[논문]함정의 다기능레이더(MFR) 자원할당 방안에 관한 연구

박영만; 이진호; 조현진; 박경주; 김하철; 임요준; 김해근; 이호철; 정석문

doi:10.9709/jkss.2019.28.1.067

함정의 다기능레이더(MFR) 자원할당 방안에 관한 연구
A Study on Resource Allocations of Multi Function Radar in a Warship 원문보기

한국시뮬레이션학회논문지 = Journal of the Korea Society for Simulation, v.28 no.1, 2019년, pp.67 - 79

박영만 (해군사관학교 국방경영학과) , 이진호 (해군사관학교 국방경영학과) , 조현진 (해군사관학교 전기전자공학과) , 박경주 (해군사관학교 해양학과) , 김하철 (해군사관학교 전기전자공학과) , 임요준 (해군사관학교 군사학과) , 김해근 (해군사관학교 작전학과) , 이호철 (국방과학연구소 함정전투체계개발단) , 정석문

초록
AI-Helper

다기능레이더(MFR)를 장착한 함정의 작전수행은 적의 위협에 대한 징후를 바탕으로 위협의 정도를 판단하고 이를 바탕으로 MFR 자원을 위협별로 할당하는 것으로 작전을 시작한다. 본 연구는 MFR 탐지체계를 가진 함정의 임무 시작 시 필요한 위협별 MFR 자원할당 문제에 대하여 시뮬레이션을 이용한 기법과 Greedy 기법을 이용한 MFR 자원할당 방안을 제시하여 그 결과를 비교분석하였다. 분석시 자원할당에 따른 탐지확률 함수가 선형인 경우와 지수형인 경우를 고려하여 실험을 수행하였다. 실험 결과 시뮬레이션 기법과 Greedy기법의 결과는 서로 비슷한 자원할당 결과를 보여주고 있으며, Greedy 기법은 시뮬레이션 기법에 비하여 그 수행시간이 아주 짧아 실제 임무 수행 시에 이용 가능한 기법으로 판단된다. 여러 가지 위협의 정도에 대해 Greedy 기법을 이용하여 MFR 자원할당 결과를 분석하였다.

Abstract ▼ AI-Helper

A warship equipped with Multi Function Radar(MFR) performs operations by evaluating the degree of threats based on threats' symptom and allocating the resource of MFR to the corresponding threats. This study suggests a simulation-based approach and greedy algorithm in order to effectively allocate the resource of an MFR for warships, and compares these two approaches. As a detection probability function depending on the amount of allocations to each threat, we consider linear and exponential functions. Experimental results show that both the simulation-based approach and greedy algorithm allocate resource similarly to the randomly generated threats, and the greedy algorithm outperforms the simulation-based approach in terms of computational perspective. For a various cases of threats, we analyze the results of MFR resource allocation using the greedy algorithm.

주제어

표/그림 (27)

그림 Fig. 1. A panels of MFR(Bridger & Ruiz, 2006)
그림 Fig. 2. The detection probability function of resourceallocation of MFR
표 Table 1. Parameters of MFR resource allocation
그림 Fig. 3. Simulation algorithm for MFR resource allocation
그림 Fig. 4. Greedy algorithm for MFR resource allocation
표 Table 2. A comparison of the result of MFR resource allocation for different type of threats in case of probability function(1)
그림 Fig. 5-A. The result of MFR resource allocation for different type of threats(Pa=0.1, Pb=0.3)
그림 Fig. 5-B. The result of MFR resource allocation for different type of threats(Pa=0.3, Pb=0.3)
그림 Fig. 5-C. The result of MFR resource allocation for different type of threats(Pa=0.5, Pb=0.3)
그림 Fig. 5-D. The result of MFR resource allocation for different type of threats(Pa=0.7, Pb=0.3)
그림 Fig. 5-E. The result of MFR resource allocation for different type of threats(Pa=0.9, Pb=0.3)
그림 Fig. 6-A. The result of MFR resource allocation for different type of threats(Pa=0.5, Pb=0.1)
그림 Fig. 6-B. The result of MFR resource allocation for different type of threats(Pa=0.5, Pb=0.3)
그림 Fig. 6-C. The result of MFR resource allocation for different type of threats(Pa=0.5, Pb=0.5)
그림 Fig. 6-D. The result of MFR resource allocation for different type of threats(Pa=0.5, Pb=0.7)
그림 Fig. 6-E. The result of MFR resource allocation for different type of threats(Pa=0.5, Pb=0.9)
표 Table 3. The result of MFR resource allocation for different type of threats in case of probability function (2)
그림 Fig. 7-A. The result of MFR resource allocation for different type of threats(Pa=0.1, Pb=0.3)
그림 Fig. 7-B. The result of MFR resource allocation for different type of threats(Pa=0.3, Pb=0.3)
그림 Fig. 7-C. The result of MFR resource allocation for different type of threats(Pa=0.5, Pb=0.3)
그림 Fig. 7-D. The result of MFR resource allocation for different type of threats(Pa=0.7, Pb=0.3)
그림 Fig. 7-E. The result of MFR resource allocation for different type of threats(Pa=0.9, Pb=0.3)
그림 Fig. 8-A. The result of MFR resource allocation for different type of threats(Pa=0.5, Pb=0.1)
그림 Fig. 8-B. The result of MFR resource allocation for different type of threats(Pa=0.5, Pb=0.3)
그림 Fig. 8-C. The result of MFR resource allocation for different type of threats(Pa=0.5, Pb=0.5)
그림 Fig. 8-D. The result of MFR resource allocation for different type of threats(Pa=0.5, Pb=0.7)
그림 Fig. 8-E. The result of MFR resource allocation for different type of threats(Pa=0.5, Pb=0.9)

