[논문]비협동 양상태 소나 시스템을 위한 펄스식별 자동화 기법 연구

김근환; 윤경식; 김성일; 정의철; 이균경

doi:10.9766/kimst.2018.21.2.158

비협동 양상태 소나 시스템을 위한 펄스식별 자동화 기법 연구
A Study on the Automatic Pulse Classification Method for Non-cooperative Bi-static Sonar System 원문보기

韓國軍事科學技術學會誌 = Journal of the KIMST, v.21 no.2, 2018년, pp.158 - 165

김근환 (경북대학교 전자공학부) , 윤경식 (김천대학교.IT융복합공학과) , 김성일 (국방과학연구소 제6기술연구본부) , 정의철 (국방과학연구소 제6기술연구본부) , 이균경 (경북대학교 전자공학부)

Abstract ▼ AI-Helper

Recently there is a great interest in the bi-static sonar. However, since the transmitter and the receiver operate on different platforms, it may be necessary to operate the system in a non-cooperative mode. In this situation, the detection and localization performance are limited. Therefore, it is necessary to classify the received pulse from the transmitter to overcome the performance limitation. In this paper, we proposed a robust automatic pulse classification method that can be applied to real systems. The proposed method eliminates the effects of noise and multipath propagation through post-processing and improves the pulse classification performance. We also verified the proposed method through the sea experimental data.

주제어

AI 본문요약
AI-Helper

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

문제 정의

그러나 앞의 과정에서 제거되지 못한 잡음으로 인해 추출된 도미넌트 톤이 이상값(Outlier)을 가질 수 있기 때문에 근사화 과정에서 오차가 발생할 수 있다. 본 논문에서는 견실한 성능의 근사 기법을 수행하여 이를 해결한다. 일반적으로 Bi-square 기법을 이용한 근사 기법이 이상값을 효과적으로 제거할 수 있다고 알려져 있으며 본 논문에서도 이를 이용하였다^[11].
본 논문에서는 비협동 양상태 소나 시스템을 위한 펄스식별 자동화 기법을 제안하였다.
본 논문에서는 실제 시스템에 적용 가능한 견실한 성능의 펄스식별 자동화 기법을 제안한다. 제안하는 기법은 모폴로지 기법(Morphology), 미디안 필터(Median Filter)의 후처리 과정을 통해 잡음과 다중경로의 영향을 제거하고 펄스성분을 강조한다.
펄스식별 기법의 자동화를 위해서 가장 중요한 것은 정확한 펄스의 구간을 추정하는 것이다. 기존의 방식은 탐지기법을 이용하여 펄스의 구간을 추정하였다.

제안 방법

먼저 탐지기법의 결과를 이용하여 데이터를 가져오며 데이터는 펄스 전체의 정보를 포함하고 있어야 하므로 앞뒤로 충분한 길이를 가져와야 한다. 그리고 가져온 데이터에 대해서 시간-주파수 분석을 수행하며, 이후 모폴로지 기법과 미디안 필터의 후처리 과정을 적용하여 펄스의 성분을 강조하면서 잡음을 제거한다. 펄스의 구간을 추정하기 위해 잡음이 제거된 시간-주파수 분석 결과를 시간 축으로 투영하여 문턱 값을 적용하며 해당하는 펄스구간에서 도미넌트 톤을 추출하고 이로부터 펄스의 특징인자를 추정할 수 있다.
그림에서 제시한 데이터 이외에 CW, LFM 펄스 각각 5개의 핑을 추가적으로 분석하였다. 분석결과 CW 펄스의 경우 기존의 기법을 사용하였을 때 펄스길이는 평균적으로 6.
해상 실험에 사용된 펄스는 CW 펄스와 LFM 펄스이며 CW 펄스의 중심주파수는 3600 Hz, 펄스길이는 1 sec, LFM 펄스의 중심주파수는 3000 Hz, 대역폭은 600 Hz, 그리고 펄스길이는 1 sec이다. 시간-주파수 분석을 위해 수신된 신호를 128개의 샘플을 가지는 슬라이스로 분할하여 AR 모델링을 수행하였다. AR 모델링의 파라미터 추정은 Forward-backward approach를 이용하였으며, 차수 p는 21차이다.
먼저 송신직접파 탐지 과정에서 펄스의 구간을 추정한다. 이후 능동펄스의 특징인자를 식별하기 위해 시간-주파수 분석을 수행한다. 능동소나 시스템에서 사용되는 송신펄스는 짧은 시간동안 빠르게 변화하는 특징을 가지고 있기 때문에 일반적인 시간-주파수 분석기법으로는 적절한 특징인자를 추출하는 것이 어렵다.
본 논문에서는 실제 시스템에 적용 가능한 견실한 성능의 펄스식별 자동화 기법을 제안한다. 제안하는 기법은 모폴로지 기법(Morphology), 미디안 필터(Median Filter)의 후처리 과정을 통해 잡음과 다중경로의 영향을 제거하고 펄스성분을 강조한다. 따라서 수신된 신호로부터 펄스구간을 견실하게 추정하여 전체 펄스 식별 성능을 향상시킬 수 있다.

