• 한국전자파학회논문지
• /
• 제26권6호
• /
• pp.564-571
• /
• 2015

본 논문에서는 다중입력-다중출력(multiple-input, multiple-output: MIMO) 간섭계(interferometric) 레이다 네트워크 시스템을 기반한 MIMO 간섭계 역합성 개구면 레이다(inverse synthetic aparture radar: InISAR) 영상 형성기법에 관해 연구하였다. MIMO 간섭계 레이다 네트워크 시스템 내에서는 여러 바이스태틱 InISAR 영상들이 형성되며, 이들을 인코히리언트(incoherent)하게 합성함으로써 MIMO InISAR 영상을 형성할 수 있다. 여기서, 바이스태틱 InISAR 영상은 바이스태틱 기하구조 내에서의 표적에 대한 산란분포를 3차원의 형태로 도시한다. 상기 MIMO InISAR 영상에서는 다중 각도에서의 바이스태틱 산란 현상을 3차원의 형태로 도시하기 때문에, 표적의 다양한 산란 정보를 제공함과 더불어, 표적 식별 시 유용한 특징 벡터(feature vector)로써 활용될 수 있다. 시뮬레이션을 통해, 제안된 MIMO InISAR 영상 형성 기법을 이용함으로써 표적에 대한 다중각도에서의 바이스태틱 산란분포가 3차원의 형태로 도시되는 것을 확인할 수 있다.

• 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.

• ETRI Journal
• /
• 제43권6호
• /
• pp.991-1003
• /
• 2021

Automatic modulation classification is essential in radar emitter identification. We propose a cascade classifier by combining a support vector machine (SVM) and convolutional neural network (CNN), considering that noise might be taken as radar signals. First, the SVM distinguishes noise signals by the main ridge slice feature of signals. Second, the complex envelope features of the predicted radar signals are extracted and placed into a designed CNN, where a modulation classification task is performed. Simulation results show that the SVM-CNN can effectively distinguish radar signals from noise. The overall probability of successful recognition (PSR) of modulation is 98.52% at 20 dB and 82.27% at -2 dB with low computation costs. Furthermore, we found that the accuracy of intermediate frequency estimation significantly affects the PSR. This study shows the possibility of training a classifier using complex envelope features. What the proposed CNN has learned can be interpreted as an equivalent matched filter consisting of a series of small filters that can provide different responses determined by envelope features.

• 대한원격탐사학회지
• /
• 제34권2_2호
• /
• pp.351-375
• /
• 2018

본 논문은 고주파 해양레이더의 특징과 한국 연안해역에서 해양레이더망으로 생산된 주요 결과와 정보를 독자들에게 소개하고, 현존하는 레이더의 운영현황 목록을 만들며, 레이더 운영기술과 해류자료 활용에 관한 정보를 공유하고자 한다. 지난 20여년 동안 국내의 해양레이더 수는 현저히 증가하여 현재 44기 이상이 연안에 배치되어 있다. 대부분의 레이더는 주로 레이더 운영기관의 임무에 따라 해양안전, 조류예보 그리고 해류역학 이해를 목적으로 운영하고 있다. 논문 저자들은 본 논문이 해양레이더의 활용성을 조류와 해류역학 이해의 수준을 넘어서 어업, 해양레저활동, 해양자원 관리, 유류유출 대응, 연안환경 복원, 조난자 수색구조, 선박탐지 등으로 확장하는데 도움이 되기를 바란다. 이와 더불어 본 논문이 국가 해양레이더망 체계를 설립하여 해양영토 감시활동에 기여하고, 신호처리 기술을 포함한 국내 해양레이더 시스템을 개발하는데도 기여하기를 바란다.

• 한국항행학회논문지
• /
• 제22권5호
• /
• pp.429-435
• /
• 2018

레이다 시스템의 경우, 타겟의 거리와 속도를 추출하기 위해 FFT (fast Fourier transform) 연산이 필수적으로 요구되며, 실시간 구현을 위해 고속으로 동작하는 FFT 프로세서의 설계가 필요하다. 고속 FFT 프로세서를 위한 하드웨어 구조로 완전 셔플 네트워크 (perfect shuffle network) 구조가 적합하며, 특히 초고속 연산을 위해 radix-4 기반의 이중 완전 셔플 네트워크 (twice perfect shuffle network) 구조가 가장 적절하고 볼 수 있다. 더불어, 다양한 속도 해상도를 요구하는 레이다 응용을 고려할 때, FFT 프로세서는 가변길이 FFT 연산을 지원할 필요가 있다. 이에 본 논문에서는 8~1024 포인트의 가변 길이 연산을 지원하는 이중 완전 셔플 네트워크 기반의 FFT 알고리즘을 제안하였으며, 이의 하드웨어 구조 설계 및 구현 결과를 제시한다. 제안된 FFT 프로세서는 HDL (hardware description language)을 활용하여 RTL (register transfer level) 설계가 수행되었으며, $0.65{\mu}m$ CMOS 공정을 활용하여 논리 합성한 결과, 총 3,293K개의 논리 게이트로 구현 가능함을 확인 할 수 있었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권7호
• /
• pp.1858-1872
• /
• 2023