AI 본문요약
AI-Helper

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

문제 정의

각 위협에 대하여 함정생존율을 향상하기 위한 효율적인 MFR 탐지체계 운영방안을 제시하고자 한다. 이를 위해 탐지확률과 MFR 자원할당 절차 수립에 필요한 여러 가지 변수는 Table 1과 같다.
즉, 위협이 발생한 경우에는 위협에 대한 탐지가 곧 함정의 임무수행을 위한 중요한 요소이며 위협이 발생하지 않으면 함정의 임무수행에 특별한 장애는 없는 것으로 간주할 수 있다. 따라서 본 연구에서는 함정에 대한 위협의 발생유무와 상관없이 안전하게 주어진 임무를 완수하고 귀환할 수 있는 함정생존율을 중요한 임무효과 측정단위로 제시하였다.
선형 탐지확률 함수의 계수 a 값은 비교 기준으로 사용하기 때문에 세 위협 모두 1로 설정하였으며, 실제 MFR 탐지확률 함수와 유사한 형태인 지수형 탐지확률 함수 계수 b값은 위협 표적별 레이다반사면적(RCS: Radar Cross Section, 이하 RCS)의 크기를 고려하여 대공, 대함, 대잠위협별로 각각 4, 6, 2로 설정하였으며 이는 보안 등의 이유로 위협 표적별 RCS 실제값을 적용하지 못하고 상대적인 크기만을 고려한 탐지확률 함수를 사용하였다. 또한, 실제로 MFR 자원할당 시에는 전력이나 장비부하 등 운영비용이 발생할 수 있으나, 본 연구에서는 자원할당 관련 비용은 없는 것으로 간주하여 MFR 자원을 100% 할당하는 방안에 대하여 실험을 수행하였다.
본 연구에서는 MFR 탐지체계를 가진 함정의 임무 수행 시 필요한 위협별 MFR 자원할당 문제를 다루었다. MFR 자원할당은 적의 징후로부터 각 위협의 정도를 예측한 경우 시뮬레이션을 이용한 기법과 Greedy 기법을 이용한 두 가지 MFR 자원할당 방안을 제시하여 그 결과를 비교·분석하였다.
본 연구에서는 최근 신형 수상함에 탑재되어 다양한 위협에 대한 탐지체계로 활용되고 있는 다기능레이더의 효율적인 운용방안에 관하여 연구하였으며, 특히, 함정 작전 수행 시에 가장 먼저 결정해야 하는 MFR 자원할당 문제에 대하여 MFR 자원할당량에 따른 탐지능력을 고려하여 함정생존율을 최대로 하는 효율적인 MFR 자원할당 방법에 관하여 연구를 수행하였다. 논문의 구성은 다음과 같다.

