• Current Industrial and Technological Trends in Aerospace
• /
• v.4 no.1
• /
• pp.83-91
• /
• 2006

추적레이다는 표적으로부터 반사되어 돌아오는 신호 또는 질의 신호에 대한 응답 신호를 수신하여 표적을 추적하는 장비이다. 추적레이다가 표적을 추적하는 범위는 일반적으로 좁게 한정되므로 이동하는 표적을 추적하기 위해서는 먼저 안테나 빔의 지향각과 거리를 표적에 맞추고, 표적이 획득된 후에는 안테나 빔을 연속적으로 이동하는 표적을 향해 방사하여 표적을 추적하게 된다. 일반적으로 추적레이다가 표적을 추적하는 경우에는 과정 잡음과 측정 잡음에 의해서 발생되는 부정확성과 관심없는 표적이나 클러터 등으로부터 생성된 측정 근원의 부정확성으로 인한 문제가 발생하게 된다. 이러한 표적 추적에 따른 문제를 해결하기 위해서 많은 추적 알고리듬들이 개발되어 왔다. 이 논문에서는 가장 기본적인 표준 칼만 필터와 측정 근원의 부정확성에 따른 데이터 연관 문제를 고려한 여러 추적 알고리듬에 대해서 기술하였다. 또한 한국항공우주연구원 우주센터의 우주발사체 추적용 추적레이다에 대한 간략한 설명과 우주발사체 추적에 사용되는 추적 알고리듬에 대해서 소개하였다.

• Proceedings of the KAIS Fall Conference
• /
• 2008.11a
• /
• pp.277-280
• /
• 2008

무선 센서 네트워크에서 표적의 감시는 크게 표적의 탐지 및 추적과 표적의 식별로 나누어진다. 기존의 센서 노드에서의 신호 처리는 표적으로부터 수신된 신호의 에너지를 계산하여 표적의 존재 유무만을 기지국으로 전송하는 방법이 많이 사용되었다. 이런 기존의 방법은 표적의 감시를 위한 무선 센서 네트워크에서는 표적의 정보가 한정적이므로 적합하지 않다. 따라서 본 논문에서는 표적의 감시를 위한 무선 센서 네트워크에서 필요한 시간정보와 표적의 주파수 정보를 포함하는 센서 노드에서의 특징 추출 기법을 제안한다. 본 논문에서는 웨이블릿 변환을 이용하여 추출된 웨이블릿 상수에서 표적의 시간 정보와 잡음이 제거된 표적의 식별 정보를 추출함으로서 센서 노드에서 에너지 효율적인 신호처리를 구현하고 추출된 특징을 전송하여 통신에 소모되는 에너지를 줄이는 알고리듬을 제안한다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.22 no.6
• /
• pp.305-313
• /
• 2021

The upcoming warfare will be network-centric warfare with the acquiring and sharing of information on the battlefield through the connection of the entire weapon system. Therefore, the amount of information generated increases, but the technology of evaluating the information is insufficient. Threat assessment is a technology that supports a quick decision, but the information has many uncertainties and is difficult to apply to an advanced battlefield. This paper proposes a threat assessment based on artificial intelligence while removing the target uncertainty. The artificial intelligence system used was a fuzzy inference system and a multi-layer perceptron. The target was classified by inputting the unique characteristics of the target into the fuzzy inference system, and the classified target information was input into the multi-layer perceptron to calculate the appropriate threat value. The validity of the proposed technique was verified with the threat value calculated by inputting the uncertain target to the trained artificial neural network.

• ICROS
• /
• v.21 no.4
• /
• pp.27-33
• /
• 2015

단일 센서 기반의 표적 탐지 문제에서 센서의 한계 요소에 의해 탐지 성능이 제한된다. 따라서, 최근 단일 센서 기반의 표적 탐지 성능을 향상시키기 위한 방안으로 각 센서의 강점을 효과적으로 융합하는 다중 센서 정보 융합 기반의 표적 탐지 기법에 대한 연구가 활발히 진행되고 있다. 센서 정보 융합을 위해서는 각 센서별 영상 획득, 각 영상의 기하학적 정합, 센서 정보 융합 기반의 표적 탐지 기술이 필요하며, 본 논문에서는 이에 대한 기술 및 개발 동향을 소개한다.

• Current Industrial and Technological Trends in Aerospace
• /
• v.7 no.1
• /
• pp.113-118
• /
• 2009

In this paper, we described the model of noise, target for tracking radar and range tracking, angle tracking, and Doppler frequency tracking for target acquisition and tracking. Target signal as well as the noise signal is modeled as random process varying with elapsed time. This paper addresses three areas of radar target tracking: range tracking, angle tracking, and Doppler frequency tracking. In general, range tracking is prerequisite to and inherent in both angle and Doppler frequency tracking systems. First, we introduced the several range tracking and described techniques for achieving range tracking. Second, we described the radar angle tracking techniques including conical scan, sequential lobing, and monopulse. Finally, we presented concepts and techniques for Doppler frequency tracking for several radar types.