대상 데이터

제안한 펄스 식별 자동화 기법의 성능을 검증하기 위해 해상실험 데이터를 분석하였다. 해상 실험에 사용된 펄스는 CW 펄스와 LFM 펄스이며 CW 펄스의 중심주파수는 3600 Hz, 펄스길이는 1 sec, LFM 펄스의 중심주파수는 3000 Hz, 대역폭은 600 Hz, 그리고 펄스길이는 1 sec이다.
6에 기존의 방식으로 펄스를 식별한 결과를 나타내었다. 탐지기법으로는 미디안 탐지기가 사용되었으며 탐지기의 윈도우는 512 샘플, 버퍼의 길이는 64 샘플, 그리고 문턱값은 1로 설정하였다^[6]. 그림에서 CW 펄스의 경우 시작점을 제대로 추정하지 못하는 것을 확인할 수 있으며 LFM 펄스의 경우 수신된 신호를 부분적으로 탐지하였다.
제안한 펄스 식별 자동화 기법의 성능을 검증하기 위해 해상실험 데이터를 분석하였다. 해상 실험에 사용된 펄스는 CW 펄스와 LFM 펄스이며 CW 펄스의 중심주파수는 3600 Hz, 펄스길이는 1 sec, LFM 펄스의 중심주파수는 3000 Hz, 대역폭은 600 Hz, 그리고 펄스길이는 1 sec이다. 시간-주파수 분석을 위해 수신된 신호를 128개의 샘플을 가지는 슬라이스로 분할하여 AR 모델링을 수행하였다.

이론/모형

시간-주파수 분석을 위해 수신된 신호를 128개의 샘플을 가지는 슬라이스로 분할하여 AR 모델링을 수행하였다. AR 모델링의 파라미터 추정은 Forward-backward approach를 이용하였으며, 차수 p는 21차이다.
따라서 적은 개수의 데이터로 비교적 정확한 스펙트럼 추정이 가능하다고 알려진 AR 모델링(Autoregressive Modeling) 기법을 이용하여 시간-주파수 분석을 수행한다[7].
본 논문에서는 견실한 성능의 근사 기법을 수행하여 이를 해결한다. 일반적으로 Bi-square 기법을 이용한 근사 기법이 이상값을 효과적으로 제거할 수 있다고 알려져 있으며 본 논문에서도 이를 이용하였다^[11].

