• 한국군사과학기술학회지
• /
• 제22권2호
• /
• pp.278-286
• /
• 2019

Conventional methods for selecting jamming techniques in electronic warfare are based on libraries in which a list of jamming techniques for radar signals is recorded. However, the choice of jamming techniques by the library is limited when modified signals are received. In this paper, we propose a method to predict the jamming technique for radar signals by using deep learning methods. Long short-term memory(LSTM) is a deep running method which is effective for learning the time dependent relationship in sequential data. In order to determine the optimal LSTM model structure for jamming technique prediction, we test the learning parameter values that should be selected, such as the number of LSTM layers, the number of fully-connected layers, optimization methods, the size of the mini batch, and dropout ratio. Experimental results demonstrate the competent performance of the LSTM model in predicting the jamming technique for radar signals.

• 한국수자원학회논문집
• /
• 제54권5호
• /
• pp.301-309
• /
• 2021

본 연구에서는 시계열 순서의 의미가 희석될 수 있는 기존의 U-net 기반 딥러닝 강우예측 모델의 성능을 개선하고자 하였다. 이를 위해서 데이터의 연속성을 고려한 ConvLSTM2D U-Net 신경망 구조를 갖는 모델을 적용하고, RainNet 모델 및 외삽 기반의 이류모델을 이용하여 예측정확도 개선 정도를 평가하였다. 또한 신경망 기반 모델 학습과정에서의 불확실성을 개선하기 위해 단일 모델뿐만 아니라 10개의 앙상블 모델로 학습을 수행하였다. 학습된 신경망 강우예측모델은 현재를 기준으로 과거 30분 전까지의 연속된 4개의 자료를 이용하여 10분 선행 예측자료를 생성하는데 최적화되었다. 최적화된 딥러닝 강우예측모델을 이용하여 강우예측을 수행한 결과, ConvLSTM2D U-Net을 사용하였을 때 예측 오차의 크기가 가장 작고, 강우 이동 위치를 상대적으로 정확히 구현하였다. 특히, 앙상블 ConvLSTM2D U-Net이 타 예측모델에 비해 높은 CSI와 낮은 MAE를 보이며, 상대적으로 정확하게 강우를 예측하였으며, 좁은 오차범위로 안정적인 예측성능을 보여주었다. 다만, 특정 지점만을 대상으로 한 예측성능은 전체 강우 영역에 대한 예측성능에 비해 낮게 나타나, 상세한 영역의 강우예측에 대한 딥러닝 강우예측모델의 한계도 확인하였다. 본 연구를 통해 시간의 변화를 고려하기 위한 ConvLSTM2D U-Net 신경망 구조가 예측정확도를 높일 수 있었으나, 여전히 강한 강우영역이나 상세한 강우예측에는 공간 평활로 인한 합성곱 신경망 모델의 한계가 있음을 확인하였다.

• 한국전자파학회논문지
• /
• 제23권8호
• /
• pp.1014-1017
• /
• 2012

본 논문에서는 고해상도 SAR(Synthetic Aperture Radar) 영상 획득을 위해 방위각 방향 해상도를 향상시키기 위한 방법을 소개하였다. SAR 영상 획득을 위해 ${\omega}-k$(omega-k) 알고리즘을 이용하였으며, 2차원 주파수 영역에서 방위각 방향으로 AR(Auto-Regressive) 방법을 이용한 외삽을 이용하여 해상도를 향상시켰다. AR 방법은 선형 예측(linear prediction) 모델을 기반으로 한 외삽 기법이다. AR 방법을 이용한 외삽 기법 중에서 Burg 알고리즘을 이용하여 예측 차수(prediction order)와 표적의 거리에 따른 성능 비교 결과를 보여 준다.

