KR101427149B1 - 지수이동평균을 이용한 이중 레이어 svm 기반 레이더 신호의 pri 복합변조형태 인식 방법 - Google Patents

지수이동평균을 이용한 이중 레이어 svm 기반 레이더 신호의 pri 복합변조형태 인식 방법 Download PDF

Info

Publication number
KR101427149B1
KR101427149B1 KR1020140026521A KR20140026521A KR101427149B1 KR 101427149 B1 KR101427149 B1 KR 101427149B1 KR 1020140026521 A KR1020140026521 A KR 1020140026521A KR 20140026521 A KR20140026521 A KR 20140026521A KR 101427149 B1 KR101427149 B1 KR 101427149B1
Authority
KR
South Korea
Prior art keywords
pri
svm
moving average
layer
signal
Prior art date
Application number
KR1020140026521A
Other languages
English (en)
Inventor
한진우
송규하
김산해
조제일
Original Assignee
국방과학연구소
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020140026521A priority Critical patent/KR101427149B1/ko
Application granted granted Critical
Publication of KR101427149B1 publication Critical patent/KR101427149B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves
    • G01S13/106—Systems for measuring distance only using transmission of interrupted, pulse modulated waves using transmission of pulses having some particular characteristics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves
    • G01S13/12—Systems for measuring distance only using transmission of interrupted, pulse modulated waves wherein the pulse-recurrence frequency is varied to provide a desired time relationship between the transmission of a pulse and the receipt of the echo of a preceding pulse
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves
    • G01S13/22—Systems for measuring distance only using transmission of interrupted, pulse modulated waves using irregular pulse repetition frequency
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/74—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems
    • G01S13/76—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems wherein pulse-type signals are transmitted
    • G01S13/78—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems wherein pulse-type signals are transmitted discriminating between different kinds of targets, e.g. IFF-radar, i.e. identification of friend or foe
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/28—Details of pulse systems
    • G01S7/2813—Means providing a modification of the radiation pattern for cancelling noise, clutter or interfering signals, e.g. side lobe suppression, side lobe blanking, null-steering arrays

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 발명은 레이더 신호 인식 기술에 관한 것으로서, 더 상세하게는 수집된 펄스의 TOA(Time Of Arrival) 정보를 이용하여 지수이동평균신호를 생성하고, 이를 바탕으로 레이어별 신호를 생성한 다음 구분인자를 추출하여 SVM(Support Vector Machine)을 통해 PRI(Pulse Repetition Interval) 복합변조형태를 인식하는 방법에 대한 것이다.

