KR101981624B1 - Low-observable target detection apparatus using artificial intelligence based on big data and method thereof - Google Patents
Low-observable target detection apparatus using artificial intelligence based on big data and method thereof Download PDFInfo
- Publication number
- KR101981624B1 KR101981624B1 KR1020180123202A KR20180123202A KR101981624B1 KR 101981624 B1 KR101981624 B1 KR 101981624B1 KR 1020180123202 A KR1020180123202 A KR 1020180123202A KR 20180123202 A KR20180123202 A KR 20180123202A KR 101981624 B1 KR101981624 B1 KR 101981624B1
- Authority
- KR
- South Korea
- Prior art keywords
- target
- low
- provocation
- unit
- motor
- Prior art date
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
- 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
- G01S7/285—Receivers
-
- 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
- G01S13/42—Simultaneous measurement of distance and other co-ordinates
- G01S13/44—Monopulse radar, i.e. simultaneous lobing
- G01S13/4409—HF sub-systems particularly adapted therefor, e.g. circuits for signal combination
-
- 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
- G01S7/40—Means for monitoring or calibrating
- G01S7/4004—Means for monitoring or calibrating of parts of a radar system
- G01S7/4026—Antenna boresight
Abstract
Description
본 발명은 저피탐 표적의 탐지에 관한 것으로 보다 상세하게는 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치 및 그 방법에 관한 것이다.More particularly, the present invention relates to an apparatus and method for detecting a low-fat target using a big data-based artificial intelligence technique.
이 부분에 기술된 내용은 단순히 본 실시 예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.The contents described in this section merely provide background information on the present embodiment and do not constitute the prior art.
레이더는 고주파를 방사하여 반사되어 오는 신호로 대상 물체의 거리 및 방향등을 탐지할 수 있게 하는 장비로서, 저피탐 표적을 탐지하기 위한 레이더는 고출력 반도체 송수신 조립체를 이용하여 레이더 반사 면적(Radar Cross Section, RCS)이 매우 작은 항체(스텔스기 등)에 대해 레이더 신호처리 기법을 적용하여 저피탐 표적을 탐지하는 고출력 레이다이다.A radar is a device that can detect the distance and direction of a target object by reflecting a high-frequency signal. A radar for detecting a low-pit navigation target uses a high-power semiconductor transmission / reception assembly, , RCS) is a high-power radar that detects low-fat tidal targets by applying radar signal processing techniques on very small antibodies (such as stealth).
레이더 반사 면적(RCS)은 주파수, 입사와 산란의 방향, 편파와 같이 다양한 파라미터들로 이루어진 함수로, 레이더 반사 면적(RCS)은 발사된 전자기파가 대상물에 반사로 흩어진 레이더 신호의 크기를 통해 측정할 수 있으며, 표적에 대한 중요한 정보들을 가지고 있으므로 레이더 반사 면적(RCS)을 해석함으로써 표적에 대한 중요한 정보들을 추출해낼 수 있다.The radar reflection area (RCS) is a function of various parameters such as frequency, direction of incidence and scattering, and polarization. The radar reflection area (RCS) is measured by the magnitude of the radar signal scattered by the reflected electromagnetic waves. Since it has important information about the target, it can extract important information about the target by analyzing the radar reflection area (RCS).
저피탐 표적(스텔스기 등)의 디자인은 입사된 빛의 방향으로 반사되어 되돌아오는 역산란(back-scattering) 신호를 최소화시키는 역할을 하도록 설계되어 있다.The design of the low-fat target (such as a stealth device) is designed to minimize the back-scattering signal that is reflected back in the direction of the incident light.
종래에는 적기에 대한 탐지를 위해 레이더 안테나 회전을 위해 단순한 감속기-모터 및 회전결합기를 사용하였으며, 안테나가 5RPM 또는 6RPM으로 지속적으로 회전하면서 실시간 적기의 탐지를 하는 수준이었다.Conventionally, a simple reducer-motor and a rotary combiner were used for radar antenna rotation to detect the bandit, and the antenna was continuously rotated at 5RPM or 6RPM to detect a real-time bandit.
레이더는 500km 이상의 먼 거리의 적기를 실시간 감시하기 위해 안테나 유효면적이 40m2 이상으로 매우 커야 하지만, 그러기 위해서는 안테나 하우징 크기만 가로 길이 12m에 높이가 약 5m 이상이 되어야 하므로 중량이 매우 높아지게 된다. 또한, 상술한 고출력 반도체 송수신 조립체를 냉각시키기 위해 필요 시 공랭식 또는 수냉식 방식의 냉각방식으로 냉각을 해야 하므로 시스템 또한 복잡해진다.In order to monitor the bandit over a distance of 500 km or longer, the effective area of the antenna should be as large as 40 m 2 or more. However, the antenna housing must be 12 m in width and 5 m in height. In order to cool the above-described high power semiconductor transmission / reception assembly, the system needs to be cooled by a cooling method of an air-cooling type or a water-cooling type, if necessary.
따라서, 저피탐 표적을 탐지하기 위해서는 안테나 면적이 커져야 하므로 고중량 레이더가 되면서 실시간 회전이 어려워 지고 시스템이 복잡해 지기 때문에 안테나의 상시 회전이 어려운 문제점이 있다.Therefore, in order to detect the low-fat tidal target, the area of the antenna must be large, so that the high-intensity radar becomes difficult to rotate in real time, and the system becomes complicated.
