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.23 no.1, 2020년, pp.1 - 10
황태현 (성균관대학교 수학과) , 길이만 (성균관대학교 소프트웨어대학) , 이현구 (LIG넥스원(주) 전자전연구소) , 김정호 (LIG넥스원(주) 전자전연구소) , 고재헌 (LIG넥스원(주) 전자전연구소) , 조제일 (국방과학연구소 제2기술연구본부) , 이정훈 (국방과학연구소 제2기술연구본부)
Effective jamming in electronic warfare depends on proper jamming technique selection and jamming parameter estimation. For this purpose, this paper proposes a new method of estimating jamming parameters using Gaussian kernel function networks. In the proposed approach, a new method of determining t...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
전자전에서의 중요한 요소는? | 현대전에서는 전자전(EW: Electronic Warfare)이 전쟁의 승패를 좌우하는 매우 중요한 요인이 되고 있으며 전자전에서는 특히 실시간 및 정확한 정보처리가 필수적인 요소로 부각되고 있다[1,2]. 본 연구는 전자전 분야에서 다양한 레이더 신호 분석(항공기, 선박 등)을 통해, 유효한 재밍 신호를 발생하기 위한 파라미터를 자율적으로 추정하는 효과적인 방법론을 구현하고자 한다. | |
기존의 재밍 파라미터를 추정하는 방법은 어떻게 이루어졌나? | 이와 관련된 기능을 수행하기 위하여, 레이더를 이용하여 방사체의 특성들로부터 적절한 재밍 파라미터를 추정하는 부분에 있어서 우수한 성능을 갖추는 것이 전자전에서 매우 중요하다. 기존의 재밍 파라미터를 추정하는 방법은 상대측 레이더 신호로부터 적절한 특성들을 추출하여, 어떤 재밍 파라미터가 효과적인지에 대하여 전자전 관련 전문가가 데이터베이스(DB)에 저장되어있는 데이터를 바탕으로 경험적으로 선정하는 방식으로 이루어졌다. 이러한 방법의 수행을 위해서는 전자전 분야의 뛰어난 전문가가 필요할 뿐 아니라, 전자전 장비의 운용 중 신규 신호를 수신하여 실시간으로 수행되어야할 재밍의 특성상 촌각을 다투는 상황에서 전문가의 분석 및 재밍 파라미터 추정을 수행하는 것은 대단히 비효율적이다. | |
기존의 재밍 파라미터를 추정하는 방법이 비효율적인 이유는? | 기존의 재밍 파라미터를 추정하는 방법은 상대측 레이더 신호로부터 적절한 특성들을 추출하여, 어떤 재밍 파라미터가 효과적인지에 대하여 전자전 관련 전문가가 데이터베이스(DB)에 저장되어있는 데이터를 바탕으로 경험적으로 선정하는 방식으로 이루어졌다. 이러한 방법의 수행을 위해서는 전자전 분야의 뛰어난 전문가가 필요할 뿐 아니라, 전자전 장비의 운용 중 신규 신호를 수신하여 실시간으로 수행되어야할 재밍의 특성상 촌각을 다투는 상황에서 전문가의 분석 및 재밍 파라미터 추정을 수행하는 것은 대단히 비효율적이다. 또한 탐지된 레이더 신호가 기존에 탐지된 적 없는 즉, 데이터베이스에 존재하지 않는 신호인 경우 재밍 파라미터 회귀 자체가 불가능하다. |
D. Schleher, "Introduction to Electronic Warfare," Eaton Corp, AIL Div., Deer Park, NY, 1986.
D. Schleher, "Electronic Warfare in the Information Age," Artech House Publishers, 1999.
S. Lee, H. Bae, R. Kil, and C. Jo, "Classification of the Trained and Untrained Emitter Types based on Class Probability Output Networks," Neurocomputing, Vol. 248, pp. 67-75, 2017.
S. Lee and R. Kil, “A Gaussian Potential Function Network with Hierarchically Self-Organizing Learning,” Neural Networks, Vol. 4, No. 2, pp. 207-224, 1991.
R. Wiley, "ELINT: The Interception and Analysis of Radar Signals," Artech House Publishers, 2006.
M. D. Buhmann, "Radial Basis Functions: Theory and Implementations," Volume 12, Cambridge University Press, 2013.
T. Hwang, "Combination of Gaussian Kernel Function Networks for Traffic Flow Prediction," Sungkyunkwan University, Thesis, 2018.
E. Brochu, V. M. Cora, N. Freitas, "A Tutorial on Bayesian Optimization of Expensive Cost Functions, with Application to Active User Modeling and Hierarchical Reinforcement Learning," eprint arXiv: 1012.2599, arXiv.org, 2010.
J. Snoek, H. Larochelle, R. P. Adams, "Practical Bayesian Optimization of Machine Learning Algorithm," eprint arXiv:1021.2599, arXiv.org, 2012.
Pedregosa, F. et al., "Scikit-Learn: Machine Learning in Python," Journal of Machine Learning Research, Vol. 12, pp. 2825-2830, 2011.
*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.