http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
차원축소 없는 채널집중 네트워크를 이용한 SAR 변형표적 식별
박지훈,최여름,채대영,임호,Park, Ji-Hoon,Choi, Yeo-Reum,Chae, Dae-Young,Lim, Ho 한국군사과학기술학회 2022 한국군사과학기술학회지 Vol.25 No.3
In implementing a robust automatic target recognition(ATR) system with synthetic aperture radar(SAR) imagery, one of the most important issues is accurate classification of target variants, which are the same targets with different serial numbers, configurations and versions, etc. In this paper, a deep learning network with channel attention modules is proposed to cope with the recognition problem for target variants based on the previous research findings that the channel attention mechanism selectively emphasizes the useful features for target recognition. Different from other existing attention methods, this paper employs the channel attention modules without dimensionality reduction along the channel direction from which direct correspondence between feature map channels can be preserved and the features valuable for recognizing SAR target variants can be effectively derived. Experiments with the public benchmark dataset demonstrate that the proposed scheme is superior to the network with other existing channel attention modules.
이현수(Hyunsoo Lee),정기환(Ki-Hwan Jung),채대영(Dae-Young Chae),고일석(Il-Suek Koh) 한국전자파학회 2014 한국전자파학회논문지 Vol.25 No.5
IPO(Iterative Physical Optics) 방법은 대규모 물체의 산란파를 효과적으로 계산하는 고주파 근사 방법 중 하나인 PO(Physical Optics) 방법을 반복적으로 적용하는 계산방법이다. IPO 방법은 일차(first-order) PO 방법에서는 고려하지 못하는 다중 반사를 고려할 수 있어, 산란체 표면에 여기되는 전류의 정확도를 높일 수 있다. 그러므로 산란체의 RCS(Radar Cross Section)를 보다 정확하게 예측할 수 있다. 그러나 IPO 방법은 필요한 적분방정식을 정확하게 풀지 않아 수렴성에 문제가 생긴다. 그러므로 본 논문에서는 IPO 방법의 수렴성을 조절하기 위해, 행렬연산에 사용하는 Jacobi, Gauss-Seidel, SOR(Successive Over Relaxation) 그리고 Richardson 방법을 IPO 방법에 적용하였다. 그러므로 대규모 물체의 RCS 계산을 제안된 IPO 방법을 사용하여 효율적으로 계산할 수 있다. 또, 이들의 정확도를 시뮬레이션을 통해 검증하였다. The IPO(Iterative Physical Optics) method repeatedly applies the well-known PO(Physical Optics) approximation to calculate the scattered field by a large object. Thus, the IPO method can consider the multiple scattering in the object, which is ignored for the PO approximation. This kind of iteration can improve the final accuracy of the induced current on the scatterer, which can result in the enhancement of the accuracy of the RCS(Radar Cross Section) of the scatterer. Since the IPO method can not exactly but approximately solve the required integral equation, however, the convergence of the IPO solution can not be guaranteed. Hence, we apply the famous techniques used in the inversion of a matrix to the IPO method, which include Jacobi, Gauss-Seidel, SOR(Successive Over Relaxation) and Richardson methods. The proposed IPO methods can efficiently calculate the RCS of a large scatterer, and are numerically verified.
구분기 신뢰도에 기반한 HRRP 및 JEM 융합 항공기 식별
김시호(Si-Ho Kim),이상인(Sang-In Lee),채대영(Dae-Young Chae) 한국전자파학회 2017 한국전자파학회논문지 Vol.28 No.3
본 논문에서는 항공기 식별을 위해 서로 보완적인 특성을 갖는 HRRP 구분기와 JEM 구분기를 융합하여 식별하는 방법을 제안한다. 다양한 상황에서 단일 구분기보다 향상된 식별성능을 얻기 위하여 식별결과에 대한 구분기의 신뢰도를 가중치로 융합하는 방법을 제안한다. 신뢰도는 구분기의 식별성능으로부터 추정된 사후확률로 정의되며 식별결과에 대한 확신도 및 관측각도에 따라 변하는 특성을 가진다. 시뮬레이션 데이터를 사용한 식별실험을 통해 제안한 융합 방법이 단일 구분기를 효과적으로 융합하여 향상된 식별성능을 얻을 수 있음을 확인하였다. In this paper, we propose a fusion classification method combining HRRP and JEM classifier with complementary properties for the classification of aircraft. The fusion method is based on the confidence of a classifier for a classification result to improve performance compared with single classifier in various situations. The confidence is defined as the posterior probability estimated from the classification performance of a classifier and it depends on the aspect angle and the certainty for a classification result. Through the classification test using simulation data, we can verify that the proposed fusion method shows good performance by fusing the classifiers effectively.
제트 엔진 변조신호에서 주파수 마스킹을 이용한 표적의 특징 추출 및 식별
김시호(Si-Ho Kim),김찬홍(Chan-Hong Kim),채대영(Dae-Young Chae) 한국전자파학회 2014 한국전자파학회논문지 Vol.25 No.4
본 논문은 항공기의 JEM(Jet Engine Modulation) 신호를 분석하여 표적을 식별하는 방법에 관한 것이다. 제트 엔진의 각 단의 날개 수 정보로부터 계산된 하모닉 주파수 마스크를 이용하여 스펙트럼을 분석함으로써 엔진 기종을 식별하는 방법을 제안한다. 기존의 방법처럼 각 단의 쵸핑(chopping) 주파수를 찾기 위한 복잡한 논리적 알고리즘이나 스펙트럼 비교 방법처럼 미리 모사된 엔진 스펙트럼 DB(Database)를 필요로 하지 않으며, 엔진 DB의 날개 수 정보를 이용하여 추출한 하모닉 성분을 비교함으로써 식별이 가능하다는 장점을 가진다. 또한, 정밀 축회전속도(spool rate)를 찾는 방법을 제시함으로써 날개 수 추정이나 하모닉 주파수의 위치 계산에서 오류를 줄일 수가 있다. This paper deals with the method to classify the aircraft target by analyzing its JEM signal. We propose the method to classify the engine model by analyzing JEM spectrum using the harmonic frequency mask generated from the blade information of jet engine. The proposed method does not need the complicated logic algorithm to find the chopping frequency in each rotor stage and the pre-simulated engine spectrum DB used in the previous methods. In addition, we propose the method to estimate the precise spool rate and it reduces the error in estimating the number of blades or in calculating the harmonic frequency of frequency mask.
HF 대역 모노스태틱 및 바이스태틱 레이더의 데이터 압축 성능 비교
박치환(Chi-Hwan Park),최인식(In-Sik Choi),채대영(Dae-Young Chae) 한국정보기술학회 2016 한국정보기술학회논문지 Vol.14 No.11
In this paper, we performed a data compression experiment of the transient response for a monostatic and bistatic 30˚, 90˚, 150˚ radars. For the experiment, we used 9 targets, which are classified as fighter, stealth fighter, bomber and stealth bomber. We employed the DWT (Discrete Wavelet Transform) and PCA (Principal Component Analysis) for efficient data compression. First, we compared the performance using only DWT with that using DWT and PCA through the reconstructed signal and the relative error. Then, we calculated the mean value of the relative error for all target and all aspect angle in order to compare the compression performance according to the radar structure. The results showed that 7 targets except for 2 targets had the smallest relative error at bistatic angle 150˚. Thus, we can know that the best compression performance is obtained at bistatic angle 150˚.