또한, 종래에는 적기에 대한 표적/위치/이동정보를 실시간 확인만 하거나 단순저장하는 수준으로, 레이더를 운영하면서 실시간으로 사람이 직접 적기에 해당하는 저피탐 표적의 위치정보를 모니터링 해야하는 문제점이 있다.In addition, conventionally, there is a problem that the location information of the navigation target corresponding to the enemy time is directly monitored in real time while operating the radar, at a level that only the target / location /
따라서, 저피탐 표적의 행동 패턴을 감시하며 행동 패턴 변화에 따라 도발 징후를 자동으로 판단하는 저피탐 표적 탐지 장치에 대한 연구가 필요한 실정이다. 최근들어 컴퓨터 환경의 발달에 따라 빅데이터 처리 및 인공지능에 대한 연구가 활발히 진행되고 있는데, 이를 저피탐 표적 탐지 장치에 접목할 필요가 있다.Therefore, it is necessary to study the low - fat target detection device which monitors the behavior pattern of the low fat target and automatically judges the provocation symptom according to the behavior pattern change. Recently, researches on big data processing and artificial intelligence have been actively pursued with the development of computer environment.
본 발명은 안테나부의 방위각 방향에 따라 획득한 적기에 해당하는 저피탐 표적의 위치 좌표 데이터를 축적한 빅데이터에 기반 딥러닝 알고리즘을 이용하여 인공지능학적으로 저피탐 표적의 행동 패턴을 학습하여 효과적으로 저피탐 표적의 행동 패턴 변화에 따른 도발 징후를 판단하는 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치 및 그 방법을 제공함에 있다.The present invention teaches a behavior pattern of a hypothetical target by artificial intelligence using a deep data-based deep learning algorithm that accumulates position data of a low-fat target in correspondence with an enemy acquired in an azimuth direction of an antenna portion, The present invention provides a navigation apparatus and method for a navigation apparatus using a large data-based artificial intelligence technology for determining a provocation symptom according to a change in a behavior pattern of a navigation system.
상술한 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치는 적기에 해당하는 저피탐 표적으로부터 반사된 신호를 수신하는 안테나부; 상기 저피탐 표적을 추적하도록 상기 안테나부를 회전시키는 모터를 포함하는 회전부; 상기 안테나부가 회전하면서 획득한 상기 저피탐 표적의 위치 좌표 데이터를 저장하는 저장부; 상기 저장된 저피탐 표적의 위치 좌표 데이터로부터 상기 저피탐 표적의 훈련 패턴을 분석하여 도발 징후 여부를 판단하는 도발 징후 판단부; 상기 판단된 저피탐 표적의 도발 징후 여부를 고려하여 상기 안테나부를 회전시키도록 상기 회전부를 제어하는 제어부;를 포함할 수 있다.According to an aspect of the present invention, there is provided an apparatus for detecting a low-fat tidal target using a big data-based artificial intelligence technique, the apparatus comprising: an antenna unit for receiving a reflected signal from a low fat tidal target; A rotating unit including a motor for rotating the antenna unit to track the hypothetical target; A storage unit for storing position coordinate data of the bipinn target acquired by the antenna unit while rotating; A proving symptom determining unit for analyzing the training pattern of the low-fat target from the stored position coordinates data of the low-fat target and judging whether or not a provocation is indicated; And a control unit for controlling the rotation unit to rotate the antenna unit in consideration of whether or not the determined hypothetical target is provoked.
상술한 목적을 달성하기 위한 본 발명의 또 다른 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 방법은 안테나부가 적기에 해당하는 저피탐 표적으로부터 반사된 신호를 수신하는 단계; 회전부가 상기 저피탐 표적을 추적하도록 상기 안테나부를 회전시키는 단계; 저장부가 상기 안테나부가 회전하면서 획득한 상기 저피탐 표적의 위치 좌표 데이터를 저장하는 단계; 도발 징후 판단부가 상기 저장된 저피탐 표적의 위치 좌표 데이터로부터 상기 저피탐 표적의 훈련 패턴을 분석하여 도발 징후 여부를 판단하는 단계; 및 제어부가 상기 판단된 저피탐 표적의 도발 징후 여부를 고려하여 상기 안테나부를 회전시키도록 상기 회전부를 제어하는 단계;를 포함할 수 있다.According to another aspect of the present invention, there is provided a method of detecting a low-fat tidal target using a big data-based artificial intelligence technique, the method comprising: receiving a reflected signal from a low- Rotating the antenna unit such that the rotating unit tracks the low-fat target; Storing a location coordinate data of the low frequency target obtained while the antenna unit rotates; Analyzing the training pattern of the low-fat target from the stored position data of the low fat target to judge whether a provocation is indicated; And controlling the rotation unit to rotate the antenna unit in consideration of the determined indication of provocation of the hypothetical target.
본 발명의 또 다른 목적을 달성하기 위하여 본 발명의 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적을 탐지하는 방법이 컴퓨터에서 수행하기 위한 컴퓨터에서 판독 가능한 프로그램이 기록된 저장 매체를 제공할 수 있다.According to another aspect of the present invention, there is provided a method for detecting a navigation target using a big data-based artificial intelligence technology, the method comprising:
본 발명의 일 실시 예에 따르면 적기의 도발 징후를 미리 식별하고 판단할 수 있으며, 적기의 방향을 지속적으로 추적할 수 있도록 실시간 제어가 가능하여 적기의 도발 징후에 대해 신속한 대처가 가능한 장점이 있다.According to an embodiment of the present invention, it is possible to identify and judge timely provocation indications in advance, and real-time control can be performed so as to continuously track the direction of the bandit, so that it is possible to promptly respond to provocation indications of the bandit.