성능/효과

Fig. 8 (e)에서 잡음이 제거된 결과를 투영하고 Opening 기법을 적용하여 CW 펄스의 경우 펄스 뒤에 나타나는 다중경로의 첨두치를 제거한 것을 확인할 수 있으며, 이를 통해 펄스길이가 길게 추정되는 것을 방지하였다. 마지막으로 견실한 성능의 근사기법을 사용하여 클리핑의 영향으로 인한 이상값을 제거하고 도미넌트 톤을 정확하게 근사한 것을 확인할 수 있다.
0 Hz로 추정되었다. 각각의 오차율은 12.4 %와 0.028 %로 중심주파수는 정확하게 추정할 수 있었으나 펄스길이는 오차가 크게 나타났다. LFM 펄스에 대해 추정된 특징인자는 펄스길이 0.
0 Hz로 추정되었다. 각각의 오차율은 4.6 %와 0.028 %로 중심주파수에 대한 추정은 이전 기법과 차이가 없지만 펄스길이에 대한 추정 성능이 향상되었다. LFM 펄스에 대해 추정된 특징인자는 펄스길이 1.
2절의 과정에서 펄스의 성분이 강조되고 잡음이 제거되었기 때문에 환경의 변화에 따라 문턱값을 급격히 변화시키지 않아도 펄스의 구간을 추정할 수 있다. 따라서 제안한 기법은 기존의 탐지기법만을 사용한 경우에 비해 매우 견실한 성능을 가질 수 있다.
78 %의 오차를 가진다. 따라서 제안한 기법을 사용한 경우 각각의 추정이 3.7 %, 0.15 %, 4.17 % 향상되었다.
따라서 제안한 기법을 사용할 경우 기존의 기법에 비해 펄스의 특징인자를 정확히 추정할 수 있었으며, CW 펄스의 펄스길이 추정은 2.3 %, LFM 펄스의 펄스길이, 중심주파수, 대역폭의 추정은 각각 3.7 %, 0.15 %, 4.17 % 향상되었다.
06 %를 가진다. 따라서 펄스길이에 대한 추정이 2.3 % 향상되었다. LFM 펄스의 경우 기존의 기법을 사용하면 펄스길이는 평균적으로 5.
8 (e)에서 잡음이 제거된 결과를 투영하고 Opening 기법을 적용하여 CW 펄스의 경우 펄스 뒤에 나타나는 다중경로의 첨두치를 제거한 것을 확인할 수 있으며, 이를 통해 펄스길이가 길게 추정되는 것을 방지하였다. 마지막으로 견실한 성능의 근사기법을 사용하여 클리핑의 영향으로 인한 이상값을 제거하고 도미넌트 톤을 정확하게 근사한 것을 확인할 수 있다. CW 펄스에 대해 추정된 특징인자는 펄스길이 0.
그림에서 제시한 데이터 이외에 CW, LFM 펄스 각각 5개의 핑을 추가적으로 분석하였다. 분석결과 CW 펄스의 경우 기존의 기법을 사용하였을 때 펄스길이는 평균적으로 6.05 %의 오차를 가지고 중심주파수는 0.06 %를 가진다. 제안한 기법을 사용한 경우 펄스길이는 평균적으로 3.
5에 수신된 해상실험 데이터 신호와 스펙트로그램을 나타내었다. 스펙트로그램에서 CW 펄스와 LFM 펄스 모두 다중경로로 인한 영향이 나타나는 것을 확인할 수 있으며 CW 펄스의 경우 다중경로 신호가 동일한 주파수를 가지고 들어오기 때문에 구분이 쉽지 않음을 알 수 있다.
제안한 기법은 모폴로지 기법, 미디안 필터의 후처리 과정을 이용하여 복잡한 해양환경에서도 우수한 펄스식별 성능을 가질 수 있었다.
06 %를 가진다. 제안한 기법을 사용한 경우 펄스길이는 평균적으로 3.75 %의 오차를 가지고 중심주파수는 0.06 %를 가진다. 따라서 펄스길이에 대한 추정이 2.
95 %의 오차를 가진다. 제안한 기법을 사용한 경우 펄스의 길이는 1.36 %, 중심주파수는 0.13 %, 그리고 대역폭은 1.78 %의 오차를 가진다. 따라서 제안한 기법을 사용한 경우 각각의 추정이 3.
제안한 기법은 모폴로지 기법, 미디안 필터의 후처리 과정을 이용하여 복잡한 해양환경에서도 우수한 펄스식별 성능을 가질 수 있었다. 제안한 기법의 성능을 검증하기 위해 해상실험 데이터를 분석하였으며, 실제 해상환경에서 다중경로와 잡음의 영향을 제거할 수 있음을 확인하였다. 따라서 제안한 기법을 사용할 경우 기존의 기법에 비해 펄스의 특징인자를 정확히 추정할 수 있었으며, CW 펄스의 펄스길이 추정은 2.
6 %로 중심주파수는 정확히 추정하였지만 펄스길이와 대역폭에서 오차가 다소 발생하였다. 현재의 분석결과에서 탐지기의 파라미터를 튜닝하여 펄스식별 성능을 향상시킬 수 있다. 그러나 매번 수신되는 신호에 대해서 항상 적절한 파라미터를 튜닝하는 것은 쉽지 않은 일이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	능동소나에 대한 연구가 활발히 진행되는 이유는 무엇인가?	수중으로 은밀하게 침투하는 표적을 탐지하기 위해 능동소나에 대한 연구가 활발히 진행되고 있다. 기존의 능동소나는 송·수신기가 동일한 플랫폼에 위치한 단상태 소나를 주로 사용하였으나 최근 넓은 탐지 범위와 은밀성 등의 장점이 있는 양상태 소나에 대한 관심이 크게 증가하고 있다[1-4].
	비협동 운용의 단점에 따른 결과는 무엇인가?	이러한 비협동 운용에서는 송신펄스에 대한 정보가 부족하기 때문에 표적의 탐지, 위치추정 성능이 제한되는 단점이 발생한다. 따라서 비협동으로 시스템을 운용할 경우 송신기로부터 수신된 펄스를 식별하여 정보를 획득하는 과정이 필수적이며 이는 전체 시스템의 성능을 좌우한다[4,5].
	비협동 운용의 단점은 무엇인가?	그러나 양상태 소나의 경우 송신기와 수신기가 서로 다른 플랫폼에서 운용되기 때문에 상황에 따라 플랫폼 사이의 정보공유가 어려운 비협동(Non-cooperative)으로 시스템을 운용해야할 수 있다. 이러한 비협동 운용에서는 송신펄스에 대한 정보가 부족하기 때문에 표적의 탐지, 위치추정 성능이 제한되는 단점이 발생한다. 따라서 비협동으로 시스템을 운용할 경우 송신기로부터 수신된 펄스를 식별하여 정보를 획득하는 과정이 필수적이며 이는 전체 시스템의 성능을 좌우한다[4,5].

