻은 영상(TFI, Time Frequency Image)의 픽셀(pixel) 값들을 특징인자로 사용하여 다층 퍼셉트론(MLP, Multi-Layer Perceptron)으로 픽셀 값들을 입력시켜 변조 방법을 분류하는 연구가 있었다[1]. | |
전자전 분야에서 전자 지원은 무엇인가? | 전자전(EW, Electronic Warfare) 분야에서 전자 지원(ES, Electronic Support)은 의도적 또는 비의도적으로 방사하는 각종 전자파를 수신, 탐지, 분석 및 식별하고 위치확인을 위해 취해지는 제반활동으로, 전자 지원으로부터 획득한 정보들은 전자 공격(EA, Electronic Attack) 또는 전자 보호(EP, Electronic Protection) 대책 수립에 중요한 자료가 된다. 다양한 펄스 내 변조(Intrapulse modulation) 기법을 사용하여 저피탐(LPI, Low Probability of Intercept) 능력을 갖춘 레이더들이 증가하면서, 전자전 지원 시스템에서 레이더 신호 식별은 점점 더 어려워지고 있다. |
P. E. Pace, "Detecting and Classifying Low Probability of Intercept Radar," Artech House, pp. 3-707, 2009.
J. Lunden and V. Koivunen, “Automatic Radar Waveform Recognition,” IEEE Journal of Selected Topics in Signal Processing, Vol. 1, No. 1, pp. 124-136, 2007.
Z. Ming, L. Lutao, and D. Ming, "LPI Radar Waveform Recognition based on Time-Frequency Distribution," Sensor, Vol. 16, No. 10, p. 1682, 2016.
Gulum, Taylan Ozgur, et al., "Parameter Extraction of FMCW Modulated Radar Signals using Wigner- Hough Transform," Computational Intelligence and Informatics(CINTI), 2011 IEEE 12th International Symposium on, pp. 465-468 IEEE, 2011.
N. Levanon and E. Mozeson, "Radar Signals," John Wiley & Sons, pp. 53-167, 2004.
H.-I. Choi and W. J. Williams, “Improved Time-Frequency Representation of Multicomponent Signals using Exponential Kernels,” IEEE Transactions on Aoustics, Speech, and Signal Processing, Vol. 37, No. 6, pp. 862-871, 1989.
Y. LeCun, L. Bottou, Y. Bengio, and P. Haffner, “Gradient-based Learning Applied to Document Recognition,” Proceedings of the IEEE, Vol. 86, No. 11, pp. 2278-2324, 1998.
R. C. Gonzalez and R. E. Woods, "Digital Image Processing," Int. ed. Englewood Cliffs, p. 598, 2002.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.