Description

지수이동평균을 이용한 이중 레이어 SVM 기반 레이더 신호의 PRI 복합변조형태 인식 방법{A method of recognizing complex PRI modulation type of radar signals based on 2-layer SVM using exponential moving average}
본 발명은 레이더 신호 인식 기술에 관한 것으로서, 더 상세하게는 수집된 펄스의 TOA(Time Of Arrival) 정보를 이용하여 지수이동평균신호를 생성하고, 이를 바탕으로 레이어별 신호를 생성한 다음 구분인자를 추출하여 SVM(Support Vector Machine)을 통해 PRI(Pulse Repetition Interval) 복합변조형태를 인식하는 방법에 대한 것이다.
레이더 신호를 식별하기 위해서는 레이더 신호의 주요 인자인 주파수, PRI(Pulse Repetition Interval), 스캔 등에 대한 분석이 선행되어야 한다. 그 중에서도 PRI는 각 레이더마다 고유의 변조형태와 값을 사용하므로 레이더를 식별하는데 쓰이는 가장 기초적이면서 핵심적인 요소이다.
전자전 시스템에서 PRI 변조형태를 분석하기 위한 방법으로는 히스토그램을 이용한 방법, 자기상관관계를 이용한 방법 등이 있으나 이러한 방법들은 임계치 등의 모호성, 누락펄스 및 불요신호 등의 신호왜곡현상에 대한 큰 민감도, 충분한 양의 펄스 수집 선행 등의 제약을 갖는다.
현대의 레이더는 피탐지 확률을 높이기 위하여 여러 형태의 PRI 변조를 적용시키는데, 때로는 그 2가지의 PRI 변조를 혼합하여 사용하기도 한다. 하지만, 지금까지 나온 PRI 변조 분석 기술들은 단일 PRI 변조에 대해서만 분석이 가능하다는 한계를 가진다.
1. 한국공개특허번호 제10-2009-0096913호 2. 일본공개특허번호 제2005-283276호 3. 한국등록특허번호 제10-1343531호
1. 천민규외, "Fuzzy Twin Support Vector Machine 개발 및 전리층 레이더 데이터를 통한 성능 평가"한국지능시스템학회 논문지 2008, Vol.18, No.4. pp. 549-554.
본 발명은 위 배경기술에 따른 문제점을 해소하기 위해 제안된 것으로서, 누락펄스 및 불요신호 등의 신호왜곡현상에 강건하면서도 자동화하기 용이하고 복합 PRI 변조신호에 대한 분석이 가능한 지수이동평균을 이용한 이중 레이어 SVM(Support Vector Machine) 기반 레이더 신호의 PRI 복합변조 형태 인식 방법을 제공하는데 그 목적이 있다.
본 발명은 위에서 제시된 과제를 달성하기 위해, 누락펄스 및 불요신호 등의 신호왜곡현상에 강건하면서도 자동화하기 용이하고 복합 PRI 변조신호에 대한 분석이 가능한 지수이동평균을 이용한 이중 레이어 SVM(Support Vector Machine) 기반 레이더 신호의 PRI 복합변조 형태 인식 방법을 제공한다.
상기 PRI 복합변조 형태 인식 방법은,
입력 레이더 펄스 신호의 레이어에 PRI(Pulse Repetition Interval) 변조형태별 SVM(Support Vector Machine)을 생성하고 초기화하는 단계;
PRI 변조형태별로 훈련 데이터를 생성하고, 생성된 훈련 데이터를 이용하여 SVM 학습을 수행하는 단계;
상기 레이어의 입력을 위해 입력 레이더 펄스 신호로부터 지수이동평균신호를 생성하는 단계;
레이어별 입력 신호를 생성하는 단계;
PRI 변조형태의 인식에 사용될 구분인자를 추출하는 단계;
추출된 구분인자를 이용하여 레이어별 PRI 변조형태 인식을 수행하는 단계;
수행된 인식의 분류결과로부터 최종 결과코드를 생성하는 단계; 및
생성된 최종 결과코드를 이용하여 최종 PRI 복합변조형태를 판단하는 단계;를 포함하는 것을 특징으로 할 수 있다.
이때, 상기 SVM은 이중 레이어 SVM인 것을 특징으로 할 수 있다.
또한, 상기 지수이동평균신호는 수학식
Figure 112014022014255-pat00001
(여기서, ζ는 ema(Exponential Moving Average) 신호를 의미하고, δ는 DTOA(Difference of Time Of Arrival)를 의미하며, ω는 지수이동평균신호를 계산할 윈도우의 크기를 의미하며, α는 이전 지수이동평균값을 적용할 변수를 의미한다)를 이용하여 산출되는 것을 특징으로 할 수 있다.
또한, 상기 레이어는 입력 레이더 펄스 신호의 거시적 변조형태를 추출하기 위한 1차 레이어와 입력 레이더 펄스 신호의 미시적 변조형태를 추출하기 위한 2차 레이어로 이루어지는 것을 특징으로 할 수 있다.
또한, 상기 1차 레이어는 수학식
Figure 112014022014255-pat00002
(여기서, ζ는 ema(Exponential Moving Average) 신호를 의미한다)로 정의되며, 상기 2차 레이어는 수학식
Figure 112014022014255-pat00003
(여기서, δ는 DTOA(Difference of Time Of Arrival)를 의미한다)로 정의되는 것을 특징으로 할 수 있다.
또한, 상기 구분인자는 수학식
Figure 112014022014255-pat00004
및
Figure 112014022014255-pat00005
(여기서, μ1, μ2는 각각 L1, L2의 평균이다)에 의해 추출되는 것을 특징을 할 수 있다.
또한, 상기 PRI 변조 형태는, 드웰 및 스위치(Dwelled & Switched), 워블(wobulated), 지터(jittered), 선형 슬라이딩(+), 선형 슬라이딩(-), 및 비선형 슬라이딩(+), 비선형 슬라이딩(-) 중 어느 하나인 것을 특징으로 할 수 있다.
또한, 상기 PRI 변조 형태는 상기 1차 레이어 및 2차 레이어에 대하여 동일한 형태로 생성되지 않는 것을 특징으로 할 수 있다.
