[논문]레이다 시스템 실시간 적용을 위한 OS CFAR 연산 시간 단축 방안

공영주; 우선걸; 박성호; 신승용; 장윤희; 양은정

doi:10.5515/kjkiees.2018.29.10.791

레이다 시스템 실시간 적용을 위한 OS CFAR 연산 시간 단축 방안
OS CFAR Computation Time Reduction Technique to Apply Radar System in Real Time 원문보기

韓國電磁波學會論文誌 = The journal of Korean Institute of Electromagnetic Engineering and Science, v.29 no.10, 2018년, pp.791 - 798

공영주 (LIG 넥스원(주)) , 우선걸 (LIG 넥스원(주)) , 박성호 (LIG 넥스원(주)) , 신승용 (LIG 넥스원(주)) , 장윤희 (국방과학연구소) , 양은정 (국방과학연구소)

초록
AI-Helper

CFAR(Constant False Alarm Rate)는 레이다 시스템에서 표적 탐지에 주요 사용된다. 그 중에서 OS(Ordered Statistic) CFAR는 비균일 잡음환경에서 사용된다. 그러나 OS CFAR는 참조 셀을 오름차순으로 정렬하여 임계값을 계산하므로 많은 연산량이 필요하다. 이로 인하여 실시간 적용에 어려움이 있다. 본 논문에서는 OS CFAR의 연산량을 줄이는 방안을 서술한다. 단순 표적 유무만 판단하기 위하여 참조 셀들을 오름차순 정렬하는 대신 참조 셀과 크기 비교하는 방식으로 수행하였다. 그리고 3개의 테스트 셀을 묶어 구역을 나누고, 구역 내에서 공통 참조 셀을 구하였다. 공통 참조 셀과 테스트 셀과의 크기 비교를 우선 수행함으로써 연산시간을 단축한다.

Abstract ▼ AI-Helper

The CFAR algorithm is mainly used for target detection in radar systems. In particular, OS CFAR is used in a non-uniform noise environment. However, it requires a large amount of computation, because it should sort reference cells in ascending order. This makes it difficult to apply the radar system in real time. In this paper, we describe how to reduce the computational burden of OS CFAR. We compared the power of the test cell and reference cell to determine only the presence or absence of target detection. The common reference cells overlapping in the reference cells of the three test cells are obtained. We first compare the test cell with the highest power value among the three test cells to the common reference cells. Next, we compare each test cell to general reference cells, excluding the common reference cells. The computation time is shortened by reducing the power comparison computation amounts.

주제어

AI 본문요약
AI-Helper

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

문제 정의

그리고 모든 테스트 셀에 대하여 이러한 과정을 수행하여야 하므로 실시간 적용에 어려움이 발생한다. 본 논문에서는 OS CFAR 알고리즘을 실시간 적용을 위하여 연산량 단축방안을 제안한다.
모든 참조 셀에 대하여 오름차순으로 정렬하여 임계값을 계산하여야 하는 OS CFAR는 이러한 단점 때문에 실시간 적용이 어려웠다. 본 논문에서는 레이다 시스템에 실시간 적용이 가능하도록 OS CFAR 알고리즘의 연산시간 단축 방안에 대하여 기술하였다.
본 논문에서는 알고리즘 확인을 위하여 일반적인 환경을 모사하여 시뮬레이션을 하였다. 실제 환경은 다양한 클러터 및 잡음이 존재하고, 레이다 파라미터에 따라 연산량의 차이를 보일 수 있기에 실제 환경에서 본 알고리즘을 바로 적용하기에 어려움이 있어 보인다.
임계값을 계산하는 대신 테스트 셀의 표적 탐지 유무만 판단할 경우 알고리즘이 단순해진다. 참조 셀들을 오름차순으로 정렬하지 않고, 테스트 셀과 참조 셀의 크기를 비교하는 것이다. 테스트 셀의 크기보다 큰 참조 셀의 개수를 계산하여서 셀 개수가 오름차순 n보다 크면 표적으로 판단하는 것이다.
참조 셀들을 오름차순으로 정렬하지 않고, 테스트 셀과 참조 셀의 크기를 비교하는 것이다. 테스트 셀의 크기보다 큰 참조 셀의 개수를 계산하여서 셀 개수가 오름차순 n보다 크면 표적으로 판단하는 것이다.