제안 방법

자원할당량에 따른 두 종류의 탐지확률 함수를 이용하여 시뮬레이션 기법의 결과와 Greedy 기법의 결과를 비교한 결과 함정생존율의 차이가 최대 4%로 나타나 서로 비슷한 자원할당 결과를 보여주고 있음을 알 수 있었다. 또한 Greedy 기법은 시뮬레이션 기법과 비교하면 그 수행 시간이 아주 짧아 실제 임무 수행 시에 이용 가능한 기법으로 판단되어 이를 바탕으로 결과분석을 수행하였다. 분석 결과 각 위협별 확률이 같은 경우에는 탐지확률 함수가 선형일 때에는 비슷한 비율로 각각의 위협별로 자원을 할당하고, 지수형 탐지확률 함수일 때에는 탐지확률 함수 값이 작은 대잠, 대공, 대함 위협 순으로 상대적으로 자원을 더 많이 할당하는 것이 함정생존율을 높이는 것으로 나타났다.
0까지 1331가지 경우에 대하여 MFR 자원할당을 0%에서 최대 100%까지 1% 단위로 할당하는 모든 방안에 대하여 경우 당 10,000번 반복실험을 수행하였다. 선형 탐지확률 함수의 계수 a 값은 비교 기준으로 사용하기 때문에 세 위협 모두 1로 설정하였으며, 실제 MFR 탐지확률 함수와 유사한 형태인 지수형 탐지확률 함수 계수 b값은 위협 표적별 레이다반사면적(RCS: Radar Cross Section, 이하 RCS)의 크기를 고려하여 대공, 대함, 대잠위협별로 각각 4, 6, 2로 설정하였으며 이는 보안 등의 이유로 위협 표적별 RCS 실제값을 적용하지 못하고 상대적인 크기만을 고려한 탐지확률 함수를 사용하였다. 또한, 실제로 MFR 자원할당 시에는 전력이나 장비부하 등 운영비용이 발생할 수 있으나, 본 연구에서는 자원할당 관련 비용은 없는 것으로 간주하여 MFR 자원을 100% 할당하는 방안에 대하여 실험을 수행하였다.
시뮬레이션 실험에서는 대공, 대함, 대잠위협 정도가 각각 0, 0, 0에서 최대인 1.0, 1.0, 1.0까지 1331가지 경우에 대하여 MFR 자원할당을 0%에서 최대 100%까지 1% 단위로 할당하는 모든 방안에 대하여 경우 당 10,000번 반복실험을 수행하였다. 선형 탐지확률 함수의 계수 a 값은 비교 기준으로 사용하기 때문에 세 위협 모두 1로 설정하였으며, 실제 MFR 탐지확률 함수와 유사한 형태인 지수형 탐지확률 함수 계수 b값은 위협 표적별 레이다반사면적(RCS: Radar Cross Section, 이하 RCS)의 크기를 고려하여 대공, 대함, 대잠위협별로 각각 4, 6, 2로 설정하였으며 이는 보안 등의 이유로 위협 표적별 RCS 실제값을 적용하지 못하고 상대적인 크기만을 고려한 탐지확률 함수를 사용하였다.

데이터처리

MFR 자원할당은 적의 징후로부터 각 위협의 정도를 예측한 경우 시뮬레이션을 이용한 기법과 Greedy 기법을 이용한 두 가지 MFR 자원할당 방안을 제시하여 그 결과를 비교·분석하였다.
시뮬레이션 기법과 Greedy기법의 MFR 자원할당 결과를 비교·분석해 보면 두 기법의 함정생존율은 최대 4% 이내로 나타나 두기법의 차이가 크지 않은 것으로 나타났다. 시뮬레이션 수행 시간이 많이 소요되고 함정생존율의 차이가 작으므로 탐지확률 함수가 선형인 경우의 MFR 자원할당 결과 분석은 Greedy기법의 결과를 이용하여 분석하였다. Fig.

이론/모형

본 연구에서는 MFR 자원할당량에 대한 탐지확률이 각 위협별로 식 (1) 또는 식 (2)와 같이 주어졌을 때 함정의 생존확률이 가장 많이 증가하는 위협에 대하여 MFR 자원할당 비용보다 생존율 증가이득이 큰 경우 Fig. 4와 같은 Greedy 기법을 이용하여 MFR 자원할당량을 구할 수 있다. Fig.

