[논문]클러터 환경을 고려한 효과적 소형 무인기 탐지에 관한 연구

최재호; 강기봉; 선선구; 이정수; 조병래; 김경태

doi:10.5515/kjkiees.2019.30.5.389

클러터 환경을 고려한 효과적 소형 무인기 탐지에 관한 연구
Efficient Detection of Small Unmanned Aerial Vehicles in Cluttered Environment 원문보기

韓國電磁波學會論文誌 = The journal of Korean Institute of Electromagnetic Engineering and Science, v.30 no.5, 2019년, pp.389 - 398

최재호 (포항공과대학교 전자전기공학과) , 강기봉 (포항공과대학교 전자전기공학과) , 선선구 (국방과학연구소) , 이정수 (국방과학연구소) , 조병래 (국방과학연구소) , 김경태 (포항공과대학교 전자전기공학과)

초록
AI-Helper

본 논문에서는 실제 환경을 고려하여 비행 중인 소형 무인기를 탐지할 수 있는 기법을 제안한다. 소형 무인기는 일반적으로 시가지 혹은 산악 지형 내에서 저고도 비행을 수행하므로 클러터(clutter)에 의해 자주 가려지게 된다. 따라서 우수한 탐지 성능 획득을 위해서는 잡음뿐만 아니라, 클러터를 고려한 탐지가 필수적이며, 각각의 클러터 제거 기법에 따른 성능 분석이 요구된다. 제안된 탐지 과정은 클러터 제거 기법 및 펄스 합성 기법을 통해 클러터 및 잡음을 억제한 후, CFAR 검출기를 통해 소형 무인기 탐지를 수행한다. 이때, 3가지 클러터 제거 기법을 적용한 후, 각 기법에 따른 소형 무인기 탐지 성능을 분석한다. 실제 야외 환경에서의 실험을 통한 측정 데이터(data)를 토대로 소형 무인기 탐지에 적합한 클러터 제거 기법을 도출할 수 있었다.

Abstract ▼ AI-Helper

In this paper, we propose a method to detect small unmanned aerial vehicles(UAVs) flying in a real-world environment. Small UAV signals are frequently obscured by clutter signals because UAVs usually fly at low altitudes over urban or mountainous terrain. Therefore, to obtain a desirable detection performance, clutter signals must be considered in addition to noise, and thus, a performance analysis of each clutter removal technique is required. The proposed detection process uses clutter removal and pulse integration methods to suppress clutter and noise signals, and then detects small UAVs by utilizing a constant false alarm rate detector. After applying three clutter removal techniques, we analyzed the performance of each technique in detecting small UAVs. Based on experimental data acquired in a real-world outdoor environment, we found it was possible to derive a clutter removal method suitable for the detection of small UAVs.

주제어

표/그림 (9)

그림 그림 1. 실제 환경에서의 단일 점 산란원 기하구조 Fig. 1. Geometry for a single point scatterer in real environment.
그림 그림 2. 실제 환경에서의 레이다 수신 신호 Fig. 2. Received signals of a radar in real environment.
그림 그림 3. OS-CFAR 알고리즘의 수행 절차 Fig. 3. Procedure of OS-CFAR algorithm.
그림 그림 4. 소형 무인기 탐지 기법 Fig. 4. Detection method for small UAV..
그림 그림 5. 레이다 시스템 및 드론 Fig. 5. The radar system and drone.
표 표 1. 레이다 시스템 사양 Table 1. The specification of the radar system.
그림 그림 6. 클러터 제거 및 펄스 압축 기법에 따른 레이다 반사 신호 Fig. 6. The radar echo signal according to clutter removal and pulse integration methods.
그림 그림 7. 클러터 제거 및 펄스 합성 기법 별 소형 무인기 탐지 성능 분석 Fig. 7. Analysis of small UAV detection performance according to clutter removal and pulse integration methods.
그림 그림 8. 클러터 제거 기법에 따른 OS-CFAR 탐지 결과 Fig. 8. OS-CFAR detection result according to the clutter removal methods.