제안 방법

그리고 테스트 셀 3개를 묶어 구역을 나누는 방법으로 연산량을 더욱 단축시켰다. 3개의 테스트 셀에 대한 공통 참조 셀을 구하여 가장 크기가 큰 테스트 셀에 대하여 공통 참조 셀과 크기를 비교하여 나머지 테스트 셀에 대한 공통 참조 셀과의 크기 비교 연산량을 단축시켰다. 다양한 환경에서 제안한 CFAR 알고리즘이 기존의 알고리즘과 결과는 동일하지만, 연산시간은 크게 단축됨을 시뮬레이션으로 통하여 알아보았다.
셀 크기를 비교하여 표적 유무만 판단하는 알고리즘 방식으로 수행하는 경우에 모든 테스트 셀에 대하여 참조 셀과 비교를 수행하는 대신 구간을 묶어 공통 참조 셀을 미리 계산하는 방식으로 수행하면 연산량은 줄어든다. 3개의 테스트 셀을 묶어 3개의 테스트 셀의 크기를 비교하여 크기가 가장 큰 테스트 셀을 기준으로 참조 셀들과 크기를 비교를 수행한다. 우선적으로 모든 참조 셀들과 크기를 비교하는 것이 아니라, 3개의 테스트 셀에 대한 겹치는 공통 참조 셀들만 크기 비교를 수행한다.
공통 참조 셀을 제외한 나머지 참조 셀은 일반 참조 셀이라 한다. y, y+1, y+2의 3개 테스트 셀 중 가장 크기가 큰 테스트 셀에 대하여 공통 참조 셀과 크기 비교를 수행한 후 일반 참조 셀과 크기를 비교한다. 그리고 크기가 작은 테스트 셀에 대하여 참조 셀과 크기를 비교하는데, 공통 참조 셀에 대해서는 모든 공통 참조 셀과 크기를 비교하지 않는다.
거리방향에 대하여 균일한 잡음에서 표적이 하나만 존재할 경우, 참조 셀 수를 변경하면서 3가지 CFAR 알고리즘의 연산시간을 측정하였다. 그림 5에는 표적이 하나인 환경을 나타내었다.
앞서 가장 큰 테스트 셀과 공통 참조 셀의 크기 비교를 수행할 때에 가장 큰 테스트 셀보다 큰 공통 참조 셀은 제거한다. 그래서 작은 값을 가진 테스트 셀들은 공통 참조 셀 중 가장 큰 테스트 셀보다 작은 공통 참조 셀과 일반 참조 셀과의 크기 비교만 수행한다. 크기가 큰 공통 참조 셀을 제거하는 이유는 가장 큰 테스트 셀 값보다 큰 공통 참조 셀은 크기가 작은 테스트 셀 값보다는 항상 크기 때문이다.
이 방법으로 참조 셀들을 오름차순하는 연산량이 제거되므로 많은 연산 시간 단축효과가 있었다. 그리고 테스트 셀 3개를 묶어 구역을 나누는 방법으로 연산량을 더욱 단축시켰다. 3개의 테스트 셀에 대한 공통 참조 셀을 구하여 가장 크기가 큰 테스트 셀에 대하여 공통 참조 셀과 크기를 비교하여 나머지 테스트 셀에 대한 공통 참조 셀과의 크기 비교 연산량을 단축시켰다.
모든 참조 셀에 대하여 위 과정을 수행한 후 최종 cnt값과 해당하는 OS CFAR 차수인 n과 비교하여 표적 여부를 판단한다.
참조 셀들을 오름차순으로 정렬하여 임계값을 계산하여 테스트 셀의 표적 유무를 판단하는 일반적인 OS CFAR와 임계값을 계산하지 않고 셀 크기를 비교하여 표적 유무만 판단하는 보완된 OS CFAR, 그리고 본 논문에서 제안하는 구역을 나누어 계산하는 OS CFAR 알고리즘을 비교하여 보았다. 본 논문에서는 다양한 환경에서 전체 셀은 250셀, 가드 셀은 3셀로 고정하였고, 참조 셀을 변경하면서 연산시간을 측정하였다. 이하 ① CFAR 알고리즘은 기존 OS CFAR 알고리즘, ② CFAR 알고리즘은 셀 크기 비교 표적 유무 판단 OS CFAR 알고리즘, ③ CFAR 알고리즘은 본 논문에서 제안하는 구역 나눔 셀 크기 비교 표적 유무 판단 알고리즘으로 한다.
3개의 테스트 셀을 묶어 3개의 테스트 셀의 크기를 비교하여 크기가 가장 큰 테스트 셀을 기준으로 참조 셀들과 크기를 비교를 수행한다. 우선적으로 모든 참조 셀들과 크기를 비교하는 것이 아니라, 3개의 테스트 셀에 대한 겹치는 공통 참조 셀들만 크기 비교를 수행한다. 그림 3은 3개의 테스트 셀과 공통 참조 셀들을 나타내었다.
본 논문에서는 다양한 환경에서 전체 셀은 250셀, 가드 셀은 3셀로 고정하였고, 참조 셀을 변경하면서 연산시간을 측정하였다. 이하 ① CFAR 알고리즘은 기존 OS CFAR 알고리즘, ② CFAR 알고리즘은 셀 크기 비교 표적 유무 판단 OS CFAR 알고리즘, ③ CFAR 알고리즘은 본 논문에서 제안하는 구역 나눔 셀 크기 비교 표적 유무 판단 알고리즘으로 한다.
참조 셀들을 오름차순으로 정렬하는 대신 참조 셀과 테스트 셀과의 크기 비교를 통하여 표적 유무만 판단하도록 개선하였다. 이 방법으로 참조 셀들을 오름차순하는 연산량이 제거되므로 많은 연산 시간 단축효과가 있었다.
참조 셀들을 오름차순으로 정렬하여 임계값을 계산하여 테스트 셀의 표적 유무를 판단하는 일반적인 OS CFAR와 임계값을 계산하지 않고 셀 크기를 비교하여 표적 유무만 판단하는 보완된 OS CFAR, 그리고 본 논문에서 제안하는 구역을 나누어 계산하는 OS CFAR 알고리즘을 비교하여 보았다. 본 논문에서는 다양한 환경에서 전체 셀은 250셀, 가드 셀은 3셀로 고정하였고, 참조 셀을 변경하면서 연산시간을 측정하였다.
수신된 데이터의 각 셀들은 참조 셀과 테스트 셀로 구분된다. 테스트 셀의 표적 여부를 판단하기 위하여 테스트 주변 셀들인 참조 셀을 이용하여 임계값을 설정한다. 테스트 셀은 참조 셀의 연산으로 구해진 임계값과 비교하여 표적 여부를 판단한다^[3].
표적 근처에 큰 잡음 신호가 있는 비균일 잡음환경에서의 3가지 알고리즘의 연산시간을 측정하였다. 그림 8에서 보듯이 표적 근처에 큰 잡음 신호가 들어옴을 알 수 있다.