또한, 상기 PRI 변조형태별로 훈련 데이터를 생성하고, 생성된 훈련 데이터를 이용하여 SVM을 훈련시키는 단계는, PRI 변조형태별로 DTOA(Difference of TOA)열과 변조형태코드로 구성된 다수의 훈련 데이터를 생성하는 단계; 및 추출한 구분인자와 PRI 변조형태코드를 이용하여 각 SVM을 학습하는 단계;를 포함하는 것을 특징으로 할 수 있다.
본 발명에 따르면, 지수이동평균을 이용하여 이중 레이어 SVM 기반으로 레이더 신호의 PRI 복합변조형태를 인식함으로써, 일반적인 PRI 변조형태 인식방법으로는 인식이 불가능한 복합변조형태에 대한 인식을 수행할 수 있다.
또한, 본 발명의 다른 효과로서는 인식률이 높아서 레이더 신호분석이 필요한 ES(Electronic warfare Support) 시스템 및 ELINT(Electronic Intelligence) 시스템에 직접 적용 가능하다는 점을 들 수 있다.
도 1은 본 발명의 일실시예에 따른 지수이동평균을 이용한 이중 레이어 SVM 기반 레이더 신호의 PRI 복합변조 형태를 인식하는 과정을 보여주는 순서도이다.
도 2는 도 1에 도시된 SVM 훈련 과정을 보여주는 순서도이다.
도 3은 본 발명의 일실시예에 따른 이중 레이어 SVM 기반 거시적/미시적 변조형태 추출 개념도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다.
제 1, 제 2등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. "및/또는" 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.
이하 첨부된 도면을 참조하여 본 발명의 일실시예에 따른 지수이동평균을 이용한 이중 레이어 SVM 기반 레이더 신호의 PRI 복합변조형태 인식 방법을 상세하게 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 지수이동평균을 이용한 이중 레이어 SVM 기반 레이더 신호의 PRI(Pulse Repetition Interval) 복합변조 형태를 인식하는 과정을 보여주는 순서도이다.
도 1을 참조하면, SVM(Support Vector Machine)을 생성하고 관련 변수를 초기화하는 초기화 단계(S110), 훈련 데이터를 이용하여 SVM을 훈련시키는 SVM 훈련 단계(S120), 입력 레이더 펄스 신호로부터 지수이동평균신호를 생성하는 지수이동평균 신호 생성 단계(S130), 입력 레이더 펄스 신호와 지수이동평균신호를 이용하여 레이어별 신호를 생성하는 레이어별 신호 생성 단계(S140), 각 레이어별 신호에 대하여 SVM에 입력으로 넣을 구분인자를 추출하는 수집신호 구분인자 추출 단계(S150), 구분인자를 SVM에 입력으로 하여 각 레이어별 PRI 변조형태를 인식하는 변조형태 인식 단계(S160), 각 레이어별 분류 결과값으로부터 각 차수별 결과코드를 생성하고 이를 이용하여 최종 결과코드를 생성하는 최종 결과 코드 생성 단계(S170), 생성된 결과코드를 이용하여 최종 PRI 복합변조형태를 판단하는 복합변조형태 판단 단계(S180) 등으로 구성된다.
초기화 단계(S110)는 PRI의 복합변조 형태인식을 위하여 이중 레이어 SVM을 생성하는 단계이다. 이 초기화 단계에서 각 레이어에 PRI 변조형태별 SVM을 생성한다. SVM(Support Vector Machine)은 통계적 학습 이론에 기반을 둔 분류기이다. SVM은 패턴을 고차원 특징 공간으로 사상시킬 수 있다는 점과 대역적으로 최적의 식별이 가능하다는 특징을 갖는다. 부연하면, SVM 학습은 다차원 공간에 존재하는 각 입력 데이터들을 이용하여 여백을 최대화하도록 하는 SV(서포트 벡터)를 찾아서 이를 기준으로 입력 데이터들을 분류하도록 하는 방법이다. 결과적으로 서로 유사한 특징을 가지는 입력 데이터들을 하나의 그룹으로 묶고 서로 다른 특징을 가지는 입력 데이터들은 서로 떨어지도록 한다.
SVM 훈련 단계(S120)는 각 변조형태별로 다수의 훈련 데이터를 생성하고, 추출한 구분인자와 PRI 변조형태코드를 입력으로 하여 각 SVM을 학습한다. 이러한 SVM 훈련의 상세한 과정은 도 2에 도시되며, 이에 대하여는 후술하기로 한다.
지수이동평균신호 생성 단계(S130)는 이중 레이어의 입력을 위하여 사용할 지수이동평균 신호를 생성하는 것으로, DTOA 신호를 이용하여 다음의 수식을 적용하여 생성한다.
Figure 112014022014255-pat00006
Figure 112014022014255-pat00007
여기서, ζ는 ema(Exponential Moving Average) 신호를 의미하고 δ는 DTOA(Difference of Time Of Arrival)를 의미하며, ω는 지수이동평균신호를 계산할 윈도우의 크기를 의미한다. 또한, α는 이전 지수이동평균값을 적용할 변수로써 "3"으로 설정하여 사용한다.
레이어별 입력 신호생성 단계(S140)는 이중 레이어에 입력으로 넣을 레이어별 입력 신호를 생성한다. 레이어는 1차 레이어와 2차 레이어로 구성되며, 1차 레이어(L1)는 수집된 입력 레이더 펄스 신호의 거시적(Macro) 변조형태를 추출하기 위한 것이고, 2차 레이어(L2)는 수집된 입력 레이더 펄스 신호의 미시적(Micro) 변조형태를 추출하기 위한 것이다. 이중 레이어는 다음의 수식으로 생성된다.
Figure 112014022014255-pat00008
Figure 112014022014255-pat00009
수집신호 구분인자 추출 단계(S150)는 각 레이어의 변조형태별 SVM에 입력으로 넣을 구분인자를 추출하는데, 다음과 같은 수식으로 구분인자 κ1, κ2를 구하고, κ1의 최대값(κ1max), 최소값(κ1min), κ2의 최대값(κ2max), 최소값(κ2min)을 구한다.
Figure 112014022014255-pat00010
Figure 112014022014255-pat00011
여기서, μ1, μ2는 각각 L1, L2의 평균이다.
이 변수들을 이용하여 추출할 구분인자는 다음 표와 같다.
구분인자 설명
L1 레이어
구분 인자