AI 본문요약
AI-Helper

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

문제 정의

특히 소형 무인기가 70 m 지점에 위치한 경우, 이동 평균 기법은 다른 두 기법에 비해 높은 탐지율을 보이면서도 오경보가 발생하지 않았다. SNR 손실이 가장 큼에도 불구하고, 이동 평균 기법을 이용한 클러터 제거 기법이 가장 우수한 이유를 확인하기 위하여, 소형 무인기가 70 m 지점에 위치한 경우에 각 기법에 따른 OS-CFAR탐지 결과를 자세히 분석하여 보았다.
본 논문에서는 실제 환경에서 효과적인 소형 무인기탐지를 위한 프레임워크를 제안한다. 소형 무인기는 일반적으로 시가지 또는 산악 환경에서 사용되며, 저고도 비행을 수행하므로 클러터가 함께 수신되게 된다.
본 절에서는 SVD 기반, 이동 평균 필터 기반, 평균 벡터 차분 기반의 클러터 제거 알고리즘을 서술한다. 다음으로, 각각의 기법을 통하여 실제 환경 내 소형 무인기 수신 신호로부터 클러터를 억제 후, 각 결과에 대한 비교 및분석을 수행한다.
본 절은 소형 무인기 탐지 알고리즘의 성능 검증을 위하여, 실제 환경 내에서 측정된 드론 신호에 대한 탐지를 수행하고, 이에 대한 결과를 분석한다. 반사 신호 획득을 위하여 X-밴드 레이다 시스템(그림 5)을 구축하였다.
Ⅴ. 소형 무인기 탐지 기법
본 절은 실제 환경 내 소형 무인기 표적에 대하여 효과적으로 탐지를 수행할 수 있는 기법을 제안한다. 그림 4는 제안된 소형 무인기 탐지 알고리즘의 순서도를 도시한다.
고고도 비행하는 공중 표적의 경우 클러터를 고려할 필요가 없을 뿐만 아니라, 클러터 제거 기법을 수행할 경우 표적 신호가 함께 제거될 우려가 존재하기 때문이다. 이에 본 논문에서는 CFAR 기반의 표적 탐지 과정 이전에 클러터 제거 알고리즘을 추가함으로써 실제 환경에서 소형 무인기의 탐지 성능을 향상할 수 있는 방안을 제시한다. 먼저, 소형 무인기의 신호분석을 통해, 클러터 제거 과정에서 소형 무인기 신호는제거되지 않음을 수학적으로 검증한다.