• ETRI Journal
• /
• 제33권1호
• /
• pp.27-31
• /
• 2011

This paper addresses estimating the frequency of a cisoid in the presence of white Gaussian noise, which has numerous applications in communications, radar, sonar, and instrumentation and measurement. Due to the nonlinear nature of the frequency estimation problem, there is threshold effect, that is, large error estimates or outliers will occur at sufficiently low signal-to-noise ratio (SNR) conditions. Utilizing the ideas of averaging to increase SNR and weighted linear prediction, an optimal frequency estimator with smaller threshold SNR is developed. Computer simulations are included to compare its mean square error performance with that of the maximum likelihood (ML) estimator, improved weighted phase averager, generalized weighted linear predictor, and single weighted sample correlator as well as Cramer-Rao lower bound. In particular, with smaller computational requirement, the proposed estimator can achieve the same threshold and estimation performance of the ML method.

• 대한임베디드공학회논문지
• /
• 제6권1호
• /
• pp.16-24
• /
• 2011

Automotive Radar Systems are currently under development for various applications to increase accuracy and reliability. The target tracking is most important in single or multiple target environments for accuracy. The tracking algorithm provides smoothed and predicted data for target position and velocity(Doppler). To this end, the fixed gain filter(${\alpha}{\beta}$ filter, ${\alpha}{\beta}{\gamma}$ filter) and dynamic filter(Kalman filter, Singer-Kalman filter, etc) are commonly used. Gating is used to decide whether an observation is assigned to an existing track or new track. Gating algorithms are normally based on computing a statistical error distance between an observation and prediction. The data association takes the observation-to-track pairings that satisfied gating and determines which observation-to-track assignment will actually be made. For data association, NNPDA(Nearest Neighbor Probabilistic Data Association) algorithm is proposed. In this paper, we designed a target tracking system developed for an Automotive Radar System. We show the experimental results of the 77GHz FMCW radar sensor on the roads. Four tracking algorithms(${\alpha}{\beta}$ filter, ${\alpha}{\beta}{\gamma}$ filter, 2nd order Kalman filter, Singer-Kalman filter) have been compared and analyzed to evaluate the performance in test scenario.

• 대한원격탐사학회지
• /
• 제32권2호
• /
• pp.155-169
• /
• 2016

본 연구에서는 2014년 8월 부산 경남 집중호우 사례를 대상으로 레이더와 위성결합 Multi-sensor Blending 초단기 강우예측을 실시하였다. 레이더 최적 Z-R관계는 열대형 강수 Z-R관계식($Z=32R^{1.65}$)을 적용하였으며, 20 mm/h 이상의 강한 강우에서 강수량 추정 정확도가 향상됨을 확인하였다. 또한 60 mm/h 이상 강한 폭우사상에 대하여 천리안 위성자료와 레이더자료를 합성한 결과 정량강수 추정 성능이 향상됨을 확인하였다. 지속시간별 강우예측 정확도 검증을 위하여 AWS, MAPLE 자료와 비교결과, 강우예측 1시간까지 약 50%이상의 지점강우예측 정확도를 확보하였으며, 10분 단위 예측시간별 상관계수는 0.80~0.53, 평균제곱근오차는 3.99~6.43 mm/h로 분석되었다. 본 연구 결과 레이더와 위성정보를 이용한 보다 신뢰성 있는 강우예측 정보 활용이 가능할 것으로 판단되며, 향후 지속적인 사례연구와 레이더 위성 활용 정량강수량 추정 및 예측, 그리고 위성강수 추정 알고리즘 개선의 노력이 필요하다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.43-45
• /
• 2021

