새로운 이진 시간-주파수 이미지 기반 단일 및 복합 변조 레이더 신호 변조 분류

송건호; 전강혁; 서동호; 이원진; 윤동원

doi:10.5573/ieie.2024.61.6.3

추천

검색

질문

자료유형: 학술저널

저자정보: 송건호 (한양대학교) 전강혁 (한양대학교) 서동호 (LIG넥스원) 이원진 (LIG넥스원) 윤동원 (한양대학교)

저널정보: 대한전자공학회 전자공학회논문지 전자공학회논문지 제61권 제6호(통권 제559호)

발행연도: 2024.6

수록면: 3 - 12 (10page)

DOI: 10.5573/ieie.2024.61.6.3

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

현대전에서 많은 무기체계들이 광역화된 전장영역에 대응하기 위하여 전자기 신호를 이용함에 따라 전자기전(Electromagnetic Warfare)의 중요성이 점차 증대되고 있다. 위협세력의 레이더 신호에 대한 분석은 전자기전에서의 우위 확보를 위한 중요 활동중 하나로, 특히 수집된 레이더 신호의 변조 방식을 사전 정보 없이 분류하는 기술은 아군이 위협세력의 존재를 파악하고 유효한 정보를 획득할 수 있게 하는 역할을 수행한다. 레이더 신호의 변조 분류를 위하여 신호의 이진 시간-주파수 이미지(Time-frequency image, TFI)를 사용하는 경우, 회색조의 TFI를 사용하는 경우와 비교하여 시스템의 메모리 효율성을 향상시킬 수 있다는 장점이 있으나 이진화 과정에서 이미지의 패턴이 왜곡될 수 있다는 문제점이 있다. 본 논문에서는 이러한 패턴 왜곡을 감소시키는 새로운 이진 TFI 생성 기법을 제안하고, 이를 기반으로 하여 레이더 신호 변조 분류 성능을 분석한다. 제안하는 기법은 먼저 수신 레이더 신호의 회색조 TFI를 생성한 후, 회색조 TFI의 시간 축 방향 주변화를 통해 레이더 신호의 주파수 성분에 대한 정보를 추출하여 이미지의 잡음을 줄인다. 다음으로 잡음이 감소된 이미지를 주파수 축 방향으로 표준화하고 클리핑 하여 패턴을 강조하고 이를 전역 임계화를 통해 이진화한다. 컴퓨터 모의실험을 통해 제안한 기법으로 생성한 이진 TFI를 이용하여 총 37종의 단일 및 복합 변조 방식의 레이더 신호를 효과적으로 분류할 수 있음을 보이며, 제안한 이진 TFI를 이용하는 기법이 다양한 딥러닝 모델에 대해 기존 기법으로 생성한 이진 TFI 보다 더 우수한 레이더 신호 변조 분류가 가능함을 확인한다.

#Radar signal #Modulation classification #Composite modulated radar signal #Time-frequency image #Deep learning

참고문헌 (23)

참고문헌 신청

U.S. Joint Chiefs of Staff. JP 3-85, Joint Electromagnetic Spectrum Operations (Washington, D.C.: U.S. Joint Chiefs of Staff, 2020)

D. L Adamy, EW 104: Electronic warfare against a new generation of threats, MA USA: Artech House, 2015.

Y. Cho, Y. Jung, and D. Yoon, “Korean electromagnetic spectrum operations for future warfare,” Korean J. Mil. Art Sci., vol. 78, no. 1, pp. 428-459, Feb. 2022.

T. R. Kishore and K. D. Rao, “Automatic intrapulse modulation classification of advanced LPI radar waveforms,” IEEE Trans. Aerosp. Electron. Syst., vol. 53, no. 2, pp. 901–914, Apr. 2017.

J. P. Donohoe and F. M. Ingels, “The ambiguity properties of FSK/PSK signals,” in Proc. IEEE Int. Conf. Radar, pp. 268-273, Arlington, VA, USA, May 1990.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

시퀀스 데이터 기반 단일 및 복합 변조 레이더 신호 변조 식별

이동은 , 김윤지 , 서동호 외 2명 전자공학회논문지 2024 .03

Denoising Autoencoder와 DBSCAN 기반의 미약 레이더 신호의 반송파 주파수 추정

윤재혁 , 정재연 , 김규한 외 5명 한국통신학회논문지 2024 .07

최근 본 자료

전체보기

UCI(KEPA) : I410-151-25-02-090917453

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (23)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)