제안 방법

각 클러터 제거 기법 수행 과정에서는 탐지에 최적화되도록 변수 미세 조정(fine tuning)을 수행하였다^[6],[12] .결과적으로 SVD 수행 과정에서 s=12, 이동 평균 필터링 과정에서 α=0.
본 절에서는 SVD 기반, 이동 평균 필터 기반, 평균 벡터 차분 기반의 클러터 제거 알고리즘을 서술한다. 다음으로, 각각의 기법을 통하여 실제 환경 내 소형 무인기 수신 신호로부터 클러터를 억제 후, 각 결과에 대한 비교 및분석을 수행한다.
따라서잡음뿐만 아니라, 클러터 환경까지 함께 고려한 탐지 기법이 연구되어야 한다. 따라서 제안된 알고리즘은 펄스합성 및 클러터 제거 기법을 통해 잡음 및 클러터를 억제하고, OS-CFAR 탐지기를 통해 소형 무인기 탐지를 수행한다. 해당 과정에서 소형 무인기 신호 분석을 통해 클러터 제거 알고리즘을 적용하더라도 소형 무인기 신호는 제거되지 않음을 검증하였다.
이 때, 표적 신호가 누설 신호 및 클러터로 인해 가려져 있음을 확인할 수 있다. 따라서 평균 벡터 차분, SVD, 이동 평균필터 3가지의 클러터 제거 기법을 사용하여 총 3가지 경우의 클러터 제거 기법에 대한 성능 분석을 수행하였다.
이에 본 논문에서는 CFAR 기반의 표적 탐지 과정 이전에 클러터 제거 알고리즘을 추가함으로써 실제 환경에서 소형 무인기의 탐지 성능을 향상할 수 있는 방안을 제시한다. 먼저, 소형 무인기의 신호분석을 통해, 클러터 제거 과정에서 소형 무인기 신호는제거되지 않음을 수학적으로 검증한다. 다음으로, 실제환경 내 측정된 소형 무인기 신호를 통해, 클러터 제거 기법이 탐지 성능을 개선할 수 있음을 보인다.
01로 설정하였다. 반면, 클러터를 제거한 경우, 소형 무인기의 병진 운동 성분 또한 일부 제거되기 때문에 SNR이 감소하므로 PFA를 0.1로 설정하여 기존보다 낮은 임계값이 설정되도록 하였다. 그림 7(a)는 소형 무인기의 평균 탐지율을 나타내며, 그림7(b)는 평균 오경보율을 나타낸다.
본 절은 소형 무인기 탐지 알고리즘의 성능 검증을 위하여, 실제 환경 내에서 측정된 드론 신호에 대한 탐지를 수행하고, 이에 대한 결과를 분석한다. 반사 신호 획득을 위하여 X-밴드 레이다 시스템(그림 5)을 구축하였다.
본 절에서는 소형 무인기에 대한 레이다 수신 신호의수학적 모델링(modeling)에 관해 기술하며, 그림 1은 실제환경에서 점 산란원(point scatterer)의 기하구조 모델을 도시한다. 상기 기하구조 내 소형 무인기 신호로부터, 거리압축(range compression)을 수행 후, 특정 시간 t에서의 τ번째 레이다 수신 펄스 r(t,τ)는 다음과 같이 정의된다^[8]
신호 각 클러터 제거기법의 탐지 성능을 비교하고, 소형 무인기 탐지에 가장적합한 클러터 제거 기법을 도출하기 위하여 거리 별 총60세트의 소형 무인기 데이터를 획득하였다. 이후, 세트당구해진 탐지율과 오경보율에 산술 평균을 취함으로써 각기법에 따른 소형 무인기 탐지 성능을 분석하였다(그림 7).
안테나를 통해 수신된 반사 신호는 RF 박스 및 IF 박스를 거쳐 샘플링(sampling)된 신호의 형태로 저장되게 된다. 저장된 소형 무인기 수신 데이터를 이용하여 각각의 클러터 제거 기법에 따라 클러터를 억제 후, 탐지 알고리즘을 적용함으로써 클러터 제거 기법별 탐지 성능을 분석할 수 있다.
제안된 알고리즘은 획득한 HRRP 정보로부터 클러터제거 기법을 이용하여 클러터를 억제한다. 소형 무인기가정지 비행을 수행할 경우, 클러터 제거 과정에서 소형 무인기의 병진 운동 성분이 함께 억제되므로 신호 대 잡음비(signal to noise ratio: SNR)가 감소하게 된다.
클러터 제거 기법을 수행할 경우, 위상 신호가 변화되므로 제안된 탐지 알고리즘은 비동기 합성 기법을 사용하여 펄스 합성을 수행한다. 최종적으로, 상기 과정을 통해 얻어진 펄스 벡터에 Ⅳ절의 OS-CFAR 탐지기를 적용함으로써 소형 무인기 탐지를 수행한다.

대상 데이터

즉, 이동 평균기법은 신호 대 클러터 비(signal to clutter ratio: SCR) 측면에서는 효과적이지만 SNR 측면에서는 평균 벡터 차분및 SVD 기법에 비해 비효율적이다. 신호 각 클러터 제거기법의 탐지 성능을 비교하고, 소형 무인기 탐지에 가장적합한 클러터 제거 기법을 도출하기 위하여 거리 별 총60세트의 소형 무인기 데이터를 획득하였다. 이후, 세트당구해진 탐지율과 오경보율에 산술 평균을 취함으로써 각기법에 따른 소형 무인기 탐지 성능을 분석하였다(그림 7).
실험은 일반적인 실외 환경에서 수행하였다. 소형 무인기로는 DJI(社)의 PHANTOM 4 드론 모델을 사용하였으며, 레이다로부터 거리가 점점 멀어지며 비행하고 있는소형 무인기의 반사 신호를 0.