또한, 본 발명의 또 다른 일 실시 예에 따르면 상시 안테나부가 회전할 필요가 없는 장점이 있다.According to another embodiment of the present invention, there is an advantage that the antenna unit does not need to be rotated at all times.
또한, 본 발명의 또 다른 일 실시 예에 따르면 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치의 단순화가 가능하고, 안테나 면적이 큰 고중량 레이다의 구현이 가능하며, 방열 및 냉각을 용이하게 할 수 있다.Also, according to another embodiment of the present invention, it is possible to simplify a navigation device using a big data based artificial intelligence technology, to realize a high-weight radar having a large antenna area, to facilitate heat dissipation and cooling .
본 발명의 효과들은 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해 될 수 있을 것이다.The effects of the present invention are not limited to the above-mentioned effects, and other effects not mentioned can be clearly understood by those skilled in the art from the following description.
도 1은 본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치를 개략적으로 설명하기 위한 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 회전부의 구성을 구체적으로 설명하기 위한 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 도발 징후를 판단하는 방법을 설명하기 위한 도면을 나타낸 것이다.
도 4는 본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 방법을 설명하기 위한 흐름도이다.
도 5는 본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 방법을 구체적으로 설명하기 위한 흐름도이다.
도 6은 본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치가 공중 표적을 추적하는 상황을 나타내는 예시도이다.1 is a block diagram schematically illustrating a low-fat target detection apparatus using a big data-based artificial intelligence technology according to an embodiment of the present invention.
2 is a block diagram for explaining a configuration of a rotation unit according to an embodiment of the present invention.
FIG. 3 is a view for explaining a method for determining a provocation symptom according to an embodiment of the present invention.
4 is a flowchart illustrating a method for detecting a low-fat target using a big data-based artificial intelligence technology according to an embodiment of the present invention.
FIG. 5 is a flowchart illustrating a method for detecting a low-fat target using a big data-based artificial intelligence technology according to an exemplary embodiment of the present invention.
FIG. 6 is a diagram illustrating an example in which a low-fat target detection apparatus using a big data-based artificial intelligence technology traces an air target according to an embodiment of the present invention.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. BRIEF DESCRIPTION OF THE DRAWINGS The advantages and features of the present invention and the manner of achieving them will become apparent with reference to the embodiments described in detail below with reference to the accompanying drawings. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. Rather, these embodiments are provided so that this disclosure will be thorough and complete, and will fully convey the scope of the invention to those skilled in the art. Is provided to fully convey the scope of the invention to those skilled in the art, and the invention is only defined by the scope of the claims. Like reference numerals refer to like elements throughout the specification.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.Unless defined otherwise, all terms (including technical and scientific terms) used herein may be used in a sense commonly understood by one of ordinary skill in the art to which this invention belongs. Also, commonly used predefined terms are not ideally or excessively interpreted unless explicitly defined otherwise.
본 명세서에서 "제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.The terms " first ", " second ", and the like in the present specification are for distinguishing one element from another element, and the scope of the right should not be limited by these terms. For example, the first component may be referred to as a second component, and similarly, the second component may also be referred to as a first component.
본 명세서에서 각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.In the present description, the identification codes (e.g., a, b, c, etc.) in each step are used for convenience of explanation, and the identification codes do not describe the order of each step, Unless you specify a specific order, it can happen differently from the order specified. That is, each step may occur in the same order as described, may be performed substantially concurrently, or may be performed in reverse order.
본 명세서에서, “가진다”, “가질 수 있다”, “포함한다” 또는 “포함할 수 있다”등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.As used herein, the expressions " have, " " comprise, " " comprise, " or " comprise may " refer to the presence of a feature (e.g., a numerical value, a function, And does not exclude the presence of additional features.
또한, 본 명세서에 기재된 '~부'라는 용어는 소프트웨어 또는 FPGA(field-programmable gate array) 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터 구조들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다.In addition, the term 'portion' as used herein refers to a hardware component such as software or a field-programmable gate array (FPGA) or an ASIC, and 'part' performs certain roles. However, 'part' is not meant to be limited to software or hardware. &Quot; to " may be configured to reside on an addressable storage medium and may be configured to play one or more processors. Thus, by way of example, 'parts' may refer to components such as software components, object-oriented software components, class components and task components, and processes, functions, , Subroutines, segments of program code, drivers, firmware, microcode, circuitry, data structures and variables. The functions provided in the components and components may be further combined with a smaller number of components and components or further components and components.
본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치는 평소에 회전하지 않고 한 방향으로 적기에 해당하는 저피탐 표적의 움직임이나 훈련 궤적 및/또는 위치정보 등을 항시 모니터링하여 데이터를 저장하고, 저장된 데이터를 축적하여, 축적된 모든 방위각에 해당하는 적기의 데이터로부터 적기의 훈련 방식, 특성 및 전략 등을 인공지능 알고리즘으로 분석할 수 있다. 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치는 상술한 분석 방법을 이용하여 일상적인 훈련에서의 적기의 움직임이 아님을 판단하여 적기의 도발 징후를 예측할 수 있고, 도발 징후가 예측된 적기의 궤도를 따라 추적하도록 안테나의 방위각을 제어할 수 있다.The apparatus according to one embodiment of the present invention uses a large data-based artificial intelligence technique to detect motion, trajectory, and / or positional information of a bipinnal target corresponding to a bandit in one direction Monitoring, storing data, accumulating stored data, and analyzing timely training methods, characteristics, and strategies from timely data corresponding to all accumulated azimuth angles with artificial intelligence algorithms. Using the above-described analysis method, the low-fat target detection device using the Big Data-based artificial intelligence technology can judge the timely signs of provocation by judging that it is not the timely movement in the daily training, The azimuth angle of the antenna can be controlled to track along the orbit.
