$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 실데이터 기반 능동 소나 신호 합성 방법론
Real data-based active sonar signal synthesis method

한국음향학회지= The journal of the acoustical society of Korea, v.43 no.1, 2024년, pp.9 - 18  

김윤수 (창원대학교 정보통신공학과) ,  김주호 (국방과학연구소 해양기술연구원 소나체계개발단) ,  석종원 (창원대학교 정보통신공학과) ,  홍정표 (창원대학교 정보통신공학과)

초록
AI-Helper 아이콘AI-Helper

최근 수중표적의 저소음화와 해상교통량의 증가로 인한 주변 소음의 증가로 능동 소나 시스템의 중요성이 증대되고 있다. 하지만 신호의 다중 경로를 통한 전파, 다양한 클러터와 주변 소음 및 잔향 등으로 인한 반향신호의 낮은 신호대잡음비능동 소나를 통한 수중 표적 식별을 어렵게 만든다. 최근 수중 표적 식별 시스템의 성능을 향상 시키기 위해 머신러닝 혹은 딥러닝과 같은 데이터 기반의 방법을 적용시키려는 시도가 있지만, 소나 데이터셋의 특성 상 훈련에 충분한 데이터를 모으는 것이 어렵다. 부족한 능동 소나 데이터를 보완하기 위해 수학적 모델링에 기반한 방법이 주로 활용되어오고 있다. 그러나 수학적 모델링에 기반한 방법론은 복잡한 수중 현상을 정확하게 모의하는 데에는 한계가 있다. 따라서 본 논문에서는 심층 신경망 기반의 소나 신호 합성 기법을 제안한다. 제안하는 방법은 인공지능 모델을 소나 신호 합성 분야에 적용하기 위해, 음성 합성 분야에서 주로 사용되는 타코트론 모델의 주요 모듈인 주의도 기반의 인코더디코더를 소나 신호에 적절하게 수정하였다. 실제 해상 환경에 모의 표적기를 배치해 수집한 데이터셋을 사용하여 제안하는 모델을 훈련시킴으로써 보다 실제 신호와 유사한 신호를 합성해낼 수 있게 된다. 제안된 방법의 성능을 검증하기 위해, 합성된 음파 신호의 스펙트럼을 직접 분석을 진행하여 비교하였으며, 이를 바탕으로 오디오 품질 인지적 평가(Perceptual Quality of Audio Quality, PEAQ)인지적 성능 검사를 실시하여 총 4개의 서로 다른 환경에서 생성된 반사 신호들에 대해 원본과 비교해 그 차이가 최소 -2.3이내의 높은 성적을 보여주었다. 이는 본 논문에서 제안한 방법으로 생성한 능동 소나 신호가 보다 실제 신호에 근사한다는 것을 입증한다.

Abstract AI-Helper 아이콘AI-Helper

The importance of active sonar systems is emerging due to the quietness of underwater targets and the increase in ambient noise due to the increase in maritime traffic. However, the low signal-to-noise ratio of the echo signal due to multipath propagation of the signal, various clutter, ambient nois...

Keyword

표/그림 (9)

참고문헌 (22)

  1. W. C. Knight, R. G. Pridham, and S. M. Kay, "Digital?signal processing for sonar," Proc. IEEE, 69, 1451-1506 (1981). 

  2. A. A. Winder, "Sonar system technology," ITSU, 22,?291-332 (1975). 

  3. H. Yang, S.-H. Byun, K. Lee, Y. Choo, and K. Kim,?"Underwater acoustic research trends with machine?learning: active sonar applications," J. Ocean Eng.?Technol. 34, 277-284 (2020). 

  4. D. Grimmett and S. Coraluppi, "Contact-level multistatic sonar data simulator for tracker performance?assessment," Proc. the 9th International Conf. Information Fusion, 1-7 (2006). 

  5. B. La Cour, C. Collins, and J. Landry, "Multi-everything?sonar simulator (MESS)," Proc. 9th International Conf.?Information Fusion, 1-6 (2006). 