이론/모형

먼저 레이다로부터 표적 및 주변 환경에 대한 수신 신호를 획득 후, 펄스 압축 기법^[10]을 통해 1차원 고해상도 거리측면도(high resolution range profile: HRRP)를 형성한다. 이때, 해당 과정에서 형성된 HRRP 데이터는 표적 신호뿐만 아니라, 잡음 및 클러터 또한 존재하므로 이를 억제하기 위한 처리 과정이 필요하다.
실험은 일반적인 실외 환경에서 수행하였다. 소형 무인기로는 DJI(社)의 PHANTOM 4 드론 모델을 사용하였으며, 레이다로부터 거리가 점점 멀어지며 비행하고 있는소형 무인기의 반사 신호를 0.05초 동안 획득하였다. 레이다의 펄스 반복 주파수(Pulse Repetition Frequency: PRF)는 20 kHz이므로 0.
클러터 제거 기법을 수행할 경우, 위상 신호가 변화되므로 제안된 탐지 알고리즘은 비동기 합성 기법을 사용하여 펄스 합성을 수행한다. 최종적으로, 상기 과정을 통해 얻어진 펄스 벡터에 Ⅳ절의 OS-CFAR 탐지기를 적용함으로써 소형 무인기 탐지를 수행한다.

성능/효과

이로부터 실제 환경 내 소형 무인기 탐지를 위해서는 사전에 클러터제거 기법을 통한 전처리가 필수적임을 확인할 수 있다. 3가지 클러터 제거 기법 중에서는 이동 평균 필터를 이용한 클러터 제거 기법이 가장 우수한 탐지 성능을 나타내었다. 특히 소형 무인기가 70 m 지점에 위치한 경우, 이동 평균 기법은 다른 두 기법에 비해 높은 탐지율을 보이면서도 오경보가 발생하지 않았다.
결과를 확인하여 보면 클러터 제거 기법을 수행할 경우, 원 신호에 비해 탐지율이 월등히 상승하며, 오경보율 또한 월등히 감소하게 됨을 확인할 수 있다. 이로부터 실제 환경 내 소형 무인기 탐지를 위해서는 사전에 클러터제거 기법을 통한 전처리가 필수적임을 확인할 수 있다.
이때, 테스트 셀은 소형 무인기 표적의 존재 유․무를 판단하고자 하는셀이며, 참조 셀은 잡음 환경의 분석을 위해 사용하는 셀, 가드 셀은 테스트 셀로부터 누설되는 정보를 차단하기위해 사용하는 셀이다. 결과적으로 OS-CFAR 알고리즘을통해, 각 테스트 셀에서의 표적의 존재 유․무를 판단할수 있게 된다.
결과적으로 SVD 수행 과정에서 s=12, 이동 평균 필터링 과정에서 α=0.8의 값을 채택하였다.
그러나 소형 무인기는 시가지 혹은 산악 환경 내에서 사용되며, 일반적으로 저고도에서 비행하므로 클러터의 영향력이 커지게 된다. 결과적으로, 잡음 환경만을 고려한 레이다 탐지 기법만으로는 소형 무인기에 대하여 우수한탐지 성능을 유지할 수 없다.
그러나 근방의 클러터가 정확히 제거되지 않아 약 −5 dB, −5 dB의 SCR을 나타냈으며, CFAR 임계값이 높게 형성되어 소형 무인기 표적은 탐지되지 않고클러터 만이 탐지되어 미탐지 및 오경보 현상이 발생하는 것을 확인할 수 있다.
즉, 초록색 원이임계 값을 넘을 경우 정확한 탐지, 다른 피크가 임계 값을넘을 경우 오경보가 된다. 그림을 보면 평균 벡터 차분 기법 및 SVD 기법은 각각 약 6 dB, 7 dB SNR의 표적 신호를 보였다. 그러나 근방의 클러터가 정확히 제거되지 않아 약 −5 dB, −5 dB의 SCR을 나타냈으며, CFAR 임계값이 높게 형성되어 소형 무인기 표적은 탐지되지 않고클러터 만이 탐지되어 미탐지 및 오경보 현상이 발생하는 것을 확인할 수 있다.