초단기 강수예측 시스템은 단시간 발생하는 집중호우와 같은 위험기상에 대응하기 위해 사회·경제적으로 중요하다. 최근 국내·외에서 심층신경망을 활용한 초단기 강수예측 연구가 활발히 진행되고 있다. 심층신경망을 이용한 강수예측 모델은 훈련 데이터를 만들 때 기상데이터의 구조와 종류가 복잡하고 방대하므로 기상학적 이해를 바탕으로 복잡한 전처리 과정이 필요하다. 또한, 비선형적인 패턴의 강수 현상을 예측하기 위하여 기상의 상호작용에 대한 이해를 바탕으로 입력 데이터를 구성해야 한다. 따라서 본 연구에서는 다음과 같은 접근법을 제안하고자 한다. i) 기상레이더 합성 강수장과 강수발달에 영향을 줄 수 있는 주요 인자(레이더, 지형, 온도, 등)를 훈련 데이터 구축을 위해 패턴 분석에 적합한 형태로 정제하고 이를 구조화하여 통합한다. ii) 합성곱 신경망과 합성곱 장단기 기억 신경망을 접목하여 초단기 예측 강수장을 산출한다. 2020년 강수 사례를 이용하여 제안한 모델의 정확성을 검증하였다. 제안한 모델은 비선형적인 패턴의 강수 현상을 잘 모의하였고, 강수의 규모 및 강도에 대한 예측성능이 향상되었다. 이는 강수를 동반한 초단기 위험기상의 방재에 활용할 수 있을 것으로 기대된다.

• 한국군사과학기술학회지
• /
• 제22권6호
• /
• pp.735-744
• /
• 2019

One of the key factors for recognition performance in the automatic target recognition for synthetic aperture radar imagery(SAR-ATR) system is reliability of the SAR target database. To achieve optimal performance, the database should be constructed using the images obtained under the same operating condition as the SAR sensor. However, it is impractical to have the extensive set of real-world SAR images, and thus those from the electro magnetic prediction tool with 3-D CAD models are suggested as an alternative where their reliability can be always questionable. In this paper, a method for similarity assessment between target SAR images is presented inspired by the fact that a target SAR image is mainly characterized by the features of scattering centers. The method is demonstrated using a variety of examples and quantitatively measures the similarity related to reliability. Its assessment performance is further compared with that of the existing metric, structural similarity(SSIM).

• 한국전자파학회논문지
• /
• 제30권1호
• /
• pp.88-94
• /
• 2019

본 논문에서는 FMCW 레이다에서 강한 송신신호의 누설로 발생하는 문제들을 해결하기 위한 누설신호 상쇄기 및 상쇄기 내 탑재되는 적응형 알고리즘을 제안한다. 누설신호 상쇄기는 실시간으로 누설신호를 제거하는 적응형 구조이며, 제안하는 알고리즘은 현재 누설신호에 최적화된 예측 벡터 및 학습적응 계수를 산출하여 기존 알고리즘 대비 10 dB 이상의 상쇄효과를 보인다.

• 한국전자파학회논문지
• /
• 제25권12호
• /
• pp.1292-1299
• /
• 2014

기상 레이다 시스템은 지상, 해상, 상공 등의 넓은 입체 공간에 분포하는 기상정보를 실시간으로 제공한다. 그러나 산악지역과 같이 강수 신호 주변에 지형 클러터가 존재하는 경우, 큰 지형 클러터 신호를 강수 신호로 오인하여 잘못된 기상 정보를 제공할 수 있다. 우리나라 국토는 산지가 많아서 지형 클러터의 영향으로 인한 기상 오류를 줄이기 위해서는, 국내 지형 환경에 적합한 클러터 제거 기법이 필요하다. 본 논문에서는 지형 특성을 반영한 클러터 맵을 만들어, 지형 클러터를 제거하는 C-Map 기법을 제안한다. 클러터 맵은 맑은 날의 원시 신호(I/Q) 자료를 이용하여 획득되고, 지형 클러터 제거는 클러터 맵과 수신 신호의 도플러 차이를 이용하여 수행된다. 제안된 알고리듬의 성능 분석은 소백산 강우 레이다 데이터를 이용하여 수행되었으며, 임계상수에 따른 지형 클러터 제거율은 91.17 %로 나타났다.