본 논문은 능동소나 시스템이 비협동으로 운용될 경우 수신된 직접파로 부터 이를 탐지하여 식별하는 일련의 알고리즘을 제안하였다. 제안하는 알고리즘은 최근 다양한 분야에서 우수한 성...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A106160659
김근환 (경북대학교) ; 최승률 (경북대학교) ; 윤경식 (김천대학) ; 이균경 (경북대학교) ; 이동화 (대구대학교 정보통신공학과) ; Kim, Geunhwan ; Choi, Seung-Ryul ; Yoon, Kyung-Sik ; Lee, Kyun-Kyung ; Lee, Donghwa
2019
Korean
KCI등재,SCOPUS,ESCI
학술저널
106-113(8쪽)
0
0
상세조회0
다운로드국문 초록 (Abstract)
본 논문은 능동소나 시스템이 비협동으로 운용될 경우 수신된 직접파로 부터 이를 탐지하여 식별하는 일련의 알고리즘을 제안하였다. 제안하는 알고리즘은 최근 다양한 분야에서 우수한 성...
본 논문은 능동소나 시스템이 비협동으로 운용될 경우 수신된 직접파로 부터 이를 탐지하여 식별하는 일련의 알고리즘을 제안하였다. 제안하는 알고리즘은 최근 다양한 분야에서 우수한 성능을 보여주고 있는 콘볼루션 신경회로망을 사용하였으며, 입력 데이터로 수신신호를 단시간 퓨리에 변환을 수행한 시간 주파수 분석 데이터를 사용하였다. 본 논문에서 사용한 콘볼루션 신경회로망의 구조는 두 개의 콘볼루션 계층과 풀링 계층을 사용하였으며, 출력층에 따라 데이터베이스 기반의 신경회로망과 펄스 특징인자 기반의 신경회로망을 설계하였다. 알고리즘의 성능을 검증하기 위해 실제 해상에서 수신한 3110개의 CW(Continuous Wave)펄스와 LFM(Linear Frequency Modulated) 펄스의 데이터를 가공하여 학습 데이터와 테스트 데이터를 구성하였다. 시뮬레이션을 수행한 결과 데이터베이스 기반의 신경회로망은 99.9 %의 정확도를 보였으며, 특징인자 기반의 신경회로망은 두 픽셀의 오차를 허용할 경우 약 96 %의 정확도를 보였다.
다국어 초록 (Multilingual Abstract)
In this paper, we propose an algorithm to classify the received active pulse when the active sonar system is operated as a non-cooperative mode. The proposed algorithm uses CNN (Convolutional Neural Networks) which shows good performance in various fi...
In this paper, we propose an algorithm to classify the received active pulse when the active sonar system is operated as a non-cooperative mode. The proposed algorithm uses CNN (Convolutional Neural Networks) which shows good performance in various fields. As an input of CNN, time frequency analysis data which performs STFT (Short Time Fourier Transform) of the received signal is used. The CNN used in this paper consists of two convolution and pulling layers. We designed a database based neural network and a pulse feature based neural network according to the output layer design. To verify the performance of the algorithm, the data of 3110 CW (Continuous Wave) pulses and LFM (Linear Frequency Modulated) pulses received from the actual ocean were processed to construct training data and test data. As a result of simulation, the database based neural network showed 99.9 % accuracy and the feature based neural network showed about 96 % accuracy when allowing 2 pixel error.
참고문헌 (Reference)
1 김근환, "비협동 양상태 소나 시스템을 위한 펄스식별 자동화 기법 연구" 한국군사과학기술학회 21 (21): 158-165, 2018
2 H. Schmidt-Schierhorn, "The use of bistatic sonar functions on modern submarines" 5-7, 2007
3 D. H. Lee, "Source information estimation using enemy’s single-ping and geographic information in non-cooperative bistatic sonar" 12 : 2784-2790, 2012
4 A. Krizhevsky, "Imagenet classification with deep convolutional neural networks" 1097-1105, 2012
5 H. Cox, "Handbook of Underwater acoustic data processing" Springer 1989
6 J. Schmidhuber, "Deep learning in neural networks: An overview" 61 : 85-117, 2015
1 김근환, "비협동 양상태 소나 시스템을 위한 펄스식별 자동화 기법 연구" 한국군사과학기술학회 21 (21): 158-165, 2018
2 H. Schmidt-Schierhorn, "The use of bistatic sonar functions on modern submarines" 5-7, 2007
3 D. H. Lee, "Source information estimation using enemy’s single-ping and geographic information in non-cooperative bistatic sonar" 12 : 2784-2790, 2012
4 A. Krizhevsky, "Imagenet classification with deep convolutional neural networks" 1097-1105, 2012
5 H. Cox, "Handbook of Underwater acoustic data processing" Springer 1989
6 J. Schmidhuber, "Deep learning in neural networks: An overview" 61 : 85-117, 2015
학술지 이력
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 유지 (재인증) | |
2017-01-01 | 평가 | 등재학술지 유지 (계속평가) | |
2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2008-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2006-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2004-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2001-07-01 | 평가 | 등재학술지 선정 (등재후보2차) | |
1999-01-01 | 평가 | 등재후보학술지 선정 (신규평가) |
학술지 인용정보
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.23 | 0.23 | 0.22 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.2 | 0.18 | 0.398 | 0.07 |