The Journal of Korean Institute of Electromagnetic Engineering and Science (한국전자파학회논문지)

The Korean Institute of Electromagnetic Engineering and Science (한국전자파학회)
권호 표지

A Comparative Study of Algorithms for Multi-Aspect Target Classifications

다중 각도 정보를 이용한 표적 구분 알고리즘 비교에 관한 연구

  • 정호령 (포항공과대학교 전자전기공학과) ;
  • 김경태 (영남대학교 전자전기공학) ;
  • 김효태 (포항공과대학교 전자전기공학과)
  • Published : 2004.06.01
Download PDF
⟨ Previous Next ⟩

Abstract

The radar signals are generally very sensitive to relative orientations between radar and target. Thus, the performance of a target recognition system significantly deteriorates as the region of aspect angles becomes broader. To address this difficulty, in this paper, we propose a method based on the multi-aspect information in order to improve the classification capability ever for a wide angular region. First, range profiles are used to extract feature vectors based on the central moments and principal component analysis(PCA). Then, a classifier with the use of multi-aspect information is applied to them, yielding an additional improvement of target recognition capability. There are two different strategies among the classifiers that can fuse the information from multi-aspect radar signals: independent methodology and dependent methodology. In this study, the performances of the two strategies are compared within the frame work of target recognition. The radar cross section(RCS) data of six aircraft models measured at compact range of Pohang University of Science and Technology are used to demonstrate and compare the performances of the two strategies.

일반적인 시간 영역에서의 레이더 신호들은 표적의 관측각에 민감하게 변화한다. 이로 인하여 각도가 넓어짐에 따라서 표적 구분의 정확도가 상당히 감소하게 된다. 이러한 문제를 해결하기 위하여 본 논문에서는 다중각도 정보를 이용하여 표적 구분 성능을 향상시키기 위한 방법을 제시한다. 먼저, 대표적인 시간영역 레이더신호인 1차원 range profile로부터 central moments와 PCA를 결합하여 특성백터를 추출한다. 추출된 특성백터에 다중 각도 정보를 사용하는 구분기를 적용시켜 넓은 관측각에서 표적 인식 성능을 향상시킬 수 있다. 다중 각도정보를 이용하는 기법에는 독립방식과 종속방식이 있으며, 본 논문에서는 두 기법의 성능을 비교한다. 성능 비교 실험에는 포항공대 단축거리 무반향실에서 측정된 여섯 개의 항공기 모델에 대한 레이더가 단면적 데이터가 이용된다.

Keywords

References

  1. Radar Principle N.Levanon
  2. A Master's Thesis, The Ohio State University Comparison of Scattering Center Extraction Algorithms W.E.Pierson Jr.
  3. Computer Vision Beyind the Visible Spectrum: Methods and Applications, Proceedings, IEEE Workshop Object recognition results using MSTAR synthetic aperture radar data B.Bhanu;G. Jones III
  4. PatternClassification and Scene Analysis (2nd ed.) R.O.Duda;P.E.Hart;D.G.Stork
  5. IEEE Transactions on Antennas and propagation v.41 no.3 Using range profile as feature vector to identify aerospace projects H.J.Li;S.H.Yang
  6. 한국전자파학회 논문지 v.13 no.8 Subclass 개념을 이용한 넓은 관측각에서의 레이더 표적인식 성능향상에 관한 연구 서동규;김경태;김효태
  7. IEEE Transactions on Neural Networks v.5 no.1 An introduction to simulated evolutionary optimization D.B.fogel https://doi.org/10.1109/72.265956
  8. IEEE Transactions on Antennas and Propagation v.50 no.3 Efficient radar target recognition using the MUSIC algorithm and invariant features K.T.Kim;D.K.Seo;H.T.Kim https://doi.org/10.1109/8.999623
  9. IEEE Transactions on Antennas and Propagation v.47 no.41 Target identification with wave-baxed matched pursuit and hidden Markov models P.K.Bharadwaj;P.R.Runkle;L.Carin https://doi.org/10.1109/8.805897
  10. Neural Networks: A Comprehensive Foundation (2nd Edition) S.Haykin
  11. IEEE Transactions on Pattern Analysis and Machine Intelligence v.20 no.3 On combining classifiers J.Kitter;M.Hatef;R.Duin;J.Matas https://doi.org/10.1109/34.667881
  12. IEEE Transactions on Pattern Analysis and Machine Intelligence v.25 no.1 Sum versus vote fusion in multiple classifier systems J.Kittler;F.M.Alkoot
  13. IEEE ASSP Magazine v.3 no.1 An introduction to hidden Markov models L.R.Rabiner;B.H.Juang