http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
장은정,권성철,오원천,이정우,신기철,김주호,Jang, Eun Jeong,Kwon, Sungchur,Oh, Won Tcheon,Lee, Jung Woo,Shin, Keecheol,Kim, Juho 한국음향학회 2019 韓國音響學會誌 Vol.38 No.6
연안 환경에서 소형 표적의 탐지에는 고주파 능동소나가 적합하다. 연안 환경에서 고주파 능동소나를 사용할 경우 해양 생물 소음, 선박 소음, 항적 등에 의한 클러터로 인하여 오경보율이 매우 높다. 본 논문에서는 연안 환경에서 능동 소나에서 클러터에 강인한 탐지 알고리듬을 제안한다. 제안된 알고리듬은 측정치 추출 시 신호의 통계적인 특징을 이용하는 Constant False Alarm Rate(CFAR)와 클러스터링 알고리듬을 이용하여 클러터 제거율을 높인다. 제안 된 탐지 알고리듬은 해상 시험을 통하여 검증하였으며, 약 96 % 이상의 클러터를 제거하였다. High frequency active sonar is appropriate for detecting small targets such as a diver in coast environment. In case of using high frequency active sonar in shallow coastal environment, a false alarm rate is high due to clutters caused by marine biological noise, ship noise, wake, etc. In this paper, we propose an algorithm for target detection which is robust against clutter in active sonar system in shallow coastal environment. The proposed algorithm increases the rate of reduction clutter using calculation of statistical characteristics of signal and a clustering method. The algorithm is evaluated and analysed with sea trial data, as a result, that shows the rate of reducing rate of clutter of 96 % and over.
수영자 탐지 소나에서의 해상실험 데이터 분석 기반 자동 표적 추적 알고리즘 성능 분석
이해호,권성철,오원천,신기철,Lee, Hae-Ho,Kwon, Sung-Chur,Oh, Won-Tcheon,Shin, Kee-Cheol 한국음향학회 2019 韓國音響學會誌 Vol.38 No.4
In this paper, we discussed automatic target tracking algorithms for diver detection sonar that observes penetration forces of coastal military installations and major infrastructures. First of all, we analyzed sea trial data in diver detection sonar and composed automatic target tracking algorithms based on track existence probability as track quality measure in clutter environment. In particular, these are presented track management algorithms which include track initiation, confirmation, termination, merging and target tracking algorithms which include single target tracking IPDAF (Integrated Probabilistic Data Association Filter) and multitarget tracking LMIPDAF (Linear Multi-target Integrated Probabilistic Data Association Filter). And we analyzed performances of automatic target tracking algorithms using sea trial data and monte carlo simulation data. 본 논문은 연안 군사시설 및 주요 기반시설에 대한 침투세력을 감시하는 수영자 탐지 소나에서의 자동 표적추적 알고리즘을 다루었다. 이를 위해 수영자 탐지 소나에서의 해상실험 데이터를 분석하였고, 클러터 환경에서 자동표적 추적을 위한 트랙평가수단으로서 트랙존재확률 기반의 알고리즘을 적용하여 시스템을 구성하였다. 특히 트랙초기화, 확정, 제거, 합병 등의 트랙관리 알고리즘과 단일표적추적 IPDAF(Integrated Probabilistic Data Association Filter), 다중표적추적 LMIPDAF(Linear Multi-target Integrated Probabilistic Data Association Filter) 등의 표적추적 알고리즘을 제시하였으며, 해상실험 데이터 및 몬테카를로 모의실험 데이터를 이용하여 성능을 분석하였다.
PR-QMF Wavelet Transform을 이용한 천이 수중 신호의 특징벡타 추출 기법
정용민,최종호,조용수,오원천,Jung, Yong-Min,Choi, Jong-Ho,Cho, Yong-Soo,Oh, Won-Tcheon 한국음향학회 1996 韓國音響學會誌 Vol.15 No.1
Transient signals in underwater show several characterisrics, that is, short duration, strong nonstationarity, various types of transient sources, which make it difficult to analyze and classify transient signals. In this paper, the feature vector extraction method for transient SOMAR signals is discussed by applying digital signal processing methods to the analysis of transient signals. A feature vector extraction methods using wavelet transform, which enable us to obtain better recognition rate than automatic classification using the classical method, are proposed. It is confirmed by simulation that the proposed method using wavelet transform performs better than the classical method even with smaller number of feature vectors. Especially, the feature vector extraction method using PR-QMF wavelet transform with the Daubechies coefficients is shown to perform well in noisy environment with easy implementation. 수중에서 발생하는 천이 신호는 강한 비정재성을 갖고 다양한 천이 신호원이 함께 존재하기 때문에 분석 및 식별에 어려움이 있다. 본 논문에서는 디지털 신호처리 기법을 천이 신호의 분석에 적용하여 특징벡타를 추출하는 기법에 대하여 논하고 기존의 고전적인 방법보다 더 좋은 인식률을 얻을 수 있는 wavelet 변환을 이용한 특징벡타 추출 방법을 제안한다. 모의실험을 통하여 제안된 방법이 고전적이 방법보다 더 적은 특징 벡타 수로도 좋은 성능을 보임을 확인한다. 특히, Daubechies 계수를 필터계수로 하는 PR-QMF wavelet 변환을 이용한 특징벡타 추출 방법은 구현방법이 용이하고 잡음 환경 하에서도 우수한 성능을 보인다.
Wavelet 이론과 신경회로망을 이용한 천이 수중 신호의 특징벡타 추출 및 자동 식별
양성철,남상원,정용민,조용수,오원천,Yang, Seung-Chul,Nam, Sang-Won,Jung, Yong-Min,Cho, Yong-Soo,Oh, Won-Tcheon 한국음향학회 1995 韓國音響學會誌 Vol.14 No.3
In this paper, feature vector extraction methods and classification algorithms for the automatic classification of transient signals in underwater are discussed. A feature vector extraction method using wavelet transform, which shows good performance with small number of coefficients, is proposed and compared with the existing classical methods. For the automatic classification, artificial neural networks such as multilayer perceptron (MLP), radial basis function (RBF), and MLP-Class are utilized, where those neural networks as well as extracted feature vectors are combined to improve the performance and reliability of the proposed algorithm. It is confirmed by computer simulation with Traco's standard transient data set I and simulated data that the proposed feature vector extraction method and classification algorithm perform well, assuming that the energy of a given transient signal is sufficiently larger than that of a ambient noise, that there are the finite number of noise sources, and that there does not exist noise sources more than two simultaneously. 본 논문에서는 수중에서 발생되는 전이 신호의 자동 식별을 위하여 특징벡타를 추출하는 기법과 식별 알고리즘에 대하여 논한다. 특징벡타 추출기법으로 적은 계수로도 우수한 성능을 보이는 wavelet 변환을 사용한 방법을 제안하고 기종의 고전적인 방법들과 비교한다. 자동식별을 위해서는 MLP (Multilayer Perceptron), RBF (radial Basis Function), MLP-클래스 등 세 종류의 신경회로망을 사용하고, 성능 및 신뢰성을 높이기 위해서 두가지 특징벡타 및 세 식별기를 결합하는 방법을 사용한다. Traco의 표준 천이 데이터 집합 (standard transient data set) I과 모의 실험 데이터를 사용하여, 주어진 천이신호가 배경잡음에 비하여 충분히 에너지가 크고, 유한개의 소음원이 존재하며, 동시에 둘 이상의 소음원이 존재하지 않는다는 가정하에서 제안된 특징벡타 추출기법과 식별 알고리즘의 우수성을 확인한다.