• 인터넷정보학회논문지
• /
• 제25권2호
• /
• pp.21-28
• /
• 2024

레이다는 자율주행 차에 있어 필수적인 센서 부품으로, 레이다가 활용되는 시장은 점차 커지고 있으며 제품 종류도 다양해지고 있다. 본 연구에서는 평가 공정에서부터 레이다의 불량 여부를 예측해 자율주행의 안정성과 효율성을 높일 수 있도록 성능 예측 모델을 구축하고 평가하였다. 레이더 공정 과정의 39607개 입력 데이터로 모델을 학습하였으며, 결과적으로 17개 모델을 스태킹 앙상블했을 때 Meta Ridge 모델이 가장 높은 학습률을 나타내는 것을 확인하였다. 이러한 연구 결과가 제품의 불량을 공정 단계에서 우선 예측해 수율을 극대화하고 불량으로 인한 제품 폐기 비용을 감축하는 데 도움이 될 것으로 기대 한다.

• 한국군사과학기술학회지
• /
• 제23권2호
• /
• pp.159-167
• /
• 2020

In actual battlefield environment, IFF radar plays an important role in distinguishing friend or foe targets and assigning unique identification code to management. Performance of IFF radar is greatly affected by radio environment including atmosphere and terrain, target maneuvering and operation mode. In this paper, M&S tool is consisted of interrogator(IFF radar) and answering machine(target) for radar performance analysis. The wave propagation model using APM(Advanced Propagation Model) and radar actuator system were modeled by considering beam waveform of individual operation beam mode. Using this tool, IFF radar performance was analyzed through two experimental results. As a result, it is expected that performance of IFF radar can be predicted in the operational environment by considering target maneuvering and operation beam mode.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권12호
• /
• pp.3330-3344
• /
• 2023

This paper proposes an antenna performance prediction model in the autonomous driving radar manufacturing process. Our research work is based upon a challenge dataset, Driving Radar Manufacturing Process Dataset, and a typical AutoML machine learning workflow engine, Pycaret open-source Python library. Note that the dataset contains the total 70 data-items, out of which 54 used as input features and 16 used as output features, and the dataset is properly built into resolving the multi-output regression problem. During the data regression analysis and preprocessing phase, we identified several input features having similar correlations and so detached some of those input features, which may become a serious cause of the multicollinearity problem that affect the overall model performance. In the training phase, we train each of output-feature regression models by using the AutoML approach. Next, we selected the top 5 models showing the higher performances in the AutoML result reports and applied the ensemble method so as for the selected models' performances to be improved. In performing the experimental performance evaluation of the regression prediction model, we particularly used two metrics, MAE and RMSE, and the results of which were 0.6928 and 1.2065, respectively. Additionally, we carried out a series of experiments to verify the proposed model's performance by comparing with other existing models' performances. In conclusion, we enhance accuracy for safer autonomous vehicles, reduces manufacturing costs through AutoML-Pycaret and machine learning ensembled model, and prevents the production of faulty radar systems, conserving resources. Ultimately, the proposed model holds significant promise not only for antenna performance but also for improving manufacturing quality and advancing radar systems in autonomous vehicles.

• Journal of electromagnetic engineering and science
• /
• 제18권4호
• /
• pp.231-241
• /
• 2018

In this paper, we consider the anti-attack procedure of a ballistic missile defense system (BMDS) at different operating frequencies at its phased-array radar station. The interception performance is measured in terms of lateral divert (LD), which denotes the minimum acceleration amount available in an interceptor to compensate for prediction error for a successful intercept. Dependence of the frequency on estimation accuracy that leads directly to prediction error is taken into account, in terms of angular measurement noises. The estimation extraction is performed by means of an extended Kalman filter (EKF), considering two typical re-entry trajectories of a non-maneuvering ballistic missile (BM). The simulation results show better performance at higher frequency for both tracking and intercepting aspects.

