Journal of IKEEE (전기전자학회논문지)

Institute of Korean Electrical and Electronics Engineers (한국전기전자학회)
권호 표지
DOI QR코드

DOI QR Code

Design of a Tree-Structured Fuzzy Neural Networks for Aircraft Target Recognition

비행체 표적식별을 위한 트리 구조의 퍼지 뉴럴 네트워크 설계

  • Received : 2020.11.24
  • Accepted : 2020.12.23
  • Published : 2020.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

In order to effectively process target recognition using radar, accurate signal information for the target is required. However, such a target signal is usually mixed with noise, and this part of the study is continuously carried out. Especially, image processing, target signal processing and target recognition for the target are examples. Since the field of target recognition is important from a military point of view, this paper carried out research on target recognition of aircraft using a tree-structured fuzzy neural networks. Fuzzy neural networks are learned by using reflected signal data for an aircraft to optimize the model, and then test data for the target are used for the optimized model to perform an experiment on target recognition. The effectiveness of the proposed method is verified by the simulation results.

레이더를 통한 표적식별을 효과적으로 처리하기 위해서는 표적에 대한 정확한 신호 정보가 필요하다. 그러나 이러한 표적 신호에는 잡음이 섞여 있는 경우가 일반적이며, 이 부분에 대한 연구가 지속적으로 이루어지고 있다. 특히 표적에 대한 이미지 처리, 표적신호처리, 표적식별 등이 그 예라 할 수 있겠다. 군사적 측면으로 볼 때 표적식별 분야가 중요하므로 본 논문에서는 트리 구조의 퍼지 뉴럴 네트워크를 이용하여 비행체 표적식별에 대한 연구를 수행하였다. 비행체에 대한 반사파 데이터를 활용하여 퍼지 뉴럴 네트워크를 학습시켜 모델에 대한 최적화를 수행하였고, 최적화된 모델에 표적에 대한 테스팅 데이터를 입력하여 표적식별에 대한 실험을 수행하여 그 결과를 통해 제안된 방법의 효용성을 검증하였다.

Keywords

References

  1. D. K. Seo, K. T. Kim, H. T Kim, "Wide-Angle Radar Target Classification with Subclass Concept," The Journal of Korea Institute of Electromagnetic Engineering and Science, vol.13, no.8, pp.777-782, 2002. DOI: 10.2528/PIER03060301
  2. C. Xu and H. Duan, "Artificial bee colony (ABC) optimized edge potential function (EPF) approach to target recognition for low-altitude aircraft," Pattern Recognition Letters, vol.31, no.13, pp.1759-1772, 2010. DOI: 10.1016/j.patrec.2009.11.018
  3. A. Zyweck and R. E. Bogner, "Radar target classification of commercial aircraft," IEEE Trans. Aerospace and Electronic Systems, vol.32, no.2, pp.598-606, 1996. DOI: 10.1109/7.489504
  4. W. Pedrycz, M. Reformat, and C. W. Han, "Cascade architectures of fuzzy neural networks," Fuzzy Optimization and Decision Making, vol.3, no.1, pp.5-37, 2004. DOI: 10.1109/7.489504
  5. D. E. Goldberg, Genetic algorithms in search, optimization and machine learning, Addison-Wesley, Reading, MA, 1989.
  6. C. W. Han and J. I. Park, "Design of a Fuzzy Controller using Random Signal-based Learning Employing Simulated Annealing," Proc. of the IEEE Conference on Decision and Control, Sydney, Australia, pp.396-397, 2000. DOI: 10.1109/CDC.2000.912794