 P1 κ1이 ±θ 이내인 경우의 확률
P2 κ1>θ, κ1<(κ1max/2)을 만족하는 경우의 확률
P3 κ1≥κ1max/2인 경우의 확률
P4 κ1<θ, κ1>(κ1min/2)을 만족하는 경우의 확률
P5 κ1≤κ1min/2인 경우의 확률
P6 연속하여 P2 혹은 P3을 만족하는 경우의 확률
P7 연속하여 P5 혹은 P6을 만족하는 경우의 확률
L2 레이어
구분 인자





 P1 κ2가 ±θ 이내인 경우의 확률
P2 κ2>θ, κ2<(κ2max/2)를 만족하는 경우의 확률
P3 κ2≥κ2max/2인 경우의 확률
P4 κ2<θ, κ2>(κ2min/2)를 만족하는 경우의 확률
P5 κ2≤κ2min/2인 경우의 확률
P6 연속하여 P2 혹은 P3을 만족하는 경우의 확률
P7 연속하여 P5 혹은 P6을 만족하는 경우의 확률
SVM 입력 단계(160)는 각 레이어에 단계 S150에서 추출한 구분인자 7개를 입력으로 하여 SVM 기반 PRI 복합변조 인식을 수행한다.
결과 코드 생성단계(170)는 L1, L2 각 레이어의 PRI 변조분석 결과를 확인하여 최종 결과코드를 표와 같이 생성한다.
L1