• 제어로봇시스템학회논문지
• /
• 제16권7호
• /
• pp.639-645
• /
• 2010

This paper presents the sensor fusion algorithm that recognizes a primary vehicle by fusing radar and monocular vision data. In general, most of commercial radars may lose tracking of the primary vehicle, i.e., the closest preceding vehicle in the same lane, when it stops or goes with other preceding vehicles in the adjacent lane with similar velocity and range. In order to improve the performance degradation of radar, vehicle detection information from vision sensor and path prediction predicted by ego vehicle sensors will be combined for target classification. Then, the target classification will work with probabilistic association filters to track a primary vehicle. Finally the performance of the proposed sensor fusion algorithm is validated using field test data on highway.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.136-136
• /
• 2021

In this study, a deep convolutional neural network (DCNN) model is proposed for short-term precipitation forecasting using weather radar-based images. The DCNN model is a combination of convolutional neural networks, autoencoder neural networks, and U-net architecture. The weather radar-based image data used here are retrieved from competition for rainfall forecasting in Korea (AI Contest for Rainfall Prediction of Hydroelectric Dam Using Public Data), organized by Dacon under the sponsorship of the Korean Water Resources Association in October 2020. This data is collected from rainy events during the rainy season (April - October) from 2010 to 2017. These images have undergone a preprocessing step to convert from weather radar data to grayscale image data before they are exploited for the competition. Accordingly, each of these gray images covers a spatial dimension of 120×120 pixels and has a corresponding temporal resolution of 10 minutes. Here, each pixel corresponds to a grid of size 4km×4km. The DCNN model is designed in this study to provide 10-minute predictive images in advance. Then, precipitation information can be obtained from these forecast images through empirical conversion formulas. Model performance is assessed by comparing the Score index, which is defined based on the ratio of MAE (mean absolute error) to CSI (critical success index) values. The competition results have demonstrated the impressive performance of the DCNN model, where the Score value is 0.530 compared to the best value from the competition of 0.500, ranking 16^th out of 463 participating teams. This study's findings exhibit the potential of applying the DCNN model to short-term rainfall prediction using weather radar-based images. As a result, this model can be applied to other areas with different spatiotemporal resolutions.

• 전기학회논문지
• /
• 제63권11호
• /
• pp.1551-1558
• /
• 2014

We propose a multi-rate sensor fusion of vision and radar using Kalman filter to solve problems of asynchronized and multi-rate sampling periods in object vehicle tracking. A model based prediction of object vehicles is performed with a decentralized multi-rate Kalman filter for each sensor (vision and radar sensors.) To obtain the improvement in the performance of position prediction, different weighting is applied to each sensor's predicted object position from the multi-rate Kalman filter. The proposed method can provide estimated position of the object vehicles at every sampling time of ECU. The Mahalanobis distance is used to make correspondence among the measured and predicted objects. Through the experimental results, we validate that the post-processed fusion data give us improved tracking performance. The proposed method obtained two times improvement in the object tracking performance compared to single sensor method (camera or radar sensor) in the view point of roots mean square error.

• 한국수자원학회논문집
• /
• 제53권12호
• /
• pp.1159-1172
• /
• 2020

본 연구에서는 강우예측을 위해 U-Net과 SegNet에 기반한 합성곱 신경망 네트워크 구조에 장기간의 국내 기상레이더 자료를 활용하여 심층학습기반의 강우예측을 수행하였다. 또한, 기존 외삽기반의 강우예측 기법인 이류모델의 결과와 비교 평가하였다. 심층신경망의 학습 및 검정을 위해 2010부터 2016년 동안의 기상청 관악산과 광덕산 레이더의 원자료를 수집, 1 km 공간해상도를 갖는 480 × 480의 픽셀의 회색조 영상으로 변환하여 HDF5 형태의 데이터를 구축하였다. 구축된 데이터로 30분 전부터 현재까지 10분 간격의 연속된 레이더 영상 4개를 이용하여 10분 후의 강수량을 예측하도록 심층신경망 모델을 학습하였으며, 학습된 심층신경망 모델로 60분의 선행예측을 수행하기 위해 예측값을 반복 사용하는 재귀적 방식을 적용하였다. 심층신경망 예측모델의 성능 평가를 위해 2017년에 발생한 24개의 호우사례에 대해 선행 60분까지 강우예측을 수행하였다. 임계강우강도 0.1, 1, 5 mm/hr에서 평균절대오차와 임계성공지수를 산정하여 예측성능을 평가한 결과, 강우강도 임계 값 0.1, 1 mm/hr의 경우 MAE는 60분 선행예측까지, CSI는 선행예측 50분까지 참조 예측모델인 이류모델이 보다 우수한 성능을 보였다. 특히, 5 mm/hr 이하의 약한 강우에 대해서는 심층신경망 예측모델이 이류모델보다 대체적으로 좋은 성능을 보였지만, 5 mm/hr의 임계 값에 대한 평가결과 심층신경망 예측모델은 고강도의 뚜렷한 강수 특징을 예측하는 데 한계가 있었다. 심층신경망 예측모델은 예측시간이 길어질수록 공간 평활화되는 경향이 뚜렷해지며, 이로 인해 강우 예측의 정확도가 저하되었다. 이류모델은 뚜렷한 강수 특성을 보존하기 때문에 강한 강도 (>5 mm/hr)에 대해 심층신경망 예측모델을 능가하지만, 강우 위치가 잘못 이동하는 경향이 있다. 본 연구결과는 이후 심층신경망을 이용한 레이더 강우 예측기술의 개발과 개선에 도움이 될 수 있을 것으로 판단된다. 또한, 본 연구에서 구축한 대용량 기상레이더 자료는 향후 후속연구에 활용될 수 있도록 개방형 저장소를 통해 제공될 예정이다.

