주파수 변조 방송신호를 활용하는 수동형 바이스태틱 레이더에서의 합성곱 신경망 기반 표적 탐지 기법 (Convolutional Neural Network-based Target Detection Method for Passive Bistatic Radar using FM Broadcasting Signals)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 57권 / 12호 / 70 ~ 78페이지
· 저자명 : 박근호, 김형남

초록

주파수 변조 라디오 대역 수동형 바이스태틱 레이더는 고속 이동 표적의 위치와 속도를 추정하는 레이더로서, 88∼108MHz 대역의 라디오 방송 신호를 활용하는 것이 그 특징이다. 본 논문에서 다루는 수동형 바이스태틱 레이더를 포함해서 대부분의 레이더 시스템은 일정 오경보 확률 탐지기를 통해 표적 탐지를 수행한다. 하지만, 주파수 변조 신호의 특징으로 인해 거리-도플러 맵에서 다수의 부엽이 나타나고, 모호 함수의 형태가 실시간으로 변하기 때문에, 일정 오경보 확률 탐지 기법은 표적 이외의 신호 성분을 다수 탐지하는 문제를 지니고 있다. 본 논문에서는 이러한 문제의 해결책이 될 수 있는 합성곱 신경망 기반의 표적 탐지 방법을 제안한다. 이 방법은 일정 오경보 확률 탐지 기법과 동일한 탐지 확률을 달성하면서도 잡음에 의한 탐지 및 부엽에 의한 평균 탐지 개수가 적다는 특징을 가진다. 표적 탐지를 위한 합성곱 신경망의 훈련 방법을 제시하고, 모의실험을 통해 제안한 알고리즘과 일정 오경보 확률 탐지기의 성능을 비교 및 분석하여 제안한 심층 신경망 기반 표적 탐지기가 더 우수한 성능을 가지는 것을 보인다.

영어초록

Frequency-modulation (FM) band passive bistatic radar is a system for estimating the position and speed of a fast-moving target. Such a system can exploit commercial FM-radio broadcasting signals in the frequency band of 88-108 MHz. Most radar systems, including passive bistatic radars, perform target detection using a constant false alarm rate (CFAR) algorithm. However, because of the characteristics of FM broadcasting signals, many sidelobes appear in the range-Doppler map, and the CFAR detection algorithm produces unwanted detection results. Besides, as the shape of the ambiguity function changes over time, this property makes it difficult to detect the target. This paper proposes a target detection method based on a convolutional neural network that can solve this problem. This method can achieve almost the identical detection probability as a CFAR detector but has a small number of false detections generated by sidelobes. We propose a method of training a convolutional neural network for target detection and compare the performances of the proposed algorithm and a CFAR detector through computer simulations.

참고자료

· 없음