본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치는 적기의 위치 정보를 안테나부의 모든 방위각 방향으로 충분히 데이터를 저장하고 축적하여 빅데이터화 할 수 있고, 축적된 빅데이터를 인공지능 기술로 분석하여 적기의 훈련, 적기의 위치 및 적군의 전략 등을 파악할 수 있다.The apparatus according to an embodiment of the present invention may be configured to store and store the position information of a bandit in all azimuth directions of the antenna unit, Can be analyzed with artificial intelligence technology, so that you can understand the enemy's training, the position of the bandit, and the enemy's strategy.
도 1은 본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치를 개략적으로 설명하기 위한 블록도이다.1 is a block diagram schematically illustrating a low-fat target detection apparatus using a big data-based artificial intelligence technology according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치(10)는 안테나부(100), 회전부(200), 저장부(300), 도발 징후 판단부(400) 및 제어부(500)를 포함할 수 있다.Referring to FIG. 1, an
안테나부(100)는 적기에 해당하는 저피탐 표적을 조준하기 위한 신호를 방사하고, 저피탐 표적으로 방사된 신호가 저피탐 표적에 반사된 신호를 수신할 수 있다. 상술한 안테나부(100)가 방사하는 신호 또는 수신하는 신호는 RF(Radio Frequency) 신호를 나타낼 수 있다.The
예를 들어, 본 발명에서는 안테나부(100)는 모노펄스 기법을 사용하는 도파관 슬롯 배열 안테나 또는 반사판 안테나를 포함할 수 있다. 상술한 모노펄스 기법은 단일 펄스의 송신 신호를 방사하고, 표적에 반사되어 복수 개의 안테나 채널로 수신되는 수신 신호의 진폭 및 위상차를 이용하여 표적의 방위각 또는 고각을 정밀하게 추정할 수 있는 기법을 나타낸다.For example, in the present invention, the
또한, 본 발명의 또 다른 일 실시 예에 따른 안테나부(100)는 전자파 간섭 영향이 적은 카세그레인 안테나를 사용할 수 있고, 동일한 회전축을 가지고 회전하는 주 반사판, 부 반사판 및 급전혼을 포함할 수 있다. 또한, 본 발명의 또 다른 일 실시 예에 따른 안테나부(100)는 주 반사판만 회전하는 구조를 가질 수 있으나 이에 한정되는 것은 아니다.In addition, the
본 발명의 일 실시 예에 따른 안테나부(100)가 방사하는 신호는 펄스 기법이 적용된 신호를 포함할 수 있다. 또한, 단일 펄스를 이용한 모노펄스 기법이 적용된 신호를 포함할 수 있다. 또한 송신 신호는 Ku, ka대역의 신호일 수 있고, W대역 또는 밀리미터파(초고주파 영역)(30~300Ghz)의 신호를 포함할 수 있다.The signal emitted by the
본 발명의 일 실시 예에 따른 안테나부(100)는 적어도 1개 이상의 안테나를 포함할 수 있다. 즉, 본 발명의 일 실시 예에 따른 안테나부(100)는 저피탐 표적을 조준하기 위한 신호를 방사하고, 저피탐 표적으로 방사된 신호가 저피탐 표적에 반사되어, 반사된 신호를 복수 개의 채널들로 수신할 수 있다.The
회전부(200)는 상술한 적기에 해당하는 저피탐 표적을 탐지하도록 미리 설정된 방위각의 범위 내에서 안테나부(100)를 회전시키는 모터를 포함할 수 있다. 상술한 모터는 전력을 받아서 회전할 수 있으며, 축에 회전력을 발생시킬 수 있다.The
본 발명의 일 실시 예에 따른 미리 설정된 방위각의 범위는 -270°에서 +270° 범위일 수 있다.The range of the predetermined azimuth angle according to an embodiment of the present invention may range from -270 ° to + 270 °.
상술한 안테나부(100)를 회전시키는 회전부(200)에 대한 구체적인 설명은 도 2를 함께 참조하여 설명하도록 한다.A detailed description of the
도 2는 본 발명의 일 실시 예에 따른 회전부(200)의 구성을 구체적으로 설명하기 위한 블록도이다.FIG. 2 is a block diagram specifically illustrating a configuration of the
도 2를 참조하면, 본 발명의 일 실시 예에 따른 회전부(200)는 모터(210), 엔코더(220) 및 모터 감속기(230)를 포함할 수 있다.Referring to FIG. 2, the
본 발명의 일 실시 예에 따른 모터(210)는 시스템의 정확한 소요토크를 분석하여 선정된 충분한 마진을 보유한 정격토크 및 최대토크를 가지고 있는 모터일 수 있다.The motor 210 according to an embodiment of the present invention may be a motor having a rated torque and a maximum torque having a predetermined sufficient margin by analyzing an accurate required torque of the system.
본 발명의 일 실시 예에 따른 제어부(500)는 모터(210)의 구동시 소모되는 전력으로부터 모터(210)에 의해 출력되는 토크 정보인 소요토크를 산출하고, 상술한 모터는 산출된 소요 토크와 정격 토크 및 최대 토크를 비교하여 선정된 충분한 마진을 보유한 모터(210)일 수 있다.The control unit 500 according to an embodiment of the present invention calculates the required torque, which is torque information output from the motor 210, based on the power consumed in driving the motor 210, and the motor calculates the required torque It may be a motor 210 having a sufficient margin selected by comparing the rated torque and the maximum torque.