먼저, 소형 무인기의 신호분석을 통해, 클러터 제거 과정에서 소형 무인기 신호는제거되지 않음을 수학적으로 검증한다. 다음으로, 실제환경 내 측정된 소형 무인기 신호를 통해, 클러터 제거 기법이 탐지 성능을 개선할 수 있음을 보인다. 마지막으로, 각 클러터 제거 알고리즘 별 탐지 성능을 분석함으로써실제 상황에서 소형 무인기 탐지에 적합한 최적의 클러터 제거 기법을 도출한다.
다음으로, 실제환경 내 측정된 소형 무인기 신호를 통해, 클러터 제거 기법이 탐지 성능을 개선할 수 있음을 보인다. 마지막으로, 각 클러터 제거 알고리즘 별 탐지 성능을 분석함으로써실제 상황에서 소형 무인기 탐지에 적합한 최적의 클러터 제거 기법을 도출한다.
해당 과정에서 소형 무인기 신호 분석을 통해 클러터 제거 알고리즘을 적용하더라도 소형 무인기 신호는 제거되지 않음을 검증하였다. 실제 환경에서 X-밴드 레이다 시스템을 이용한 실험을 통해 획득된 소형 무인기 데이터로부터
3가지의 클러터 제거 기법을 적용하여 각각의 탐지 성능을 분석함으로써 이동 평균 필터를 이용한신호 전처리 방식이 소형 무인기 탐지에 가장 적합함을 확인할 수 있었다.
그러나 근방의 클러터가 정확히 제거되지 않아 약 −5 dB, −5 dB의 SCR을 나타냈으며, CFAR 임계값이 높게 형성되어 소형 무인기 표적은 탐지되지 않고클러터 만이 탐지되어 미탐지 및 오경보 현상이 발생하는 것을 확인할 수 있다. 이동 평균 필터 방식에 경우 약2 dB의 낮은 SNR을 보이지만, 클러터 또한 정확히 제거되어 약 2 dB의 SCR을 보이고 CFAR 임계 값이 정확히형성되는 것을 확인할 수 있다. 이는 평균 벡터 차분 및SVD 기법은 모든 펄스 정보를 종합하여 하나의 클러터를 계산하지만, 이동 평균 필터 기법은 매 펄스마다 클러터를 계산하기 때문에 SNR 손실에도 불구하고, 정확한 클러터 제거를 수행할 수 있기 때문이라고 분석할 수 있다.
그림 7(a)는 소형 무인기의 평균 탐지율을 나타내며, 그림7(b)는 평균 오경보율을 나타낸다. 즉, 평균 탐지율이 높고 평균 오경보율이 낮을수록 탐지 성능이 우수하다고 판단할 수 있다. 여기서 Mean Vector, SVD, Running Average는각각 평균 벡터 차분, SVD, 이동 평균 필터의 클러터 제거 방식을 사용했음을 의미하며, Raw Signal은 클러터 제거를 수행하지 않은 채, 펄스 합성만 적용하여 탐지를 수행한 결과이다.
결과를 보면, 원 신호에서는 드러나지 않는 표적 신호가 클러터 제거 이후 나타남을 확인할 수 있다. 평균 벡터 차분 및 SVD 기법은 표적 신호의 SNR이 각각 약 8 dB, 7 dB로 이동 평균 필터기법의 3.5 dB에 비해 우수한 반면, 클러터 및 누설 신호가 명확하게 제거되지 않는다. 이동 평균 필터 기법의 경우 매 펄스 당 클러터를 계산하여 차분하기 때문에, 대부분의 클러터 및 누설 신호를 억제할 수 있지만, 표적 신호또한 함께 억제되어 SNR이 낮아지게 된다.
따라서 제안된 알고리즘은 펄스합성 및 클러터 제거 기법을 통해 잡음 및 클러터를 억제하고, OS-CFAR 탐지기를 통해 소형 무인기 탐지를 수행한다. 해당 과정에서 소형 무인기 신호 분석을 통해 클러터 제거 알고리즘을 적용하더라도 소형 무인기 신호는 제거되지 않음을 검증하였다. 실제 환경에서 X-밴드 레이다 시스템을 이용한 실험을 통해 획득된 소형 무인기 데이터로부터

