• 한국음향학회지
• /
• 제15권6호
• /
• pp.104-109
• /
• 1996

수동 소나 시스템에서는 표적을 탐지, 추적 및 식별을 위하여 표적의 방사 소음으로부터 발생되는 주파수선을 주요 특징 인자로 활용한다. 이 연구에서는 수중 표적의 방사 소음으로부터 시간 영역의 표본화된 데이타를 이용한 불안정 주파수선의 추출 기법에 대하여 연구하였다. 불안정 주파수선은 시간에 따라 주파수선이 변화되어 나타나므로 불안정 주파수선 추출을 위하여 비선형 시스템에 유용한 확장 칼만 필터 알고리듬을 적용하였다. 모의 실험 및 표적 신호에 적용하여 제시한 방식이 불안정 주파수선을 추출할 수 있음을 보인다.

• 한국음향학회지
• /
• 제19권8호
• /
• pp.78-83
• /
• 2000

수동 소나 시스템에서는 수중 소음원에 대한 신호처리 과정을 수행하여 토널 및 주파수선의 신호 성분으로부터 신호 세기 대역폭, 토널 개수, 토널간의 상호 관계둥의 다양한 특징인자를 분석, 비교하여 표적을 식별하게 되며, 표적 식별율을 향상시키기 위해서는 무엇보다도 주파수선의 신호 성분만을 정밀하게 탐지하고 추출하여야 한다. 그러나 수중신호의 스펙트로그램상에 형성되는 협대역 주파수선은 토널의 신호 세기와 바다 자체의 전달 특성 둥으로 인하여 미약하게 탐지되거나 불규칙하게 끊어져서 불연속적으로 나타날 뿐 아니라 임펄스성의 주변잡음 성분과 복합적으로 존재하므로 주파수선의 신호 성분만을 정밀하게 탐지하고 추출하기가 매우 어렵다. 본 논문에서는 신호 세기가 미약한 경우나 높은 주변잡음이 복합되어 있는 경우에도 정밀하게 주파수선의 신호 성분만을 탐지, 추출한 수 있는 협대역 다중 주파수선의 자동 탐지 및 추출을 위한 기법을 제안하였으며, 실제 수중표적 신호를 적용하여 제안된 알고리즘이 매우 유용함을 보인다.

• 한국정보통신학회논문지
• /
• 제3권2호
• /
• pp.389-396
• /
• 1999

본 연구에서는 수중에서 진행하는 물체에서 전달되는 방사신호의 주파수스펙트럼으로부터 추출되는 토널과 주파수선과 같은 협대역 특징을 이용하여 미지의 다중 수중 이동물체를 효율적으로 판별하고 추적하기 위한 알고리즘을 제시한다. 제안한 알고리즘은 계층 구조의 신경망으로 구성된다. 조향 방위각에 대한 광대역에너지와 방위별 협대역 에너지를 검출하여 미지의 수중이동물체의 출현 방위각을 추정하고 이를 토대로 물체를 추적하는 기존의 기법으로는 물체들이 서로 인접하거나 교차하는 경우에 추적에 실패할 가능성이 높다. 그러나 제안한 알고리즘을 사용하여 실제 신호를 포함하는 시뮬레이션 시나리오에 대해 물체 추적 실험을 행한 결과, 특히 인접하거나 교차하는 물체들의 추적에 성공적인 성능을 나타내었다.

• 한국군사과학기술학회지
• /
• 제3권1호
• /
• pp.76-84
• /
• 2000

As first step of any acoustic defence system, a attacking target warning system needs to be extremely reliable. This means the system must ensure a high probability of target classification together with a very low false alarm rate. In this paper, a algorithms for underwater target automatic classification is available for use in the passive sonar will be presented. In first, we will describe the precise automatic extraction of frequency lines for the detection of acoustic signatures. Also, a neural network and fuzzy based algorithms for target classification will be described. Thus the performances of these algorithms are very good with a high probability of classification.