L2 		C1 C2 C3 C4 C5 C6 C7
C1 - 01100000 01010000 01001000 01000100 01000010 01000001
C2 11100000 - 00110000 00101000 00100100 00100010 00100001
C3 11010000 10110000 - 00011000 00010100 00010010 00010001
C4 11001000 10101000 10011000 - 00001100 00001010 00001001
C5 11000100 10100100 10010100 10001100 - 00000110 00000101
C6 11000010 10100010 10010010 10001010 10000110 - 00000011
C7 11000001 10100001 10010001 10001001 10000101 10000011 -
위 표에서, 복합변조는 L1, L2가 동일한 형태로는 생성되지 않으며, 결과코드표에 사용된 C1~C7은 PRI 변조형태를 의미한다.
또한, C1= 드웰 및 스위치(Dwelled & Switched), C2=워블(wobulated), C3=지터(jittered), C4=선형슬라이딩(+), C5=선형슬라이딩(-), C6=비선형슬라이딩(+), C7=비선형슬라이딩(-)을 의미한다.
복합변조형태 판단 단계(S180)는 단계 S170에서 생성된 결과코드를 이용하여 최종 복합변조형태를 판단한다. 결과코드는 총 8자리 비트로 이루어져 있으며, 첫 번째 비트는 L1, L2의 순서를 의미한다. 즉, "00110000"과 "10110000"은 모두 워블형태와 지터형태의 복합변조신호이지만, "00110000"은 거시적 변조형태가 워블이고, 미시적 변조형태는 지터이며, 10110000은 거시적 변조형태가 지터이고, 미시적 변조형태가 워블이다.
도 2는 도 1에 도시된 SVM 훈련 과정을 보여주는 순서도이다. 도 2를 참조하면, 훈련 데이터 생성 단계(S210)는 각 변조형태별로 DTOA(Difference of TOA)열과 변조형태코드로 구성된 다수의 훈련 데이터를 생성한다.
지수이동평균신호 생성 단계(S220)는 DTOA열로부터 정의된 수식을 이용하여 지수이동평균신호를 생성하는 한다. 위 지수이동평균신호 생성 단계에 대하여 이미 기술하였으므로 더 이상의 설명은 생략하기로 한다.
레이어별 신호 생성 단계(S230)는 이중 레이어 각각에 입력으로 넣은 신호를 생성하는 것으로 앞서서 상세히 설명하였다.
훈련데이터 구분인자 추출 단계(S240)는 각 레이어의 SVM들의 학습을 위하여 입력으로 넣을 인자로서 앞서서 상세히 설명하였다. SVM 학습 단계(S250)는 단계 S240에서 추출한 구분인자와 PRI 변조형태코드를 입력으로 하여 각 SVM을 학습시킨다.
잔존 훈련 데이터 확인 단계(S260)는 학습을 수행하지 않은 훈련 데이터가 존재하는지를 확인하여 모든 훈련 데이터에 대하여 반복적으로 SVM 학습을 수행한다. 훈련 종료 단계(S270)에서는 각 변조형태별로 훈련된 SVM을 저장하고 종료한다.
도 3은 본 발명의 일실시예에 따른 이중 레이어 SVM 기반 거시적/미시적 변조형태 추출 개념도이다. 도 3을 참조하면, 수집된 레이더 펄스 신호의 1차 레이어 및 2차 레이어에 PRI 변조형태별 SVM을 생성한다. 즉, 1차 레이어에는 거시적 PRI 변조형태 SVM을 생성하고, 2차 레이어에는 미시적 PRI 변조형태 SVM을 생성한다.

Claims (9)

