http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
광대역 레이다 측정 신호를 이용한 표적 구분 성능 향상
이승재(Seung-Jae Lee),이성준(Sung-Jun Lee),최인식(In-Sik Choi),박강국(Kang-Kuk Park),김효태(Hyo-Tae Kim),김경태(Kyung-Tae Kim) 한국전자파학회 2011 한국전자파학회논문지 Vol.22 No.10
본 논문에서는 광대역 레이다 측정 신호를 이용하여 5기종의 스케일 모델에 대해 표적 구분 실험을 수행하였다. 대역폭의 크기에 따른 표적 구분 성능을 비교하기 위해 2 GHz(2~4 GHz), 4 GHz(2~6 GHz), 그리고 6 GHz(2 ~8 GHz)의 대역폭을 이용하였고, 시간-주파수 영역 해석법인 STFT와 CWT를 이용하여 각 표적에 대한 특성 벡터를 추출하였다. 여기서 추출된 특성 벡터들은 multi-layerd perceptron(MLP) 신경망 구분기의 입력으로 사용 되어 표적 구분 성능을 비교한 결과, 사용하는 주파수 대역폭이 넓을수록 표적 구분 성능이 향상되는 것을 확인 할 수 있었다. In this paper, we performed radar target classification for the five scale models using ultra-wideband measured signal. In order to compare the performance, the 2 GHz(2~4 GHz), 4 GHz(2~6 GHz), and 6 GHz(2~8 GHz) bandwidth were used. Short time Fourier transform(STFT) and continuous wavelet transform(CWT) are used for target feature extraction. Extracted feature vectors are used as input for the multi-layerd perceptron(MLP) neural network classifier. The results show that as the bandwidth is wider, the performance is better.