• Ocean Systems Engineering
• /
• 제10권4호
• /
• pp.435-449
• /
• 2020

This paper proposes a method to estimate the underwater target object's yaw angle using a sonar image. A simulator modeling imaging mechanism of a sonar sensor and a generative adversarial network for style transfer generates realistic template images of the target object by predicting shapes according to the viewing angles. Then, the target object's yaw angle can be estimated by comparing the template images and a shape taken in real sonar images. We verified the proposed method by conducting water tank experiments. The proposed method was also applied to AUV in field experiments. The proposed method, which provides bearing information between underwater objects and the sonar sensor, can be applied to algorithms such as underwater localization or multi-view-based underwater object recognition.

• 한국음향학회지
• /
• 제42권4호
• /
• pp.370-376
• /
• 2023

수중영상은 수중 잡음과 낮은 해상도로 표적의 형상과 구분이 명확하지 않다. 그리고 딥러닝의 입력으로 수중영상은 전처리가 필요하며 Segmentation이 선행되어야 한다. 전처리를 하여도 표적은 명확하지 않으며 딥러닝에 의한 탐지, 식별의 성능도 높지 않을 수 있다. 따라서 표적을 구분하며 명확하게 하는 작업이 필요하다. 본 연구에서는 수중영상에서 표적 그림자의 중요성을 확인하고 그림자에 의한 물체 탐지 및 표적 영역 획득, 그리고 수중배경이 없는 표적과 그림자만의 형상이 담긴 데이터를 생성하며 더 나아가 픽셀값이 일정하지 않은 표적과 그림자 영상을 표적은 흰색, 그림자는 흑색, 그리고 배경은 회색의 3-모드의 영상으로 변환하는 과정을 제시한다. 이를 통해 딥러닝의 입력으로 명확히 전처리된 판별이 용이한 영상을 제공할 수 있다. 또한 처리는 Open Source Computer Vision(OpenCV)라이브러리의 영상처리 코드를 사용했으면 처리 속도도 역시 실시간 처리에 적합한 결과를 얻었다.

• 한국정보통신학회논문지
• /
• 제17권5호
• /
• pp.1253-1258
• /
• 2013

2010년 천안함 침몰로 인해 수중 폭발체의 위험성이 전시 뿐만 아니라 평시에도 대단히 중요하게 다뤄져야 하며, 그에 따른 방어대책이 필수적으로 필요함을 인지하게 되었다. 다양한 수중무기폭발 체계 중 대표적인 비닉(庇匿) 무기체계인 기뢰를 중심으로 탐지수단, 탐지방법, 위험 제거 방안 등에 대해 연구하며, 특히 탐지를 위한 대표적인 센서인 자력계 등의 데이터를 참조하여 발화확률 모사 시스템을 모델링하고, 아 해군 보유 함형에 따른 수심별 해석을 통해 발화확률 등을 시뮬레이션 하여 효과적인 탐지, 위협제거 및 궁극적인 대기뢰전 전술 등을 연구/제안한다.

• 한국해양공학회지
• /
• 제34권3호
• /
• pp.227-236
• /
• 2020

Underwater acoustics, which is the domain that addresses phenomena related to the generation, propagation, and reception of sound waves in water, has been applied mainly in the research on the use of sound navigation and ranging (SONAR) systems for underwater communication, target detection, investigation of marine resources and environment mapping, and measurement and analysis of sound sources in water. The main objective of remote sensing based on underwater acoustics is to indirectly acquire information on underwater targets of interest using acoustic data. Meanwhile, highly advanced data-driven machine-learning techniques are being used in various ways in the processes of acquiring information from acoustic data. The related theoretical background is introduced in the first part of this paper (Yang et al., 2020). This paper reviews machine-learning applications in passive SONAR signal-processing tasks including target detection/identification and localization.

• 한국음향학회지
• /
• 제34권6호
• /
• pp.487-492
• /
• 2015

중주파수 및 고주파수 대역을 이용한 근거리 수중표적 탐지와 식별 기술은 이미 성숙단계에 있으나, 수중 위협세력의 은닉화 및 고속화에 따른 저주파수 대역을 이용한 원거리 탐지 요구가 새롭게 대두되고 있다. 본 논문에서 소개할 파형역산 기술은 최근 국내외 석유탐사 관련 학계 및 업계에서 매우 각광받는 최신 기술로, 저주파수 대역을 이용하여 해저 수 킬로미터 이상의 해저 지층을 고해상도로 구축하는 수치해석 기법이다. 이러한 파형역산 기술을 응용하여 작전 해역에서의 해저지층을 영상화하는 동시에, 수중에 위치하는 인공표적의 탐지 가능성을 확인하였다. 본 제안 기술은 인공표적의 형상뿐만 아니라 음파속도 등의 물성정보를 정확하게 추정할 수 있기 때문에 오탐지 확률을 획기적으로 줄일 수 있으리라 기대된다.

