Denoising 엔코더-디코더 딥러닝 네트워크를 이용한 클러터 제거 기법 (Clutter Suppression Technique Using Denoising Encoder-Decoder Deep Learning Network)

서지정보

· 발행기관 : 한국전자파학회
· 수록지 정보 : 한국전자파학회 논문지 / 33권 / 9호 / 720 ~ 729페이지
· 저자명 : 최병찬, 임도유, 권세훈, 김지현, 주지한, 남해운

초록

클러터는 레이다 센서 시스템에서 표적 이외의 주변 환경 요소에 의해 반사되어 수신된 노이즈 신호를 지칭한다. 클러터는 레이다 센서 시스템의 표적에 대한 거리 감지 능력과 도플러 주파수 감지 능력을 저하시키기 때문에 클러터 제거는레이다 센서 시스템의 성능을 결정하는 중요한 신호처리 알고리즘이라 할 수 있다. 본 논문은 이중 엔코딩 채널, residual connection, skip connection 기반의 denoising 엔코더-디코더 딥러닝 네트워크를 이용한 지상 클러터 제거 기법을 소개한다. Denoising 딥러닝 네트워크를 학습시키기 위해 MATLAB을 이용한 레이다 신호 데이터셋 생성 파이프라인을 소개한다. 이를 통해 본 논문은 딥러닝을 이용하여 다양한 운용 환경에 적용될 수 있는 클러터 제거 기법을 제시하고자 한다.

영어초록

Clutter is the radar noise signal that is reflected from the elements surrounding the targets. Since clutter degrades the radar system’s range and doppler frequency detection capability, clutter suppression is a critical signal-processing algorithm that can improve the per formance of a radar system. This paper proposes a ground-clutter suppression method using denoising encoder-decoder deep learning network with dual encoding channels, residual connections, and skip connections. Radar signal dataset pipeline was generated using MATLAB in order to train the network. In this paper, deep learning-based clutter suppression method that can be applied in various operating conditions, is discussed.

참고자료

· 없음