상술한 토크는 회전체를 돌리기 위한 회전력을 나타내며, 상술한 최대토크는 상술한 모터가 낼 수 있는 회전력의 최대치를 나타내고, 정격토크는 상술한 모터의 정격 회전수(rpm)에서 낼 수 있는 회전력을 나타낸다. 상술한 모터의 정격 회전수(rpm)는 모터가 정격 전압, 정격 주파수 하에서 정격 출력을 내면서 운전하고 있을 때의 매 분의 회전수를 나타낸다.The above-mentioned torque represents the rotational force for turning the rotating body. The above-mentioned maximum torque represents the maximum value of the rotational force that the motor can generate, and the rated torque represents the rotational force that can be obtained at the rated rotational speed (rpm) . The rated rotational speed (rpm) of the above-mentioned motor represents the number of revolutions per minute when the motor is operating at a rated output frequency under the rated voltage and frequency.
상술한 수학식 1에서, τtotal은 소요토크를 나타내고, τacc 는 최대가속 토크를 나타내고, τwind 는 풍하중에 의한 제1 손실토크를 나타내고, τfriction 는 마찰에 의한 제2 손실토크를 나타낸다.In Equation (1), τ total represents a required torque, τ acc represents a maximum acceleration torque, τ wind represents a first loss torque due to a wind load, and τ friction represents a second loss torque due to friction.
상술한 최대가속 토크는 상술한 모터(210)의 가감속시 필요로 하는 토크를 나타낸다. 구체적으로, 최대가속 토크는 0 rpm에서 최대 회전수(rpm)까지 소정의 가속 시간에서 가속시킬 때, 부하를 가속시키는데 필요한 상당 관성 토크를 나타낸다.The above-mentioned maximum acceleration torque represents a torque required for acceleration / deceleration of the motor 210 described above. Specifically, the maximum acceleration torque represents the equivalent inertia torque required to accelerate the load when accelerating at a predetermined acceleration time from 0 rpm to the maximum number of revolutions (rpm).
상술한 풍하중에 의한 제1 손실토크는 모터(210)에 의해 회전하는 안테나부(100)가 바람에 부딪힐 때, 바람에 의해 안테나부(100)에 발생되는 하중에 의해 발생되는 부하토크를 나타낸다.The first loss torque due to the wind load described above represents a load torque generated by the load generated in the
상술한 마찰에 의한 제2 손실토크는 모터(210)가 회전하면서 발생되는 마찰에 의해서 생기는 반항토크를 나타낸다.The second loss torque due to the friction described above represents a rebound torque generated by the friction generated when the motor 210 rotates.
본 발명의 일 실시 예에 따른 모터(210)는 안테나부(100)를 회전시키기 위한 기계 에너지를 발생시켜 지정된 각도만큼 회전할 수 있도록 위치 제어가 가능한 서보 모터일 수 있다.The motor 210 according to the embodiment of the present invention may be a servo motor which can generate position and control the position of the antenna 210 by rotating the antenna 210 by a predetermined angle.
서보(Servo)는 장치의 상태를 기준이 되는 것과 비교하여 안정적인 방향으로 피드백을 걸어줌으로써 최적이 되도록 자동 제어하는 수단을 나타낸다.The servo represents a means for automatically controlling the state of the apparatus so as to be optimized by applying feedback in a stable direction in comparison with a standard.
상술한 서보 모터는 안테나부(100)를 회전시키기 위한 기계 에너지를 발생시켜 고속 및 고정밀 위치 제어가 가능한 모터로, 지정된 각도만큼 회전할 수 있고, 목표치에 대한 위치, 방위, 자세 등의 제어가 자동화 되어있는 모터를 나타낸다.The above-described servo motor is a motor capable of generating high-speed and high-precision position control by generating mechanical energy for rotating the
본 발명의 일 실시 예에 따른 서보 모터는 540 도의 방위각 방향으로 제어가 가능하며, 구체적으로 시계 방향으로 270도 회전가능하고, 반시계 방향으로 270도 회전이 가능한 서보 모터일 수 있다.The servo motor according to an embodiment of the present invention can be controlled in the azimuth direction of 540 degrees, specifically, a servo motor capable of rotating 270 degrees in a clockwise direction and 270 degrees in a counterclockwise direction.
상술한 서보 모터는 안테나부(100)의 자세를 정밀하게 제어하기 위해 필요한 구성 요소에 해당할 수 있다. 즉, 상술한 서보 모터는 특정 위치로 이동하거나, 특정한 수치(속도 등)만큼 가동시킬 때, 모터로부터의 피드백을 통해 정확하게 제어할 수 있는 구조를 갖추고 있는 모터를 나타낸다.The above-described servomotor may be a component necessary for precisely controlling the attitude of the
따라서, 본 발명의 일 실시 예에 따른 회전부(200)는 정밀 제어가 가능한 서보 모터를 사용하여 미리 설정된 방위각의 범위인 -270°에서 +270° 범위 내에서 안테나부(100)를 안정적으로 회전시킬 수 있다.Therefore, the
본 발명의 일 실시 예에 따른 회전부(200)는 회전시킬 안테나부(100)의 방위각인 회전 방위각을 측정하도록 모터(210)의 각도 및 위치를 정밀하게 측정하기 위한 센서인 엔코더(220)를 더 포함할 수 있다. 즉, 상술한 엔코더(220)는 모터(210)가 얼마나 회전하였는지를 정밀하게 측정할 수 있다.The
상술한 엔코더(220)는 안테나부(100)의 방위각을 정밀하게 측정할 수 있으며, 또한 엔코더(220)는 서보 모터(210)가 구동하도록 제어하는 제어부(500)와 실시간 피드백할 수 있다.The encoder 220 can accurately measure the azimuth angle of the
본 발명의 일 실시 예에 따른 제어부(500)는 모터(210)의 구동을 제어하는 기능을 수행하며, 한편으로는 엔코더(220)로부터 전달된 신호를 처리하는 기능을 수행할 수 있다.The control unit 500 according to an exemplary embodiment of the present invention performs a function of controlling the driving of the motor 210 and a function of processing a signal transmitted from the encoder 220.