  6. P. A.m. De Theije and H. Groen, "Multistatic sonar?simulations with SIMONA," Proc. 9th International?Conference on Information Fusion, 1-6 (2006). 

  7. K. D. LePage, C. H. Harrison, C. Strode, and M.?Oddone, "Real-time reverberation time series simulation for embedded simulation of bistatic active?sonar," Proc. OCEANS, 1-4 (2021). 

  8. A. Oord, S. Dieleman, H. Zen, K. Simonyan, O.?Vinyals, A. Graves, N. Kalchbrenner, A. Senior, and?K. Kavukcuoglu, "WaveNet: a generative model for?raw audio," arXiv preprint arXiv:1609.03499 (2016). 

  9. S. O. Arik, M. Chrzanowski, A. Coates, G. Diamos, A.?Gibiansky, Y. Kang, X. Li, J. Miller, A. Ng, J.?Raiman, S. Sengupta, and M. Shoeybi, "Deep voice:?real-time neural text-to-speech," arXiv:1702.07825,?1-10 (2017). 

  10. S. Mehta, E. Szekely, J. Beskow, and G. E. Henter,?"Neural HMMs are all you need (for high-quality attention-free TTS)," Proc. ICASSP, arXiv:2108.13320,?1-5 (2022). 

  11. J. Sotelo, S. Mehri, K. Kumar, J. F. Santos, K. Kastner,?A. Courville, and Y. Bengio, "Char2Wav: end-to-end?speech synthesis," Proc. ICLR workshop submission,?1-6, 2017. 

  12. Y. Wang, R. J. Skerry-Ryan, D. Stanton, Y. Wu, R. J.?Weiss, N. Jaitly, Z. Yang, Y. Xiao, Z. Chen, S. Bengio,?Q. Le, Y. Agiomyrgiannakis, R. Clark, and R. A.?Saurous, "Tacotron: towards end-to-end speech synthesis," Proc. Interspeech, 4006-4010 (2017). 

  13. B. I. Kim, H. U. Lee, and M. H. Park, "A study on?highlight distribution for underwater simulated target,"?Proc. IEEE Int. Symp. Ind. Electron. 1988-1992 (2001). 

  14. Y. Kim, J. Kim, J. Hong, and J. Seok, "The tacotronbased signal synthesis method for active sonar,"?Sensors, 23, 28 (2023). 

  15. V. A. Kozhevnikov and E. S. Pankratova, "Research?of the text data vectorization and classification?algorithms of machine learning," ISJ Theor. Appl. Sci.?5, 574-585 (2020). 

  16. W. A. Qader, M. M. Ameen, and B. I. Ahmed, "An?overview of bag of words; importance, implementation, applications, and challenges," Proc. 5th Int.?Eng. Conf. IEC, 200-204 (2019). 

  17. B. Das and S. Chakraborty, "An improved text?sentiment classification model using TF-IDF and next?word negation," ArXiv: 1806.06407 (2018). 

  18. C. Wang, P. Nulty, and D. Lillis, "A comparative?study on word embeddings in deep learning for text?classification," Proc. 4th Int. Conf. NLPI, 37-46 (2020). 

  19. S. Li, S. Villette, P. Ramadas, and D. Sinder, "Speech?bandwidth extension using generative adversarial?networks," Proc. ICASSP, 5029-5033 (2018). 

  20. I. Goodfellow, J. Pouget-Abadie, M. Mirza, B. Xu, D.?Warde-Farley, S. Ozair, A. Courville, and Y. Bengio?"Generative adversarial nets," Proc. NIPS, 2672-2680?(2014). 

  21. C. Ledig, L. Theis, F. Huszar, J. Caballero, A.?Cunningham, A. Acosta, A. Aitken, A. Tejani, J. Totz,?Z. Wang, and W. Shi, "Photo-realistic single image?super-resolution using a generative adversarial network," Proc. IEEE Conf. CVPR, 105-114 (2017). 

  22. A. F. Khalifeh, A. Al-Tamimi, and K. A. Darabkh,?"Perceptual evaluation of audio quality under lossy?networks," Proc. International Conf. WiSPNET, 939-943 (2017). 

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로