With the advance of radar technologies, the availability of synthetic aperture radar (SAR) images increases. To improve application of SAR images, a management system for SAR images is proposed in this paper. The system provides trainable land cover classification module and display of SAR images on the map. Users of the system can create their own classifier with their data, and obtain the classified results of newly captured SAR images by applying the classifier to the images. The classifier is based on convolutional neural network structure. Since there are differences among SAR images depending on capturing method and devices, a fixed classifier cannot cover all types of SAR land cover classification problems. Thus, it is adopted to create each user's classifier. In our experiments, it is shown that the module works well with two different SAR datasets. With this system, SAR data and land cover classification results are managed and easily displayed.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2017년도 추계학술대회
• /
• pp.66-69
• /
• 2017

본 논문에서는 깊은 합성 곱 신경망 (Deep Convolutional Neural Network) 를 이용해서 SAR (Synthetic Aperture Radar) 영상의 반전 잡음 (speckle noise) 성분을 제거하는 기법을 제안하고자 한다. Deep Convolutional Neural Network는 이미지의 데이터 특성에 적합한 딥 러닝 방법이고, 이는 SAR 위성영상의 반전 잡음 제거에 사용해도 효과적이다. 반전 잡음 필터 모델 추정을 위한 학습은 임의로 반전 잡음을 합성한 트레이닝 이미지들과 원본 트레이닝 이미지들을 이용한 회귀모델을 통해 진행된다. 학습을 통해 얻은 반전 잡음 필터는 기존 알고리즘에 비해 우수한 외곽선 보존 성능을 나타냄을 확인하였다.

• Geomechanics and Engineering
• /
• 제37권5호
• /
• pp.467-474
• /
• 2024

Monitoring and managing the condition of underground utilities is crucial for ground stability. This study aims to determine whether images obtained using ground penetrating radar (GPR) accurately reflect the characteristics of buried pipelines through image analysis. The investigation focuses on pipelines made from different materials, namely concrete and steel, with concrete pipes tested under various diameters to assess detectability under differing conditions. A total of 400 images are acquired at locations with pipelines, and for comparison, an additional 100 data points are collected from areas without pipelines. The study employs GPR at frequencies of 200 MHz and 600 MHz, and image analysis is performed using machine learning-based convolutional neural network (CNN) techniques. The analysis results demonstrate high classification reliability based on the training data, especially in distinguishing between pipes of the same material but of different diameters. The findings suggest that the integration of GPR and CNN algorithms can offer satisfactory performance in exploring the ground's interior characteristics.

• 한국통신학회논문지
• /
• 제41권6호
• /
• pp.611-619
• /
• 2016

현대전에서의 전자전은 전쟁에 있어서 승패를 좌우한다. 따라서 적의 미상 레이더에서 방사하는 전자파를 수신하여 신호 처리 후 레이더의 변조방식을 식별하는 일은 전자전에서 중요한 핵심 과제이다. 본 논문에서는 최근 전자전 보호능력이 우수한 Linear Up Sliding PRI, Non-Linear Up Sliding PRI 방식과 Linear Down Sliding PRI, Non-Linear Down Sliding PRI 방식을 자동 식별하는 알고리즘을 TDOA(Time Difference Of Arrival) 개념을 적용하여 개발하였다. 안테나로 입력되는 레이더 펄스마다 각 제원을 산출하고 제원 중에서 펄스반복간격의 PRI값으로부터 시간차의 특성을 산출하여 식별 알고리즘을 개발하였다. 알고리즘을 프로그래밍한 후 표본 PRI데이터 를 입력하여 처리한 결과, 모두 정확히 PRI변조방식을 식별하였다. 개발된 알고리즘은 향후 ES(ESM, ELINT)장비에 적용 가능할 것으로 판단한다.

• 한국항해항만학회지
• /
• 제46권6호
• /
• pp.509-516
• /
• 2022

최근 선박에서는 레이더의 영상데이터를 타 장치로 전송하기 위한 방법으로 Asterix CAT 240 포맷을 사용한다. 하지만 Asterix 포맷은 사용자에 의해 정의 가능한 유동적인 구조를 가지고 있어, 선박 레이더 운용에 적합하지 않게 정의된 포맷 구조는 항해 장비 네트워크 트래픽을 과도하게 증가시키거나 안정성을 감소시킬 수 있다. 따라서 항해 네트워크의 트래픽을 감소시키고 안정성을 증가시키기 위하여, 레이더 스캐너 및 전시기의 성능에 따른 적절한 설정 값으로서 최적화된 Asterix CAT 240 포맷을 정의하는 방안을 연구하였다.