질의응답

핵심어	질문	논문에서 추출한 답변
	레이다의 특징은?	위협 표적의 존재 유․무 및 위치 정보를 사전에 파악하는 것은 국가 방호 체계의 핵심 요소 중 하나이다. 레이다(radar)는 주야에 상관없이 운용이 가능하며, 악천후 조건에서도 목표물에 대한 탐지 및 추적이 가능하고, 먼 거리에 위치한 표적의 정보를 획득할 수 있는 장점을 가지고 있으므로 표적 탐지에 적합한 센서(sensor)라 할 수 있다.
	대표적인 레이다 탐지 기법은 무엇이 있는가?	대표적인 레이다 탐지 기법으로는 일정 오경보율(cons-tant false alarm rate: CFAR) 검출기 기반의 기법들이 존재한다 [4],[5] . CFAR 기법은 표적의 레이다 반사 면적(radar cross section: RCS)이 상대적으로 큰 점을 이용하여 탐지를 수행한다.
	CFAR 기법의 탐지 방식은 무엇인가?	CFAR 기법은 표적의 레이다 반사 면적(radar cross section: RCS)이 상대적으로 큰 점을 이용하여 탐지를 수행한다. 즉, 잡음(noise) 환경에서 적응적 임계값(adap-tive threshold)을 형성하고, 임계값을 넘는 신호를 표적으로 간주한다.

참고문헌 (12)

백인선, 이태식, "소형 무인기 탐지를 위한 패시브 레이더망 최적 배치 연구," 한국군사과학기술학회지, 19(4), pp. 443-452, 2016년.

원문보기 상세보기
M. Jian, Z. Lu, and V. C. Chen, "Drone detection and tracking based on phase-interferometric Doppler radar," in 2018 IEEE Radar Conference(RadarConf18), Oklahoma City, OK, USA, Apr. 2018, pp. 1146-1149.
A. Parsa, "Fast moving target detection in sea clutter using non-coherent X-band radar," in 2014 IEEE Radar Conference, Cincinnati, OH, Aug. 2014, pp. 1155-1158.
신상진, "효율적인 CFAR 알고리듬 연구," 한국전자파학회논문지, 25(8), pp. 849-856, 2014년 8월.

원문보기 상세보기
P. P. Gandhi, S. A. Kassam, "Analysis of CFAR processors in homogeneous background," IEEE Transactions on Aerospace and Electronic Systems, vol. 24, no. 4, pp. 427-445, Jul. 1988.

상세보기
M. W. Y. Poon, R. H. Khan, and S. Le-Ngoc, "A singular value decomposition(SVD) based method for suppressing ocean clutter in high frequency radar," IEEE Transactions on Signal Processing, vol. 41, no. 3, pp. 1421-1425, Mar. 1993.

상세보기
J. W. Choi, D. H. Yim, and S. H. Cho, "People counting based on an IR-UWB radar sensor," IEEE Sensors Journal, vol. 17, no. 17, pp. 5717-5727, Sep. 2017.

상세보기
강기봉, 선선구, 이정수, 조병래, 박상홍, 김경태, "실측 데이터를 기반으로 한 기동 소형 무인기의 미세운동 신호 특성 분석," 한국전자파학회 하계종합학술대회, 2018년 8월.
P. P. Gandhi, S. A. Kassam, "Analysis of CFAR processors in homogeneous background," IEEE Transactions on Aerospace and Electronic Systems, vol. 24, no. 4, pp. 427-445, Jul. 1988.

상세보기
M. I. Skolnik, Introduction to Radar Systems, London, McGraw-Hill, 2002.
최인오, 김시호, 이승필, 김영수, 김경태, 박상홍, "탄도미사일의 미세도플러 분석을 위한 측정환경 구성," 한국전자파학회 하계종합학술대회, 2014년 8월.
B. Lee, S. Lee, Y. J. Yoon, K. M. Park, and S. C. Kim, "Adaptive clutter suppression algorithm for human detection using IR-UWB radar," in 2017 IEEE Sensors, Glasgow, Oct.-Nov. 2017, pp. 1-3.

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