성능/효과

MFR 자원할당 결과는 대공위협과 대잠위협이 증가함에 따라 각 위협별 자원할당량도 최대 70%까지 증가함을 알 수 있다. 대함위협에 대한 자원할당은 20%에서 최대 40%까지 할당하는 것이 좋은 것으로 나타났다.
Fig, 8에서 대공위협에 대하여 항상 22%에서 최대 64%까지 자원을 할당하는 것이 타당한 것으로 나타났다. MFR 자원할당은 대잠위협이 0.5보다 작은 경우 대공과 대함위협에 비슷한 정도의 자원을 할당하고 대잠위협이 0.5보다 큰 경우에는 대잠위협에 대하여 MFR 자원을 가장 많이 할당 하고 위협의 발생 정도에 따라 차례대로 자원을 할당하는 것이 함정생존율을 높은 것으로 나타났다.
12%로 계산되었다. 같은 조건에서 시뮬레이션으로 구한 자원할당은 대공위협에 79%, 대함위협에 21%, 대잠위협에 0%를 할당하는 것이 가장 좋으며 이때 함정생존율은 43.91%로 나타나 Greedy 기법과 차이는 1% 정도 인 것으로 나타났다.
선형 탐지확률 함수식 (1)을 적용한 경우와 마찬가지로 대공, 대함, 대잠의 세 가지 위협 중 발생 확률이 하나만 존재하는 경우에는 해당 위협에만 할당하는 것이 최적이다. 그러나 대공, 대함, 대잠위협 발생확률이 0.1, 0.1, 0.1 또는 0.5, 0.5, 0.5 등과 같이 동일한 경우에는 선형 탐지확률 함수식 (1)을 적용하는 경우 MFR 자원할당을 세 위협에 대하여 골고루 할당하지만 지수형 탐지확률 함수식 (2)의 경우에는 대잠, 대공, 대함 순으로 MFR 자원을 더 할당하는 것이 함정생존율을 높이는 것으로 나타났다. 이는 지수형 탐지확률 함수에서는 표적별 상대적인 RCS를 고려하여 대잠, 대공, 대함 위협 순으로 탐지확률이 작도록 b값을 서로 다르게 설정하였기 때문인 것으로 생각된다.
대함위협에 대한 자원할당은 20%에서 최대 40%까지 할당하는 것이 좋은 것으로 나타났다. 대잠위협이 0.5 보다 작은 경우에는 대공위협이나 대함위협에 자원을 할당하고 대잠 위협이 0.5이상일 경우에는 대공위협과 대잠위협에 MFR 자원을 할당하는 것이 함정 생존율을 높은 것으로 나타났다.
MFR 자원할당 결과는 대공위협과 대잠위협이 증가함에 따라 각 위협별 자원할당량도 최대 70%까지 증가함을 알 수 있다. 대함위협에 대한 자원할당은 20%에서 최대 40%까지 할당하는 것이 좋은 것으로 나타났다. 대잠위협이 0.
Table 2는 MFR 자원할당에 따른 세 가지 위협의 탐지확률 함수로 모두 식(1)을 적용한 경우 시뮬레이션을 이용한 경우 가장 높은 함정생존율을 보이는 자원할당과 Greedy 기법을 적용한 경우의 MFR 자원할당 결과의 일부를 나타내었다. 두 기법의 생존율의 차이는 Greedy 기법의 함정생존율과 시뮬레이션 기법의 함정생존율의 차이는 최대 4% 이내로 나타나 두 기법의 MFR 자원할당 결과가 상당히 유사함을 알 수 있다.
이는 지수형 탐지확률 함수에서는 표적별 상대적인 RCS를 고려하여 대잠, 대공, 대함 위협 순으로 탐지확률이 작도록 b값을 서로 다르게 설정하였기 때문인 것으로 생각된다. 두 기법의 함정생존율은 차이는 최대 4% 이내로 나타나 지수형 탐지확률 함수도 두 기법간 MFR 자원할당 결과는 매우 유사함을 알 수 있다.
이러한 결과는 탐지확률 함수의 a값과 b값의 설정에 따른 영향 때문인 것으로 생각된다. 따라서 보다 신뢰할 수 있는 MFR 자원할당 방안을 결정하기 위해서는 RCS를 고려한 보다 정확한 b값의 설정이 중요함을 알 수 있었다.
실제 운영상황과는 다를 수 있으나 주어진 조건에서 이론적으로는 너무나 당연한 할당 결과이다. 또한, 대공, 대함, 대잠위협 발생확률이 0.1, 0.1, 0.1이나 0.5, 0.5, 0.5 등과 같이 동일한 경우에는 각 위협별 MFR 자원할당을 각각 동일하게(34%, 33%, 33%) 할당하는 것이 항상 높은 함정생존율을 보이는 것으로 나타났다. 이는 실험에서 세 가지 위협에 대한 선형 탐지확률 함수를 모두 계수 a값이 1인 동일한 함수를 사용하였기 때문인 것으로 생각된다.
