DOI QR코드

DOI QR Code

클러터 환경에서의 GLRT 기반 표적 탐지성능

Target Detection Performance in a Clutter Environment Based on the Generalized Likelihood Ratio Test

  • 투고 : 2018.11.27
  • 심사 : 2019.04.26
  • 발행 : 2019.05.31

초록

본 논문에서는 일반화우도비검정(generalized likelihood ratio test: GLRT)에 있는 모르는 파라미터(표적의 크기, 클러터의 파라미터)를 최대우도추정(maximum likelihood estimation: MLE) 방법 또는 Newton-Raphson method를 통해 추정하는 방법에 대해서 제안하였다. 클러터 환경에서 표적을 탐지할 경우, 실제 환경과 유사하게 클러터의 수식적인 모델을 세우는 것이 중요하다. 이러한 서로 상관된 클러터 모델은 SIRV(Spherically Invariant Random Vector)를 이용하여 생성할 수 있다. 생성된 클러터 모델에 대한 일반화우도비검정 식을 세우고, 추정된 파라미터에 대한 일반화우도비검정의 탐지확률을 모의실험을 통해 확인하였다.

We propose a method to estimate unknown parameters(e.g., target amplitude and clutter parameters) in the generalized likelihood ratio test(GLRT) using maximum likelihood estimation and the Newton-Raphson method. When detecting targets in a clutter environ- ment, it is important to establish a modular model of clutter similar to the actual environment. These correlated clutter models can be generated using spherically invariant random vectors. We obtain the GLRT of the generated clutter model and check its detection probability using estimated parameters.

키워드

JJPHCH_2019_v30n5_365_f0002.png 이미지

그림 1. 크기 파라미터 a의 평균제곱 오차 Fig. 1. Mean square error of parameter a.

JJPHCH_2019_v30n5_365_f0003.png 이미지

그림 2. 모양 파라미터 b의 평균제곱 오차 Fig. 2. Mean square error of parameter b.

JJPHCH_2019_v30n5_365_f0004.png 이미지

그림 3. 웨이블분포에서의 탐지확률 Fig. 3. Detection probability in Weibull distribution.

JJPHCH_2019_v30n5_365_f0005.png 이미지

그림 4. 케이분포에서의 탐지확률 Fig. 4. Detection probability in K distribution.

참고문헌

  1. P. L. Shui, M. Liu, and S. W. Xu, "Shape-parameter-dependent coherent radar target detection in K-distributed clutter," IEEE Transactions on Aerospace and Electronic Systems, vol. 52, no. 1, pp. 451-465, Feb. 2016. https://doi.org/10.1109/TAES.2015.140109
  2. G. Ghobadzadeh, S. Gazor, M. Naderpour, and A. A. Tadaion, "Asymptotically optimal CFAR detectors," IEEE Transactions on Signal Processing, vol. 64, no. 4, pp. 897-909, Feb. 2016. https://doi.org/10.1109/TSP.2015.2500181
  3. 송승언, 김봉석, 김상동, 김민수, 김윤섭, 이종훈, "FOD 탐지 FMCW 레이다에서 지면 클러터 모델링 및 탐지성능에 대한 영향 분석," 한국시뮬레이션학회논문지, 27(4), pp. 61-68, 2018년 12월. https://doi.org/10.9709/jkss.2018.27.4.061
  4. B. Liu, B. Chen, and J. H. Michels, "A GLRT for multichannel radar detection in the presence of both compound Gaussian clutter and additive white Gaussian noise," Digital Signal Processing, vol. 15, no. 5, pp. 437-454, Sep. 2005. https://doi.org/10.1016/j.dsp.2005.01.010
  5. M. Rangaswamy, D. D. Weiner, and A. Ozturk, "Non-Gaussian random vector identification using spherically invariant random processes," IEEE Transactions on Aerospace and Electronic Systems, vol. 29, no. 1, pp. 111-124, Jan 1993. https://doi.org/10.1109/7.249117
  6. E. Conte, M. Lops, and G. Ricci, "Asymptotically optimum radar detection in compound-Gaussian clutter," IEEE Transactions on Aerospace and Electronic Systems, vol. 31, no. 2, pp. 617-625, Apr. 1995. https://doi.org/10.1109/7.381910
  7. X. Shuai, L. Kong, and J. Yang, "Performance analysis of GLRT-based adaptive detector for distributed targets in compound-Gaussian clutter," Signal Processing, vol. 90, no. 1, pp. 16-23, Jan. 2010. https://doi.org/10.1016/j.sigpro.2009.05.008