• Proceedings of the KAIS Fall Conference
• /
• 2008.11a
• /
• pp.188-190
• /
• 2008

본 논문에서는 초음파 센서를 이용하여 이동하는 표적의 위치를 실시간으로 추적하는 위치추적 시스템을 개발하였다. 위치 추적 시스템은 4 개의 초음파 센서를 이용해서 각 센서에서 탐지되는 표적까지의 거리 정보를 이용하여 이동하는 표적의 위치좌표(x,y)를 구하였다. 특히 초음파 센서가 가지고 있는 빔폭 특성을 고려하여 4 개 센서 중 2개 센서에만 표적이 탐지될 경우 표적의 위치를 최적화하는 방안을 제시하였으며 개발된 알고리즘을 하드웨어에 장착하어 감시시스템이 실시간 양호하게 구동하는것을 확인하였다.

• Proceedings of the KAIS Fall Conference
• /
• 2009.12a
• /
• pp.295-298
• /
• 2009

다중 표적을 감시하는 무선 센서 네트워크에서 다중 표적이 서로 교차하게 될 때 각각의 표적을 분리하는 문제는 표적의 추적, 탐지, 식별 등의 분야에서 매우 중요하다. 기존의 무선 센서 네트워크에서는 에너지 기반의 기법을 사용하기 때문에 다중 표적의 위치를 추정할 수 없거나, 기지국에서의 원 신호 분석 방법을 통해 표적의 종류를 식별하여 각각의 표적을 분리한다. 후자의 방법은 무선 센서 노드의 통신량과 연산량을 증가시켜 센서 노드의 생존 시간이 짧아지는 단점이 있고, 표적 분리까지 걸리는 시간으로 인해 실시간 처리가 어렵다. 본 논문에서는 무선 센서 노드에서 웨이블릿 변환을 이용한 특징을 추출하고 이를 이용해 다중 표적이 센서 영역 내에서 교차하게 될 때 표적을 분리하는 방법을 제안한다. 제안된 방법은 웨이블릿 상수의 주파수 정보를 이용하여 적은 연산으로 표적을 분리한다.

• The Proceeding of the Korean Institute of Electromagnetic Engineering and Science
• /
• v.8 no.1
• /
• pp.43-56
• /
• 1997

다중 표적 추적(MTT:Multiple Target Tracking)은 한 개 또는 그 이상의 센서들을 사용하는 감시(sureillance) 시스템을 위해서 컴퓨터와 마찬가지로 주변상황을 해석하는데 없어서는 안되는 중 요한 요소이다. 레이다, IR(Infrared) 및 Sonar등과 같은 전형적인 센서 시스템들은 여러 가지 신호원 (sources): 문제의 표적, 레이다 지면 클러터(clutter)같은 후면잡음 또는 열잡음같은 내부 오차 요인 으로부터 측정치(measurement)를 만들어 준다. 다중표적용 추적방식의 목적은 센서가 제공하는 측 정 데이터들을 동일한 신호원으로부터 나온 여러 세트의 관측치(observations) 또는 트랙(track)으로 구분해내는 것이다. 이와 같이 일단 트랙이 구성되고 확정되면 후면잡음이나 허위표적을 제거할 수 있 도록 표적의 수를 추산하고 표적의 속도나 예상위치 및 표적의 종류와 기타특성을 계산해낼 수 있다.

• Proceedings of the KAIS Fall Conference
• /
• 2006.11a
• /
• pp.242-244
• /
• 2006

본 논문에서는 레이더와 전자정보에서 획득한 방향정보 자료를 이용해서 전자파 정보를 융합하는 기술을 제시한다. 레이더에서 획득한 표적신호와 전자정보에서 획득한 정보신호를 융합하면 표적을 정확하게 확인할 수 있기 때문에 레이더의 탐지 오차율이 줄어들고 표적에 대한 상세 정보를 확보할 수 있어서 표적식별이나 목표물 선정에 쉽게 사용할 수 있다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.16 no.10
• /
• pp.2137-2142
• /
• 2012

Many studies in detection and classification of the targets in the underwater environments have been conducted for military purposes, as well as for non-military purpose. Due to the complicated characteristics of underwater acoustic signal reflecting multipath environments and spatio-temporal varying characteristics, active sonar target classification technique has been considered as a difficult technique. And it has a difficult in collecting actual underwater data. In this paper, we implemented the simulator to synthesize the active target signal, to extract feature and to classify the target in the underwater environment. In target signal synthesis, highlight and three-dimensional model are used and multi-aspect based hidden markov model is used for target classification.