분석 결과 각 위협별 확률이 같은 경우에는 탐지확률 함수가 선형일 때에는 비슷한 비율로 각각의 위협별로 자원을 할당하고, 지수형 탐지확률 함수일 때에는 탐지확률 함수 값이 작은 대잠, 대공, 대함 위협 순으로 상대적으로 자원을 더 많이 할당하는 것이 함정생존율을 높이는 것으로 나타났다. 또한, 위협의 정도가 큰 경우, 보통, 작은 경우가 모두 존재할 때에는 탐지확률 함수가 선형일 때에는 대부분은 위협의 정도가 가장 큰 곳에 자원 대부분을 할당하고, 지수형일 때에는 위협의 정도 비율과 유사하게 자원을 할당하는 것이 함정생존율을 높이는 MFR 자원할당 방법으로 나타났다. 이러한 결과는 탐지확률 함수의 a값과 b값의 설정에 따른 영향 때문인 것으로 생각된다.
또한 Greedy 기법은 시뮬레이션 기법과 비교하면 그 수행 시간이 아주 짧아 실제 임무 수행 시에 이용 가능한 기법으로 판단되어 이를 바탕으로 결과분석을 수행하였다. 분석 결과 각 위협별 확률이 같은 경우에는 탐지확률 함수가 선형일 때에는 비슷한 비율로 각각의 위협별로 자원을 할당하고, 지수형 탐지확률 함수일 때에는 탐지확률 함수 값이 작은 대잠, 대공, 대함 위협 순으로 상대적으로 자원을 더 많이 할당하는 것이 함정생존율을 높이는 것으로 나타났다. 또한, 위협의 정도가 큰 경우, 보통, 작은 경우가 모두 존재할 때에는 탐지확률 함수가 선형일 때에는 대부분은 위협의 정도가 가장 큰 곳에 자원 대부분을 할당하고, 지수형일 때에는 위협의 정도 비율과 유사하게 자원을 할당하는 것이 함정생존율을 높이는 MFR 자원할당 방법으로 나타났다.
시뮬레이션 기법과 Greedy기법의 MFR 자원할당 결과를 비교·분석해 보면 두 기법의 함정생존율은 최대 4% 이내로 나타나 두기법의 차이가 크지 않은 것으로 나타났다.
실험은 Windows10 운영체제에서 Intel(R) Core(TM) i3-4160 CPU, Ram 4GB 컴퓨터에서 Visual C++ 프로그램을 이용하여 구현하였으며, 시뮬레이션 수행 시간은 1320초(22분)정도 소요되지만 Greedy 기법은 1초 이내의 짧은 시간이 소요되는 것으로 나타났다.
5에서 MFR 자원할당 결과는 대공위협과 대잠위협이 증가함에 따라 각각 위협별 자원할당량도 최대 100%까지 증가함을 알 수 있다. 이 결과는 대공위협과 대잠위협이 0.5이상으로 큰 경우에는 MFR 자원을 위협이 가장 큰 곳에 많이 할당하는 것이 모든 경우에 가장 좋은 것은 아니지만 대다수의 경우 높은 함정생존율을 보이는 것으로 나타났다.
5와 마찬가지로 가능한 위협의 정도가 큰 곳에 MFR 자원할당은 많이 하는 것이 함정생존율이 높은 것을 알 수 있다. 이는 선형의 탐지확률을 가정한 경우에는 MFR 자원할당은 대부분은 위협의 확률이 가장 높은 곳에 자원 대부분을 많이(70%~100%) 할당하는 것이 함정생존율이 높은 것으로 나타났다.
위협에 대한 MFR 자원할당 대안에 대하여 최대반복 횟수만큼 탐지확률을 발생시켜 위협에 대한 함정생존율을 구하는 과정을 반복하는 것이다. 이러한 시뮬레이션 과정을 통하여 MFR 자원할당의 모든 대안에 대하여 반복실험을 시행하여 함정생존율이 가장 큰 MFR 자원할당 방안을 찾을 수 있다. 따라서 시뮬레이션 기법을 활용하면 모든 위협 발생 조합에 대하여 최대의 함정생존율을 가지는 MFR 자원할당 방안을 구할 수 있게 된다.
MFR 자원할당은 적의 징후로부터 각 위협의 정도를 예측한 경우 시뮬레이션을 이용한 기법과 Greedy 기법을 이용한 두 가지 MFR 자원할당 방안을 제시하여 그 결과를 비교·분석하였다. 자원할당량에 따른 두 종류의 탐지확률 함수를 이용하여 시뮬레이션 기법의 결과와 Greedy 기법의 결과를 비교한 결과 함정생존율의 차이가 최대 4%로 나타나 서로 비슷한 자원할당 결과를 보여주고 있음을 알 수 있었다. 또한 Greedy 기법은 시뮬레이션 기법과 비교하면 그 수행 시간이 아주 짧아 실제 임무 수행 시에 이용 가능한 기법으로 판단되어 이를 바탕으로 결과분석을 수행하였다.