  1. 입력 레이더 펄스 신호의 레이어에 PRI(Pulse Repetition Interval) 변조형태별 SVM(Support Vector Machine)을 생성하는 초기화 단계;
    생성된 PRI 변조형태별 SVM을 이용하여 다수의 훈련 데이터를 생성하고, 생성된 다수의 훈련 데이터를 이용하여 SVM 학습을 수행하는 단계;
    상기 생성된 다수의 훈련 데이터로부터 상기 레이어의 입력을 위해 사용되는 지수이동평균신호를 생성하는 단계;
    생성된 지수이동평균신호를 이용하여 레이어별 입력 신호를 생성하는 단계;
    PRI 변조형태의 인식에 사용될 구분인자를 추출하는 단계;
    추출된 구분인자를 이용하여 레이어별 PRI 변조형태 인식을 수행하는 단계;
    수행된 인식의 분류결과로부터 최종 결과코드를 생성하는 단계; 및
    생성된 최종 결과코드를 이용하여 최종 PRI 복합변조형태를 판단하는 단계;
    을 포함하는 것을 특징으로 하는 지수이동평균을 이용한 이중 레이어 SVM 기반 레이더 신호의 PRI 복합변조형태 인식 방법.
  2. 제 1항에 있어서,
    상기 SVM은 이중 레이어 SVM인 것을 특징으로 하는 지수이동평균을 이용한 이중 레이어 SVM 기반 레이더 신호의 PRI 복합변조형태 인식 방법.
  3. 제 1항에 있어서,
    상기 지수이동평균신호는 수학식
    Figure 112014022014255-pat00012
    (여기서, ζ는 ema(Exponential Moving Average) 신호를 의미하고, δ는 DTOA(Difference of Time Of Arrival)를 의미하며, ω는 지수이동평균신호를 계산할 윈도우의 크기를 의미하며, α는 이전 지수이동평균값을 적용할 변수를 의미한다)를 이용하여 산출되는 것을 특징으로 하는 지수이동평균을 이용한 이중 레이어 SVM 기반 레이더 신호의 PRI 복합변조형태 인식 방법.
  4. 제 1 항에 있어서,
    상기 레이어는 입력 레이더 펄스 신호의 거시적 변조형태를 추출하기 위한 1차 레이어와 입력 레이더 펄스 신호의 미시적 변조형태를 추출하기 위한 2차 레이어로 이루어지는 것을 특징으로 하는 지수이동평균을 이용한 이중 레이어 SVM 기반 레이더 신호의 PRI 복합변조형태 인식 방법.
  5. 제 4 항에 있어서,
    상기 1차 레이어는 수학식
    Figure 112014052555517-pat00013
    (여기서, ζ는 ema(Exponential Moving Average) 신호를 의미한다)로 정의되며, 상기 2차 레이어는 수학식
    Figure 112014052555517-pat00014
    (여기서, δ는 DTOA(Difference of Time Of Arrival)를 의미한다)로 정의되는 것을 특징으로 하는 지수이동평균을 이용한 이중 레이어 SVM 기반 레이더 신호의 PRI 복합변조형태 인식 방법.
  6. 제 5 항에 있어서,
    상기 구분인자는 수학식
    Figure 112014052555517-pat00015
    및
    Figure 112014052555517-pat00016
    (여기서, μ1, μ2는 각각 L1, L2의 평균이다)에 의해 추출되는 것을 특징으로 하는 지수이동평균을 이용한 이중 레이어 SVM 기반 레이더 신호의 PRI 복합변조형태 인식 방법.
  7. 제 4 항에 있어서,
    상기 PRI 변조 형태는, 드웰 및 스위치(Dwelled & Switched), 워블(wobulated), 지터(jittered), 선형 슬라이딩(+), 선형 슬라이딩(-), 및 비선형 슬라이딩(+), 비선형 슬라이딩(-) 중 어느 하나 인 것을 특징으로 하는 지수이동평균을 이용한 이중 레이어 SVM 기반 레이더 신호의 PRI 복합변조형태 인식 방법.
  8. 제 7 항에 있어서,
    상기 PRI 변조 형태는 상기 1차 레이어 및 2차 레이어에 대하여 동일한 형태로 생성되지 않는 것을 특징으로 하는 지수이동평균을 이용한 이중 레이어 SVM 기반 레이더 신호의 PRI 복합변조형태 인식 방법.
  9. 제 1 항에 있어서,
    상기 PRI 변조형태별로 훈련 데이터를 생성하고, 생성된 훈련 데이터를 이용하여 SVM을 훈련시키는 단계는,
    PRI 변조형태별로 DTOA(Difference of TOA)열과 변조형태코드로 구성된 다수의 훈련 데이터를 생성하는 단계; 및
    추출한 구분인자와 PRI 변조형태코드를 이용하여 각 SVM을 학습하는 단계;를 포함하는 것을 특징으로 하는 지수이동평균을 이용한 이중 레이어 SVM 기반 레이더 신호의 PRI 복합변조형태 인식 방법.
KR1020140026521A 2014-03-06 2014-03-06 지수이동평균을 이용한 이중 레이어 svm 기반 레이더 신호의 pri 복합변조형태 인식 방법 KR101427149B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140026521A KR101427149B1 (ko) 2014-03-06 2014-03-06 지수이동평균을 이용한 이중 레이어 svm 기반 레이더 신호의 pri 복합변조형태 인식 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140026521A KR101427149B1 (ko) 2014-03-06 2014-03-06 지수이동평균을 이용한 이중 레이어 svm 기반 레이더 신호의 pri 복합변조형태 인식 방법

Publications (1)

Publication Number Publication Date
KR101427149B1 true KR101427149B1 (ko) 2014-08-07

Family

ID=51749696

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140026521A KR101427149B1 (ko) 2014-03-06 2014-03-06 지수이동평균을 이용한 이중 레이어 svm 기반 레이더 신호의 pri 복합변조형태 인식 방법

Country Status (1)

