인공지능을 활용한 IR-UWB 레이더의 물체인식에 관한 연구

국문 초록 (Abstract)

본 논문에서는 IR-UWB Radar를 이용하여 물체마다 특징을 추출하여 구분하고자 한다. 본 논문에서 언급한 특징이란 물체가 구성된 재질에 따라 IR-UWB Radar에 반사되어 돌아오는 신호의 크기 및 그 신호의 주파수 특성 즉, 이산 푸리에 변환을 수행해보면 각각 물체마다 주파수 특성이 다르게 나타난다는 것을 확인할 수 있을 것으로 예상되었다. 이러한 이론을 실험으로 증명하기 위해 본 논문의 실험에서는 그림5.3과 같이 IR-UWB Radar를 책상 위에 고정시키고, 수직 선상 위치에 측정하고자 하는 대상 물체를 위치시켰다. 또한, IR-UWB Radar를 조작 및 제어하기 위해 MATLAB을 연동하여 실시간으로 측정할 수 있도록 하였다. 본 논문에서는 앞에서 언급한 물체의 특징을 추출하기 위해 IR-UWB Radar의 출력은 다른 주파수의 간섭을 최소화하고 본 실험에 사용된 IR-UWB Radar의 특성에 맞는 주파수 대역만을 얻기 위해 밴드패스 필터를 설계 하였다. 이러한 밴드패스 필터는 약 5∼8GHz 대역만을 통과하게 된다.
본 논문에서는 FIR Bandpass Filter를 통과함으로써 신호의 일그러짐과 플로팅 성분이 제거된 IR-UWB Radar의 출력 신호를 이산 푸리에 변환을 진행 하였으며, 이러한 신호처리를 통해 물체마다의 주파수특성을 확인 할 수 있었다. 이렇게 수집된 주파수 특성으로 데이터베이스를 구축하고, 이 데이터를 이용하여 인공 신경망을 구성하여 학습을 진행하였다. 또한 FIR Bandpass Filter를 통과한 IR-UWB Radar의 출력 신호를 TOA(Time Of Arrival) 방법을 통해 물체와의 거리를 측정 할 수 있었다.
상위에서 언급한 실험 및 연구를 위해 본 논문에서는 2장에서 IR-UWB Radar System에 관해 설명을 하며, 3장에서는 IR-UWB 레이더의 수신된 신호의 처리과정을 언급 및 설명한다. 그리고 이러한 신호처리를 통해 수집된 데이터를 이용하여 인공신경망을 구성하여 물체 구분을 위한 알고리즘을 4장에서 설명한다. 마지막으로 5장에서는 IR-UWB Radar을 이용하여 실제 실험데이터 및 실험환경에 대한 언급과 결과를 나타내었다.

목차 (Table of Contents)

• 목 차 ⅰ
• 그림 차례 ⅲ
• 표 차례 ⅴ
• Abstract ⅵ
• 제 1 장. 서론 1
• 제 2 장 IR-UWB Radar System 3
• 2.1 IR-UWB Radar 기술 현황 3
• 2.2 IR-UWB Radar 탐지 거리 산출 5
• 2.3 IR-UWB Radar 송수신 전력 6
• 2.4 펄스 레이더의 특성 7
• 제 3 장 IR-UWB 레이더 수신 신호의 신호 처리 과정 9
• 3.1 FIR Bandpass Filter 설계 11
• 3.2 이산 푸리에 변환 14
• 제 4장 신경망을 이용한 분류 18
• 4.1 인공 신경망 18
• 4.2 인공 신경망의 학습 20
• 4.2.1 델타 규칙 20
• 4.2.2 역전파 알고리즘 21
• 제 5장 IR-UWB Radar 모듈 및 실험 결과 25
• 5.1 IR-UWB Radar 모듈 25
• 5.2 실험 환경 구성 27
• 5.3 IR-UWB Radar를 이용한 학습 데이터 추출 29
• 5.4 실험 결과 32
• 제 6 장 결론 36
• 참고문헌 38