후속연구

본 연구에서 제시된 시뮬레이션 기법과 Greedy 기법은 비교적 빠른 시간 안에 해를 제시하고 있지만 최적해를 보장하진 못한다. RCS를 고려한 정확한 함정생존율과 MFR 자원할당 비용을 고려하여 MFR 자원할당 문제의 최적해를 구할 수 있다면 제시된 휴리스틱 할당기법과 비교연구를 통하여 함정 작전시 MFR 운용에 많은 도움이 될 수 있는 결과를 도출할 수 있을 것으로 생각된다.
본 연구에서 제시된 시뮬레이션 기법과 Greedy 기법은 비교적 빠른 시간 안에 해를 제시하고 있지만 최적해를 보장하진 못한다. RCS를 고려한 정확한 함정생존율과 MFR 자원할당 비용을 고려하여 MFR 자원할당 문제의 최적해를 구할 수 있다면 제시된 휴리스틱 할당기법과 비교연구를 통하여 함정 작전시 MFR 운용에 많은 도움이 될 수 있는 결과를 도출할 수 있을 것으로 생각된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	MFR의 단점에는 무엇이 있는가?	1과 같이 다양한 기능을 가지는 다수의 임무를 신속하고 유동적으로 전환하며 처리할 수 있다. 그러나 이러한 다기능을 수행하는데 있어 한정된 시간 안에 신속히 대응해야 한다는 점과 레이더의 각 임무가 처리되는 시점에 따라 표적의 탐지율과 추적 성능이 결정되므로, 임무들이 수행될 시간과 순서를 효율적으로 결정할 필요성이 상존한다. 따라서 임무를 어떠한 순서와 빈도로 처리하고 레이더의 자원을 어떻게 효율적으로 분배할 것인가 하는 문제가 대두되고 있다.
	함정의 전투체계란?	함정의 전투체계는 각종 센서 및 무장 등 많은 체계들이 유기적으로 연결되어 해상에서 전투를 수행하는 복합 체계(system of systems)이다. 그뿐만 아니라 첨단 과학 기술의 발전과 함께 각각의 체계는 갈수록 고도화, 정밀화되고 있으며, 이러한 복합체계를 효율적으로 통제하고 효과적으로 운용하기 위해서는 운용자의 영향이 매우 큰 의사결정 중심의 시스템이라고 할 수 있다(Lee et al., 2018).
	함정의 탐지체계는 무엇으로 구분될 수 있는가?	복합체계로 구성된 함정의 여러 체계 중 센서를 통한 최초 탐지를 통해 이 후 단계에서 전투수행을 지속적으로 가능하게 하는 탐지체계의 역할은 무엇보다 중요하다고 할 수 있다. 함정의 탐지체계는 크게 소나 및 레이더 체계로 구분될 수 있다. 소나는 수중에서 함정, 잠수함 및 어뢰 등이 방사하는 음향을 탐지하는 것이며, 레이더는 대함 및 대공 표적에 대한 탐지·추적을 통해 위협이 되는 표적을 지속해서 감시하고 제거하기 위한 정보를 제공하는 체계이다.

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