이론/모형

그러나 실제 상황에서는 잡음의 신호세기가 시간에 따라 변화하기 때문에 일정한 임계값으로 설정하면 표적이 아닌 신호를 표적으로 오인할 확률이 높아진다. 따라서 주위 잡음 신호에 따라서 임계값을 설정하는 기법인 CFAR(Constant False Alarm Rate, 이하 CFAR) 알고리즘이 표적 탐지에 사용된다. 그림 1은 CFAR 알고리즘의 기본적인 블록도를 나타내었다.
레이다 시스템에서 표적 탐지에 CFAR 알고리즘이 사용된다. CFAR 알고리즘 중 비균일 잡음 환경에서 사용되는 OS CFAR 알고리즘은 연산시간이 많다는 단점이 있다.

성능/효과

① CFAR 알고리즘에 비하여 ③ CFAR 알고리즘은 거의 90 % 이상 연산시간 단축효과를 보여주고, ② CFAR 알고리즘 대비 ③ CFAR 알고리즘은 40 % 이상 단축 효과를 보여준다.
이에 반하여 제안한 알고리즘은 참조 셀이 늘어나더라도 연산시간이 급격히 증가하지 않음을 알 수 있다. 그리고 시뮬레이션을 보듯이 각각의 환경에서 참조 셀 수에 상관없이 제안한 ③ CFAR 알고리즘의 연산 시간이 다른 CFAR 알고리즘보다 단축됨을 알 수 있다. 그리고 CFAR 결과도 변화가 없음을 알 수 있다.
3개의 테스트 셀에 대한 공통 참조 셀을 구하여 가장 크기가 큰 테스트 셀에 대하여 공통 참조 셀과 크기를 비교하여 나머지 테스트 셀에 대한 공통 참조 셀과의 크기 비교 연산량을 단축시켰다. 다양한 환경에서 제안한 CFAR 알고리즘이 기존의 알고리즘과 결과는 동일하지만, 연산시간은 크게 단축됨을 시뮬레이션으로 통하여 알아보았다. 참조 셀 수가 늘어날수록 제안된 CFAR 알고리즘의 연산 단축 효과는 증대됨을 알 수 있었다.
기존 알고리즘인 ① CFAR 알고리즘은 참조 셀이 늘어날수록 연산 시간이 급격히 증가하는데 이것은 참조 셀이 늘어남에 따라 오름차순 정렬 시간이 그에 따라 늘어났기 때문이다. 이에 반하여 제안한 알고리즘은 참조 셀이 늘어나더라도 연산시간이 급격히 증가하지 않음을 알 수 있다. 그리고 시뮬레이션을 보듯이 각각의 환경에서 참조 셀 수에 상관없이 제안한 ③ CFAR 알고리즘의 연산 시간이 다른 CFAR 알고리즘보다 단축됨을 알 수 있다.
이것은 참조 셀이 늘어날수록 제거되는 공통 참조 셀 수가 늘어남에 따라 연산시간이 단축된 것이다. 즉, 3개의 테스트 셀 중 가장 큰 테스트 셀 값을 찾는 연산을 추가하는 것보다 공통 참조 셀을 제거하여 크기 비교하는 연산을 단축하는 것이 훨씬 효과적임을 알 수 있다.
다양한 환경에서 제안한 CFAR 알고리즘이 기존의 알고리즘과 결과는 동일하지만, 연산시간은 크게 단축됨을 시뮬레이션으로 통하여 알아보았다. 참조 셀 수가 늘어날수록 제안된 CFAR 알고리즘의 연산 단축 효과는 증대됨을 알 수 있었다.
그림 7에는 참조 셀에 따른 3가지 CFAR 알고리즘의 연산시간을 나타내었다. 참조 셀 수가 늘어날수록 제안한 ③ CFAR 알고리즘의 연산 시간이 다른 CFAR 알고리즘보다 적음을 알 수 있다.

