http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 설호석 (검색결과 3 건)
- 무료
- 기관 내 무료
- 유료
-
수중 음파 굴절효과를 고려한 전방주시소나 기뢰 위치 추정기법 연구
설호석,오래근,양원준,윤영글,최지웅,한상규,권범수,Sul, Hoseok,Oh, Raegeun,Yang, Wonjun,Yoon, Young Geul,Choi, Jee Woong,Han, Sangkyu,Kwon, Bumsoo 한국군사과학기술학회 2022 한국군사과학기술학회지 Vol.25 No.3
Mine detection has been mainly studied with images of the forward-looking sonar. Forward-looking sonar assumes the propagation path of the sound wave as a straight path, creating the surrounding images. This might lead to errors in the detection by ignoring the refraction of the sound wave. In this study, we propose a mine localization method that can robustly identify the location of mines in an underwater environment by considering the refraction of sound waves. We propose a method of estimating the elevation angle of arrival of the target echo signal in a single receiver, and estimate the mine location by applying the estimated elevation angle of arrival to ray tracing. As a result of simulation, the method proposed in this paper was more effective in estimating the mine localization than the existing method that assumed the propagation path as a straight line.
-
저탐지 수중 표적 추적을 위한 딥러닝 기반 분할 네트워크
신원,설호석,최지웅,송택렬,김다솔,고현석 대한전자공학회 2023 전자공학회논문지 Vol.60 No.1
In submarine combat systems, passive sonars are used to detect enemy targets without exposing the ship's location. Since bearing information can be obtained through passive sonar, and information about distance can be obtained by performing additional target maneuver analysis using the obtained bearing information, it is important to secure accurate bearing information. The signal received through the passive sonar can be represented by imaging the target's bearing information with respect to time, which is called BTR(Bearing-Time Records) data. In this paper, we propose a deep learning-based segmentation network to improve the target detection rate from BTR data. Since it is difficult to obtain the actual target bearing data as military information, a simulated BTR dataset was created and network learning and experiments were conducted through it. In particular, we propose a Spatial Convolutional Layer-based segmentation network to well extract target objects in BTR images with directionality. The proposed model shows the best target detection performance compared to the existing deep learning-based segmentation model in experimental datasets with various intensity noise environments and target detection probabilities.
-
딥러닝을 이용한 DEMON 그램 주파수선 추출 기법 연구
신원식,권혁종,설호석,신원,고현석,송택렬,김다솔,최강훈,최지웅 한국음향학회 2024 韓國音響學會誌 Vol.43 No.1
수중 소음 측정이 가능한 수동 소나에 수신된 선박 방사소음은 Detection of Envelope Modulation on Noise(DEMON) 분석으로 얻은 선박 정보를 사용하여 선박 식별과 분류가 가능하다. 하지만 낮은 신호대잡음비(Signal-to-Noise Ratio, SNR) 환경에서는 DEMON 그램 내 선박 정보가 담겨있는 표적 주파수선을 분석 및 파악하는데 어려움이 발생한다. 본 논문에서는 낮은 SNR 환경에서 보다 정확한 표적 식별을 위해 딥러닝 기법 중 의미론적 분할을 사용하여 표적 주파수선들을 추출하는 연구를 수행하였다. SNR과 기본 주파수를 변경시키며 생성한 모의 DEMON 그램 데이터를 사용하여 의미론적 분할 모델인 U-Net, UNet++, DeepLabv3+를 학습 후 평가하였고, 학습된 모델들을 이용하여 캐나다 조지아 해협에서 측정한 선박 방사소음 데이터셋인 DeepShip으로 제작한 DEMON 그램 예측 성능을 비교하였다. 모의 DEMON 그램으로 학습된 모델을 평가한 결과 U-Net이 성능이 가장 높았으며, DeepShip으로 만든 DEMON 그램의 표적 주파수선을 어느 정도 추출할 수 있는 것을 확인하였다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