• 한국농림기상학회지
• /
• 제24권3호
• /
• pp.179-189
• /
• 2022

우박은 강한 상승 기류에 의하여 빙결 고도 이상에서 수적이 상승과 하강을 반복함에 따라 얼음덩어리로 성장 후 지상으로 낙하하는 현상을 의미한다. 이러한 우박은 단기간 내 국지적인 영역에서 발생하여 농림업 분야에 큰 피해를 미치지만 우박에 대한 예측을 수행하는 국내 연구는 부족한 실정이다. 이에 본 연구에서는 국가농림기상센터 LAMP를 이용한 우박 예측을 소개하고, 2020년 1월부터 2021년 7월까지 발생한 50개의 우박 사례에 대하여 LAMP 우박 예측 성능을 측정하였다. 본 연구에서 조사된 우박 사례의 경우 봄철에 주로 오후 시간대에 발생 빈도가 높았고, 우박의 지속 시간은 평균 15분이었으며, 우박의 직경은 1 cm로 나타났다. LAMP의 우박 예측 성능을 정성적으로 평가한 결과 50개의 사례 가운데 35개 사례에 대하여 우박 예측에 성공하여 탐지율은 70%로 나타났다. LAMP의 우박 예측 성능은 우박을 예측하는 시간이 길어짐에 따라 저하된 것으로 사료된다. 실제 우박 사례에 대한 레이더 반사도를 조사한 결과, 고도에 무관하게 최대 반사도가 40 dBZ 이상이었고, 우박 사례의 약 50%가 30~50 dBZ 사이로 나타났는데, 이러한 결과는 현재 LAMP의 우박 예측 성능을 향후 보완하기 위한 자료로 활용될 것이다. LAMP를 활용한 우박 예측 성능이 향상됨으로써 농림업 분야에서 망 피복 등의 선제적 조치를 통해 우박에 의한 경제적 손실이 줄어들 것으로 기대된다.

• 한국인터넷방송통신학회논문지
• /
• 제21권4호
• /
• pp.63-73
• /
• 2021

대공표적을 탐지/추적하기 위해 운용되는 레이다는 임무 특성에 따라 표적의 탐지를 목적으로 안테나 구동장치가 회전하며 운용되는 탐색레이다와 표적의 예측 위치에 주기적으로 빔을 조향하여 추적하는 추적레이다로 구분한다. 일반적으로 추적레이다는 탐색레이다에 비해 표적 정보 획득 주기가 짧은 특징이 있는데 이러한 특징으로 인하여 추적 정확도는 탐색레이다에 비해 좋지만 짧은 획득 주기로 인한 추적 초기 속도 오차로 인해 표적 예측 오차가 커짐에 따라 항적 연관에 실패하거나 빔 조향을 정상적으로 수행하지 못하여 추적 초반에 표적 추적이 실패하는 경우가 많이 발생하게 된다. 본 논문에서는 위에서 기술한 추적레이다의 추적 초반 문제점들을 해결하기 위해 기존 표적 추적을 위해 활용했던 측정치의 위치 정보(거리, 방위각, 고각) 외에 표적 시선속도 측정값을 활용한 초기 표적 정보 정확도 향상 알고리즘을 제안하고 기존에 추적 초기화 시 많이 사용하는 알고리즘인 Two Point Differential 알고리즘과 성능 비교를 통해 제안하는 알고리즘의 성능을 확인하였다.