후속연구

실제 환경은 다양한 클러터 및 잡음이 존재하고, 레이다 파라미터에 따라 연산량의 차이를 보일 수 있기에 실제 환경에서 본 알고리즘을 바로 적용하기에 어려움이 있어 보인다. 따라서 추후 본 논문에서 제시한 시뮬레이션 환경 이외 실제 환경과 유사한 환경을 모사하여 임베디드 시스템을 통하여 본 논문에서 제안한 알고리즘이 실시간으로 레이다 시스템에 적용가능한지를 살펴보도록 하겠다.

질의응답

핵심어	질문	논문에서 추출한 답변
	레이다 시스템의 원리는?	레이다 시스템은 전파를 공간상에 방사시켜 반사된 수신신호를 이용하여 표적을 탐지하는 것이다[1]. 그러나 레이다 시스템이 수신한 신호의 대부분은 시공간영역에서 잡음신호가 표적 신호보다 많은 영역을 차지하고 있다.
	CFAR의 주요 사용처는?	CFAR(Constant False Alarm Rate)는 레이다 시스템에서 표적 탐지에 주요 사용된다. 그 중에서 OS(Ordered Statistic) CFAR는 비균일 잡음환경에서 사용된다.
	OS CFAR이 표적 탐지에 사용되는 이유는 무엇인가?	표적을 탐지하는 가장 간단한 방법은 일정한 임계값을 설정하여 이것보다 큰 신호를 표적으로 판단하는 것이다. 그러나 실제 상황에서는 잡음의 신호세기가 시간에 따라 변화하기 때문에 일정한 임계값으로 설정하면 표적이 아닌 신호를 표적으로 오인할 확률이 높아진다. 따라서 주위 잡음 신호에 따라서 임계값을 설정하는 기법인 CFAR(Constant False Alarm Rate, 이하 CFAR) 알고리즘이 표적 탐지에 사용된다.

참고문헌 (7)

K. H. Lee, "A study on target direction and range estimation using radar single pulse," The Journal of The Institute of Internet, Broadcasting and Communication, vol. 14, no. 6, pp. 107-112, Dec. 2014.
S. J. Shin, "A study of efficient CFAR algorithm," The Journal of Korean Institute of Electromagnectic Engineering and Science, vol. 25, no. 8, pp. 849-856, Aug. 2014.

원문보기 상세보기
E. G. Hyun, W. J. Oh, and J. H. Lee, "Fast CA-CFAR processor design with hardware complexity," Journal of the Institute of Electronics Engineers of Korea SP, vol. 48, no. 5, pp. 123-128, Nov. 2011.
B. R. Mahafza, Radar Systems Analysis and Design Using Matlab, 2nd ed. CRC Press, 2000.
M. Shbat, V. Tuzlukov, "Evaluation of detection performance under employment of the generalized detector in radar sensor systems," Radioengineering, vol. 23, no. 1, pp. 50-65, Apr. 2014.
D. Ivkovic, B. Zrnic, M. Andric, and D. Nikolic, "CFAR detector models in receiver of the software defined radar," in 5th International Scientific Conference on the Defensive Technologies, Sep. 2012, pp. 388-393.
B. Magaz, A. Belouchrani, and M. Hamadouche, "Automatic threshold selection in OS-CFAR radar detection using information theoretic criteria," Progress in Electromagnetics Research B, vol. 30, pp. 157-175, 2011.

상세보기

저자의 다른 논문 :

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