본 발명의 일 실시 예에 따른 제어부(500)는 상술한 엔코더(220)와 실시간으로 피드백하면서, 정확한 방위각 위치로 안테나부(100)가 회전할 수 있도록 모터(210)를 제어할 수 있다.The controller 500 according to an embodiment of the present invention can control the motor 210 so that the
또한, 본 발명의 또 다른 일 실시 예에 따른 회전부(200)는 동력원인 모터(210)의 회전 속도를 감속시켜 토크를 증가시키는 모터 감속기(230)를 더 포함할 수 있다.The
본 발명의 일 실시 예에 따른 모터 감속기(230)는 모터(210)의 회전 속도를 1 arcmin로 감속시킬 수 있으며, 따라서 본 발명의 일 실시 예에 따른 제어부(500)는 ±1 arcmin 높은 정밀도로 안테나부(100)를 회전하도록 모터(210)를 제어할 수 있다.The
상술한 arcmin은 각도의 1분을 나타내는 용어로 1도의 60분의 1을 나타낸다.The above-mentioned arcmin is a term indicating one minute of an angle, and represents one-sixth of a degree.
다시 도 1을 참조하면, 저장부(300)는 상술한 회전부(200)에 의해 안테나부(100)가 회전하면서 상술한 저피탐 표적의 이동 경로 변화를 탐지하여 획득한 적기에 해당하는 저피탐 표적의 위치 좌표에 해당하는 위치 좌표 데이터를 저장할 수 있다.Referring to FIG. 1 again, the
본 발명의 일 실시 예에 따른 저장부(300)는 상술한 저피탐 표적의 위치 좌표에 해당하는 위치 좌표 데이터를 실시간으로 저장할 수 있으며, 또한 안테나부(100)가 방위각으로 회전된 방향 중 적국의 위치에 해당하는 모든 방위각 방향에서 저피탐 표적의 위치 좌표에 해당하는 위치 좌표 데이터를 전부 저장할 수 있다.The
구체적으로, 본 발명의 일 실시 예에 따른 저장부(300)에 저장된 적기에 해당하는 저피탐 표적의 위치 좌표에 해당하는 위치 좌표 데이터는 안테나부(100)의 방위각에 따라 획득한 적기에 해당하는 저피탐 표적이 위치하는 위도, 경도 및 고도 중 적어도 어느 하나의 좌표 데이터일 수 있다.Specifically, the position coordinate data corresponding to the position coordinates of the hypothetical target corresponding to the bandit stored in the
본 발명의 일 실시 예에 따른 저장부(300)는 안테나부(100)의 방위각 방향 및 시간의 변화를 고려하여 상술한 저피탐 표적의 위치 좌표에 해당하는 위치 좌표 데이터를 구분하여 저장할 수 있다.The
본 발명의 일 실시 예에 따른 저장부(300)는 미리 설정된 신호에 따라 저피탐 표적이 적군에 해당하는 적기인지 또는 아군에 해당하는지를 함께 분류하여 저장할 수 있다.The
도 1에서는 저장부(300)가 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치(10)의 내부에 구비되는 것으로 예시하였으나, 물리적으로 이격되어 구비될 수 있고 유무선 통신, 클라우드 시스템 등으로 연결될 수 있다.In FIG. 1, the
도발 징후 판단부(400)는 저장부(300)에 저장된 적기에 해당하는 저피탐 표적의 위치 좌표 데이터를 이용하여 저피탐 표적의 훈련 패턴을 분석할 수 있고, 분석된 훈련 패턴을 이용하여 저피탐 표적의 행동 패턴이 도발 징후에 해당하는지 여부를 판단할 수 있다.The provocation
본 발명의 일 실시 예에 따른 저장부(300)에 저장된 적기에 해당하는 저피탐 표적의 위치 좌표는 (x, y)를 나타낸다.The position coordinates of the low-fat target corresponding to the bandit stored in the
상술한 저피탐 표적의 위치 좌표 (x, y)는 위도, 경도 및 고도를 이용하여 나타낸 위치 좌표일 수 있다. 예를 들어, x는 위도를 y는 경도를 나타낸 값일 수 있으나, 이에 한정되는 것은 아니다.The position coordinates (x, y) of the above-mentioned low-fat target can be position coordinates indicated by using latitude, longitude and altitude. For example, x may be latitude and y may be longitude value, but is not limited thereto.
이하 설명의 편의를 위해 상술한 저피탐 표적의 위치 좌표 (x, y)에서 x는 위도를 y는 경도를 나타낸 값으로 설명하도록 한다.For the sake of convenience in the following description, x is the latitude and y is the value indicating the longitude at the position coordinates (x, y) of the low-fat target.