• 한국해양공학회지
• /
• 제34권4호
• /
• pp.277-284
• /
• 2020

Underwater acoustics, which is the study of phenomena related to sound waves in water, has been applied mainly in research on the use of sound navigation and range (SONAR) systems for communication, target detection, investigation of marine resources and environments, and noise measurement and analysis. The main objective of underwater acoustic remote sensing is to obtain information on a target object indirectly by using acoustic data. Presently, various types of machine learning techniques are being widely used to extract information from acoustic data. The machine learning techniques typically used in underwater acoustics and their applications in passive SONAR systems were reviewed in the first two parts of this work (Yang et al., 2020a; Yang et al., 2020b). As a follow-up, this paper reviews machine learning applications in SONAR signal processing with a focus on active target detection and classification.

• 한국정보통신학회논문지
• /
• 제16권10호
• /
• pp.2137-2142
• /
• 2012

수중환경 하에서 표적을 탐지하고 식별하는 문제는 군사적인 목적은 물론 비군사적 목적으로도 많은 연구가 수행되어 왔다. 수중환경에서의 수중음향 신호가 시간 공간적으로 특성이 변화하며 천해 다중경로 환경을 반영하는 복잡한 특성을 보이는 점으로 인해 능동 표적인식 기술은 매우 어려운 기술로 여겨져 왔다. 또한 실제 데이터 수집의 어려움이 따르게 된다. 본 논문에서는 수중환경 하에서 능동 표적신호를 합성, 특징추출 및 표적식별을 수행할 수 있는 시뮬레이터를 구현하였다. 표적신호의 합성에는 하이라이트 모델과 3차원 모델을 사용하였으며, 표적신호의 식별을 위해서는 다중각도에 기반한 은닉 마코프모델을 사용하였다.

• 한국음향학회지
• /
• 제31권8호
• /
• pp.551-560
• /
• 2012

시역전 기술을 활용한 수중음향장벽에 의한 수중물체 탐지는 능동소나와 수동소나의 기법과 이론적 배경이 명확한 시역전 처리의 개념을 포함하고 있다. 본 논문에서는 수동형 해양 시역전에 의한 수중탐지의 개념과 이론을 수립하였다. 또한 수중음향 전파모델을 활용하여 모델링을 통해 수동형 시역전 수중음향장벽의 성능 예측을 수행하였다. 본 연구의 결과는 수동형 시역전 개념을 이용한 수중음향장벽 탐지시스템의 설계 시 유용한 성능예측 도구로 활용될 수 있다.

• 한국군사과학기술학회지
• /
• 제3권1호
• /
• pp.85-91
• /
• 2000

Underwater sensor accuracy test which measures the detection range and bearing accuracies of sonar simulates sonar transmitting ping and underwater radiating noise of target vessels. In this test, because the position of sonar target is the reference position of test, the sonar target position should be precisely estimated. Hence, this paper suggests to apply USBL algorithm which adopts cross phase spectrum of received sensor signals, and presents its performance by range and bearing estimation simulations. As a result of simulations, suggested algorithm shows good accuracy for underwater sensor accuracy test near 5㏈ SNR.

• 융합신호처리학회논문지
• /
• 제11권3호
• /
• pp.203-208
• /
• 2010

본 논문에서는 소나 시스템을 통해 획득된 수중 음향 신호를 디지털 영상의 형태로 변환한다. 그리고 이러한 형태의 영상에 대해 영상 처리 기법을 도입하여 표적 후보를 탐지하고, 이들 영역에 대해 정보를 강화하는 알고리즘을 제안한다. 수중 표적의 탐지 과정은 우선 수중음향신호 영상에서 불규칙한 형태로 분포하고 있는 배경 잡음을 추정하여 재구성한 뒤, 원 영상에서 배경 영상을 제거하여 초기 표적 후보군을 획득한다. 또한 도플러 신호 정보를 가공하여 가중치 맵을 생성하고, 배경잡음이 제거된 영상에 대해 가중치 맵을 이용한 필터링 과정을 수행함으로써 표적 후보에 대한 정보를 보다 정확히 확보하고, 단일프레임에서의 표적 후보 정보를 강화한다. 본 논문에서는 시뮬레이션으로 획득된 수중음향신호에 대해 제안된 알고리즘을 적용하여, 불규칙적으로 발생하게 되는 잡음이 대부분 제거됨을 확인하였고, 필터링 및 표적 탐지 과정을 통해 수중음향신호 영상에서 표적이 더욱 명확히 표시됨을 확인하였다.