비가시 공간 및 MIMO 안테나 구성에 따른 레이더 신호를 이용한 딥러닝 기반 물체 분류에 관한 연구 (A Study on Object Classification Based on Deep Learning Using Radar Signal According to Invisible Area and MIMO Antenna Configuration)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 47권 / 9호 / 1420 ~ 1429페이지
· 저자명 : 이상원, 최계원

초록

비가시 공간의 물체를 탐지하는 기술은 일반적인 시야에서 볼 수 없는 영역 내 물체를 인식하는 기술이며, 군사 작전 및 인명구조, 자율 주행 등의 분야에 주목받고 있다. RF 레이더 신호는 벽을 투과하는 특성을 보유하고있어 비가시 공간이라는 특수한 환경에서 물체를 탐지하기에 적합하다고 볼 수 있다. 이때 RF 신호가 비가시 환경을 구성하는 장애물을 투과할 때 손실이 발생하는데, 해당 손실로 인해 비가시 물체 탐지 기술에 대한 성능이낮아지게 된다. 이를 해결하기 위해 본 논문에서는 다중 송ㆍ수신 안테나 기술을 적용하였고, 초광대역 레이더 칩을 통해 RF 레이더 신호 수집 실험 환경을 구성한다. 또한, 비가시 공간을 구성하는 벽체 및 다중 송ㆍ수신 안테나 구성을 변경하면서 RF 신호 데이터셋을 수집하고, 해당 데이터셋을 입력값으로 두어 기계학습 및 딥러닝 모델을 통해 출력된 물체 분류 결과를 비교 및 분석한다. 이를 통해 다양한 벽체와 안테나 배열 구성을 통해 신호 손실 또한 달라짐에 따라 물체 탐지 성능에 영향이 미치는지를 확인한다.

영어초록

The technology for detecting objects in invisible area is a technology for recognizing objects in an area that cannot be seen in general view, and is attracting attention in fields such as military operations, lifesaving, and autonomous driving. The RF radar signal has the characteristic of penetrating wall, so it is considered suitable for detecting an object in a special environment called invisible area. At this time, a loss occurs when the RF signal passes through an obstacle constituting an invisible environment, and the loss results in a lower performance of the invisible object detection technology. In this paper, multiple transmit/receive antenna technology is applied to solve this problem and an RF radar signal collection experiment environment is constructed through an ultra-wideband radar chip. The RF signal dataset is collected while changing the type of the wall and antenna arrangement, and the object classification results output through machine learning and deep learning models were compared and analyzed. Through this, it is verified through whether the object detection performance is affected as the signal loss also varies through various wall and antenna arrangement configurations.

참고자료

· 없음