구체적으로, 본 발명의 일 실시 예에 따른 도발 징후 판단부(400)는 빅데이터에 기반하여 신경망(neural networking)과 같은 딥러닝 알고리즘을 이용하여 적기의 훈련 패턴 및 전략/전술의 특성 등을 학습하고 분석할 수 있다.Specifically, the provocation
즉, 도발 징후 판단부(400)는 딥러닝 기법을 이용하여 안테나부(100)의 방위각 방향에 따라 인공지능 기술로 축적되어 빅데이터를 형성한 저장부(300)에 저장된 복수 개의 저피탐 표적의 위치 좌표에 해당하는 위치 좌표 데이터들로부터 적기의 훈련 패턴을 학습한 후, 학습된 적기의 훈련 패턴을 이용하여 적기의 행동 패턴이 적군의 일반적인 훈련에 해당하는 행동 패턴인지 아니면 도발 징후를 나타내는 행동 패턴인지를 판단할 수 있다.That is, the provoking
상술한 저피탐 표적이 적군에 해당하는 적기인지 또는 아군에 해당하는지는 미리 설정된 신호를 이용하여 확인할 수 있다.Whether or not the above-described low-fat target is the enemy belonging to the enemy group or whether it corresponds to a friendly group can be confirmed by using a preset signal.
상술한 저피탐 표적의 훈련 패턴은 저피탐 표적의 훈련 정보, 저피탐 표적이 훈련 중 움직이는 궤적 및 훈련에 따른 저피탐 표적의 위치 정보 등을 포함할 수 있다.The above training pattern of the low-fat target may include low fat target training information, a low fat target during the training, and a low fat target in the training.
본 발명의 일 실시 예에 따른 도발 징후 판단부(400)는 아래의 수학식 2를 이용하여 안테나부(100)의 방위각 방향에 따라 저장부(300)에 저장된 인공지능 기술로 축적된 빅데이터에 해당하는 복수 개의 저피탐 표적의 위치 좌표에 해당하는 위치 좌표 데이터들로부터 적기의 훈련 패턴을 학습하고 분석하여 적기의 도발 징후 여부를 판단할 수 있다.The proving
상술한 수학식 2의 (1)에서, A는 적군에 해당하는 저피탐 표적의 행동 패턴이 일반적인 훈련에 해당하는 행동 패턴인지, 도발의 징후에 해당하는 행동 패턴인지를 판단하기 위한 판단 기울기를 나타낸다. 구체적으로, 판단 기울기 A는 실시간으로 획득되는 저피탐 표적의 위치 좌표를 나타내는 위치 좌표 데이터들로부터 분석한 저피탐 표적의 행동 패턴으로부터 도발 징후에 해당하는 행동 패턴을 분리하기 위한 기울기를 나타낸다.In (1) of the above-mentioned equation (2), A represents a judgment slope for judging whether a behavior pattern of the low-fat trajectory corresponding to the enemy is a behavior pattern corresponding to general training or a provocation symptom . Specifically, the judgment slope A represents a slope for separating a behavior pattern corresponding to a provocation symptom from a behavior pattern of a hypothetical target analyzed from position coordinate data indicating a position coordinate of a hypothetical target obtained in real time.
△는 학습을 하면서 조금씩 변화하는 “작은 변화” 값을 나타내는 변화량을 나타내며, △A는 상술한 적군에 해당하는 저피탐 표적의 행동 패턴이 도발 징후인지를 판단하는 판단 기울기인 A를 업데이트 시키기 위한 A의 변화량을 나타낸다.A represents a change amount indicating a small change value while slightly changing while learning. A is a value obtained by subtracting A from A, which is a judgment slope for judging whether a behavior pattern of a hypothetical target corresponding to the above- .
상술한 판단 기울기 A는 안테나부(100)로부터 획득된 적기에 해당하는 저피탐 표적의 주 활동 영역에 해당하는 위치 좌표 (x, y)의 데이터를 기초로 설정될 수 있다. 예를 들어, 상술한 판단 기울기 A는 안테나부(100)로부터 획득된 적기에 해당하는 저피탐 표적의 주 활동 영역에 해당하는 위치 좌표 (x, y)의 데이터를 기초로 임의로 설정될 수 있으며, 임의로 설정된 판단 기울기 A를 상술한 A의 변화량으로 업데이트 하여 임의로 설정된 판단 기울기 A로부터 적기의 도발 징후를 판단하기 위한 최적의 판단 기울기를 산출할 수 있다.The above-mentioned judgment slope A can be set based on data of position coordinates (x, y) corresponding to the main activity area of the low-fat target in time corresponding to the target acquired from the
A’는 적기의 도발 징후를 판단하기 위한 기준에 해당하는 판단 기울기 A가 업데이트 된 값을 나타낸다.A 'represents the updated value of the judgment slope A corresponding to the criterion for judging the timely provocation indications.
x는 저장부(300)에 저장된 적기에 해당하는 저피탐 표적의 위치 좌표에 해당하는 위치 좌표 데이터를 나타내며, 구체적으로 x는 저피탐 표적의 위치 좌표 중 위도, 경도 또는 고도를 나타내는 값일 수 있다.x represents position coordinate data corresponding to the position coordinates of the hypothetical target corresponding to the bandit stored in the
Y는 적기에 해당하는 저피탐 표적의 도발 징후를 판단하기 위한 기준 값을 나타내며 상술한 x와 다른 물리적 의미를 나타내는 값에 해당할 수 있다. 예를 들어, x가 위도라면 Y는 경도 또는 고도를 나타내는 값일 수 있다. 바람직하게, x는 위도, Y는 경도를 나타내는 값일 수 있다. 상술한 Y는 실제와 같다고 판단하는 판단 부 함수일 수 있다.Y represents a reference value for judging the provocation indications of the hypothetical target corresponding to the bandit, and may correspond to a value indicating a physical meaning other than x described above. For example, if x is latitude, Y may be a value representing longitude or altitude. Preferably, x may be a latitude and Y may be a value representing a longitude. The above-described Y may be a judgment function that judges that it is the same as the actual one.