Country Link
KR (1) KR101427149B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101620453B1 (ko) 2014-11-18 2016-05-12 국방과학연구소 레이더 신호 분석 방법
CN107770108A (zh) * 2017-10-23 2018-03-06 佛山科学技术学院 一种k‑均值聚类和分级训练svm分类器的联合调制识别方法
CN111083632A (zh) * 2019-12-10 2020-04-28 桂林电子科技大学 一种基于支持向量机的超宽带室内定位方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070253599A1 (en) 2006-04-13 2007-11-01 Nathan White Motion Estimation Using Hidden Markov Model Processing in MRI and Other Applications
KR101300650B1 (ko) 2013-02-28 2013-08-27 국방과학연구소 Svm을 이용한 pri 변조형태 인식방법 및 이를 이용한 pri 변조형태 인식장치
KR101313051B1 (ko) 2012-03-23 2013-09-30 국방과학연구소 펄스반복주기 변조 형태 인식 방법 및 이를 적용한 인식 장치
KR101343531B1 (ko) 2012-11-12 2013-12-20 국방과학연구소 은닉마코프모델 기반 레이더 신호의 ｐｒｉ 변조 형태 인식 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070253599A1 (en) 2006-04-13 2007-11-01 Nathan White Motion Estimation Using Hidden Markov Model Processing in MRI and Other Applications
KR101313051B1 (ko) 2012-03-23 2013-09-30 국방과학연구소 펄스반복주기 변조 형태 인식 방법 및 이를 적용한 인식 장치
KR101343531B1 (ko) 2012-11-12 2013-12-20 국방과학연구소 은닉마코프모델 기반 레이더 신호의 ｐｒｉ 변조 형태 인식 방법
KR101300650B1 (ko) 2013-02-28 2013-08-27 국방과학연구소 Svm을 이용한 pri 변조형태 인식방법 및 이를 이용한 pri 변조형태 인식장치

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101620453B1 (ko) 2014-11-18 2016-05-12 국방과학연구소 레이더 신호 분석 방법
CN107770108A (zh) * 2017-10-23 2018-03-06 佛山科学技术学院 一种k‑均值聚类和分级训练svm分类器的联合调制识别方法
CN111083632A (zh) * 2019-12-10 2020-04-28 桂林电子科技大学 一种基于支持向量机的超宽带室内定位方法

Similar Documents

Publication Publication Date Title
Li et al. A particle dyeing approach for track continuity for the SMC-PHD filter
CN108764077B (zh) 一种基于卷积神经网络的数字信号调制分类方法
CN111767848B (zh) 一种基于多域特征融合的辐射源个体识别方法
Cain et al. Convolutional neural networks for radar emitter classification
CN110109060A (zh) 一种基于深度学习网络的雷达辐射源信号分选方法及***
Ozturk et al. RF-based low-SNR classification of UAVs using convolutional neural networks
CN106920206B (zh) 一种基于对抗神经网络的隐写分析方法
CN110598530A (zh) 一种基于acgan的小样本无线电信号增强识别方法
CN106483514B (zh) 一种基于eemd和支持向量机的飞机运动模式识别方法
CN110619264B (zh) 基于UNet++的微地震有效信号识别方法及装置
KR100761795B1 (ko) 형태 구분자를 이용한 레이더 신호의 펄스반복주기 변조형태 인식 방법
CN112668498A (zh) 空中辐射源个体智能增量识别方法、***、终端及应用
KR101313051B1 (ko) 펄스반복주기 변조 형태 인식 방법 및 이를 적용한 인식 장치
KR101427149B1 (ko) 지수이동평균을 이용한 이중 레이어 svm 기반 레이더 신호의 pri 복합변조형태 인식 방법
Yar et al. A complete framework of radar pulse detection and modulation classification for cognitive EW
Zhang et al. Few-shot learning for fine-grained signal modulation recognition based on foreground segmentation
CN108627241A (zh) 一种基于高斯混合模型的宽吻海豚click信号检测方法
Nuhoglu et al. Image segmentation for radar signal deinterleaving using deep learning
Zhu et al. A probe-feature for specific emitter identification using axiom-based grad-CAM
Han et al. Radar specific emitter identification based on open-selective kernel residual network
CN113128584A (zh) 一种多功能雷达脉冲序列的模式级无监督分选方法
KR101708275B1 (ko) Svm기반 레이더 스캔형태 인식방법 및 장치
CN105868676A (zh) 一种改进的二维码区域定位***及其定位方法
CN109271902A (zh) 复杂背景下基于时域经验模态分解的红外弱小目标检测方法
CN112836104B (zh) 一种数据库辅助自主聚类信号分选方法及***

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170703

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180703

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190702

Year of fee payment: 6