참고문헌 (11)

Cox, Henry, "Fundamentals of Bistatic Active Sonar," Underwater Acoustic Data Processing, Springer Netherlands, pp. 3-24, 1989.
D. H. Lee, T. J Jung, K. K. Lee and M. Hyun, “Source Information Estimation Using Enemy's Single-Ping and Geographic Information in Noncooperative Bistatic Sonar,” Sensor Journal, IEEE, Vol. 12, No. 9, pp. 2784-2790, 2012.

상세보기
Lee, Kwang Hee, et al., "Robust Localization Using Geographic Information in Bistatic Sonar," International Journal of Distributed Sensor Networks 13.6 : 1550147717714172, 2017.

상세보기
H. Schmidt-Schierhorn, A. Corsten, B. Strassner, S. Benen, M. Meister, "The Use of Bistatic Sonar Functions on Modern Submarines," UDT EUROPE 2007 Italy, pp. 5-7, 2007.
Lee, Donghwa, et al., "Source Information Estimation Using Enemy's Single-Ping and Geographic Information in Non-cooperative Bistatic Sonar," IEEE Sensors Journal 12.9 : 2784-2790, 2012.

상세보기
K. K. Lee, A Study on the Robust Feature Extraction and Classification Algorithm for Shore Based Classification Center, Research and Development Report, Agency for Defense Development, 2006.
Stoica, Petre, and Randolph L. Moses. Spectral Analysis of Signals, Vol. 1, Upper Saddle River, NJ: Pearson Prentice Hall, 2005.
Robert J. Urick, Principles of Underwater Sound, McGraw-Hill, USA, 1967.
Rafael C. Gonzalez, Richard E. Woods, and Steven L. Eddins, Digital Image Processing using MATLAB, Gatesmark Publishing, pp. 334-377, 2009.
Vijaykumar, V. R., G. Santhana Mari, and D. Ebenezer, "Fast Switching based Median-mean Filter for High Density Salt and Pepper Noise Removal," AEU-International Journal of Electronics and Communications 68.12 : 1145-1155, 2014.

상세보기
J. Fox, Robust Regression Sage, Thousand Oaks, CA, Tech. Rep., 2002.

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