http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
DDQN을 활용한 강화학습 기반의 다기능 레이더 임무 스케줄링 방법
주광민(Kwangmin Joo) 한국산학기술학회 2023 한국산학기술학회논문지 Vol.24 No.7
다기능 레이더(MFR, Multi-Function Radar)의 발전으로 한정된 자원을 가진 환경에서 효율적으로 레이더의 성능을 향상시키기 위한 레이더 자원관리 방법은 지속적으로 연구되는 분야이다. 레이더 임무 스케줄링은 자원관리 방법 중 핵심적인 요소로서 이를 해결하기 위한 다양한 알고리즘이 연구되고 있다. 하지만 기존 알고리즘은 성능 최적화의 어려움 혹은 다양한 환경 반영의 어려움 등 한계점을 가지고 있다. 본 연구에서는 다양한 파라미터를 가진 레이더 임무환경을 정의하고, 레이더 임무 스케줄링 문제를 해결하기 위해 심층 강화학습인 DDQN(Double Deep Q-Network)을 활용한 스케줄링 모델을 구현하였다. 스케줄링 임무의 수를 다르게 하여 전체 타임라인 대비 저부하 상황에서부터 과부하 상황까지 다양한 시나리오에 대한 시뮬레이션을 진행하였다. 시뮬레이션 결과 본 연구에서 제안한 DDQN 기반 스케줄링 기법은 모든 시나리오에서 휴리스틱기반의 스케줄링 기법보다 더 낮은 임무 드랍 수와 비용를 보여주며 스케줄링 최적화 측면에서 우수한 성능을 보여주었다. 또한 학습과정에서 보상값이 빠르게 수렴되어 기존 DQN(Deep Q-Network) 모델보다 레이더 임무 스케줄링 문제에서 안정적인 학습이 가능함을 보여주었다. 본 연구를 통해 다양한 레이더 환경에서 우수한 스케줄링 성능을 가지는 심층 강화학습 기반 스케줄링 기법의 적용 가능성을 확인하였다. With the advances in multi-function radar, radar resource management to enhance radar performance efficiently in an environment with limited resources is an active area. Radar task scheduling is a key factor in radar resource management, and various algorithms have been studied to solve it. On the other hand, existing algorithms have limitations, such as difficulty in optimizing the performance or reflecting various environments. In this study, a radar task environment with various parameters is defined. A scheduler model utilizing a deep reinforcement learning-based agent called Double Deep Q-Network (DDQN) is proposed to solve the scheduling problem. Numerical simulations are constructed to evaluate the proposed scenarios ranging from underloaded to overloaded situations by varying the number of scheduling tasks. The simulations showed that the DDQN-based scheduling method proposed in this study provides a lower dropped ratio and cost compared to heuristic-based scheduling methods in all scenarios, demonstrating superior performance in terms of scheduling optimization. Furthermore, the convergence rate of the DDQN model during training is faster than the Deep Q-Network (DQN) model, suggesting that stable learning is possible in radar task scheduling problems. In this study, it is expected that deep reinforcement learning-based scheduling methods with superior performance can be applied in various radar operating environments.
전투기 탑재 AESA 레이다의 설계 및 검증을 위한 체계모의 환경 구축
김용덕,윤보람,주광민 한국방위산업학회 2018 韓國防衛産業學會誌 Vol.25 No.3
This paper proposes the model-based M&S environment of a fighter AESA radar at system level for the purpose of simulation and verification of the radar system operation. It is an extended and higher-level of M&S environment compared to the existing radar M&S at engineering level by including avionic interface between the airborne radar and its aircraft. The proposed M&S environment is mainly composed of two parts of models: (1) system operation model and (2) radar engineering model. System operation model defines system states and operational procedures of the radar system using UML(Unified Modeling Language). Radar engineering model describes radar signal and data processing methods in MATLAB/Simulink. The radar M&S can be employed to check radar operational states and execution procedures, and to verify its systematic operability. Furthermore, its radar engineering model can be used to analyze the system performance of the radar and its functional requirements. Consequently, the radar M&S environment proposed by this paper will contribute to cost saving of fighter AESA radar development and reduction of its development risk. 본 논문은 전투기 탑재 AESA 레이다의 체계운용을 모의하고 검증하기 위한 모델 기반의 M&S 환경을 제안한다. 제안된 환경은 기존의 공학급 레이다 모델을 확장하여, 레이다와 전투기 간의 항전연동 및 운용개념을 포함한 체계모의 환경으로 구성된다. 체계모의 환경은 UML을 사용하여 체계수준의 동작상태 및 운용절차를 모의하고 분석하며, AESA 레이다의 신호․데이터 처리는 Matlab/Simulink를 이용한 공학급 모델로 구현한다. 제안된 모의 환경은 임무수행 절차에 따라 전투기 AESA 레이다의 동작 및 운용 절차를 확인하여 체계운용성을 검증할 수 있을 뿐 아니라, 공학급 AESA 레이다 운용모의를 통하여 레이다 성능에 대한 분석 및 기능요구도를 검증할 수 있다. 이를 통해 궁극적으로 전투기 AESA 레이다 개발 비용을 절약하고 개발 위험성을 낮출 수 있다.
피부전기활동을 이용한 실시간 깊은 수면 검출 알고리즘의 개발
정다운,최상호,주광민,이유진,정도언,박광석,Jung, Da Woon,Choi, Sang Ho,Joo, Kwang Min,Lee, Yu Jin,Jeong, Do-Un,Park, Kwang Suk 대한의용생체공학회 2015 의공학회지 Vol.36 No.5
Although many studies have analyzed the relationship between electrodermal activity (EDA) and sleep stages, a practical method for detecting sleep stage using EDA has not been suggested. The aim of this study was to develop an algorithm for real-time automatic detection of deep sleep using the EDA signal. Simultaneously with overnight polysomnography (PSG), continuous measurement of skin conductance on the fingers was performed for ten subjects. The morphometric characteristics in the fluctuations of EDA signal were employed to establish the quantitative criteria for determining deep sleep. The 30-sec epoch-by-epoch comparison between the deep sleep detected by our method and that reported from PSG exhibited an average sensitivity of 74.6%, an average specificity of 98.0%, and an average accuracy of 96.1%. This study may address the growing need for a reliable and simple measure for identifying sleep stage without a PSG.