상술한 기준 값 Y는 A의 변화량인 △A의 값에 따라 판단 기울기 A가 업데이트 되면서 함께 변화될 수 있다. 초기 기준 값 Y에서 △A의 값은 0에 해당하므로 초기 기준 값 Y는 Ax만으로 나타낼 수 있다.The reference value Y described above can be changed together with the judgment slope A being updated according to the value of? A which is the variation amount of A. Since the value of ΔA at the initial reference value Y corresponds to 0, the initial reference value Y can be represented by only Ax.
하지만, 후술한 수학식 2의 (2) 및 (3) 식의 과정으로 판단 기울기인 A를 업데이트 하는 과정인 학습 과정을 일정기간 반복함으로써, 일정 기간이 지나면 판단 기울기인 A를 최종적으로 업데이트 시키기 위한 변화량인 △A가 실시간으로 누적되면서 누적된 변화량인 △A가 수렴하는 값에 이르게 될 것이다. △A가 수렴하는 값에 이르면 A’도 수렴하게 된다. 일정한 값으로 수렴된 A’를 산출하는 과정은 적기의 행동 패턴인 도발 징후인지를 판단하기 위해 적기의 행동 패턴을 학습하는 과정에 해당한다.However, by repeating the learning process, which is a process of updating A, which is a judgment slope, by a process of Equations (2) and (3) described below, The amount of change DELTA A will be accumulated in real time, and the cumulative amount of change DELTA A will reach a convergence value. When A is converged, A 'also converges. The process of calculating A 'converged to a certain value corresponds to a process of learning the bandit's behavior pattern to determine whether it is a provocation symptom, which is a bandit behavior pattern.
따라서, 상술한 A’는 △A가 수렴되면서 결정된 적기의 도발 징후를 판단하기 위한 최적의 기준에 해당하는 판단 기울기를 나타내며, Y는 최적의 기준에 해당하는 판단 기울기 A’에 의해 설정되는 기준 값을 나타낼 수 있다.Therefore, the above-mentioned A 'represents a judgment slope corresponding to an optimal criterion for judging a provocative provocation symptom determined while? A is converged, and Y represents a criterion value set by a judgment slope A' Lt; / RTI >
상술한 수학식 2의 (2)에서, 실제 출력 값은 y는 저장부(300)에 저장된 적기에 해당하는 저피탐 표적의 주 활동 영역에 해당하는 위치 좌표 (x, y)의 데이터 중 y에 해당하며, y는 저피탐 표적의 위치 좌표 중 위도, 경도 또는 고도를 나타내는 값일 수 있다.(2) of the above equation (2), the actual output value y is the y coordinate of the data of the position coordinate (x, y) corresponding to the main active region of the low-fat target corresponding to the bandit stored in the
본 발명의 일 실시 예에 따른 y는 x와 다른 물리적 의미를 나타내며, 기준 값 Y와는 동일한 물리적 의미를 나타내는 값에 해당할 수 있다. 예를 들어, x가 위도라면 y는 경도 또는 고도를 나타내는 값일 수 있다. 바람직하게, x는 위도, y는 경도를 나타내는 값일 수 있다.According to an exemplary embodiment of the present invention, y represents a physical meaning different from x, and may correspond to a value indicating the same physical meaning as the reference value Y. [ For example, if x is latitude, then y can be a value representing longitude or altitude. Preferably, x may be a latitude and y may be a value representing a longitude.
E는 기준 값 Y와 실제 출력 값 y 간 차이를 나타내는 오차율을 나타낸다.E represents the error rate indicating the difference between the reference value Y and the actual output value y.
상술한 수학식 2의 (3) 식에서 적군에 해당하는 저피탐 표적의 행동 패턴이 도발 징후인지를 판단하는 판단 기울기인 A를 업데이트 시키기 위한 A의 변화량인 △A는 학습률(Learning rate)에 해당하는 L 및 오차율 E와 비례하며, 적기에 해당하는 저피탐 표적의 위치 좌표에 해당하는 x와는 반비례한다.In the equation (3) of the above equation (2), ΔA, which is the variation amount of A for updating A, which is a judgment slope for judging whether the behavior pattern of the hypothetical target corresponding to the enemy group is a provocation symptom, corresponds to a learning rate L and the error rate E, and is inversely proportional to x corresponding to the position coordinates of the hypothetical target corresponding to the bandit.
상술한 L은 적기의 도발 징후 여부를 판단하기 위한 기준에 해당하는 판단 기울기인 A를 업데이트 하기 위한 A의 변화량 값을 일정한 비율로 조정하는 학습률을 나타낸다.The above-mentioned L represents a learning rate for adjusting a variation amount of A for updating A, which is a judgment slope corresponding to a criterion for judging whether or not a provocation is provoked.
상술한 학습률 L의 값이 증가할수록 상술한 A의 값을 업데이트 시킬 A의 변화량 값도 증가하며, 상술한 학습률 L의 값이 감소할수록 상술한 A의 값을 업데이트 시킬 A의 변화량 값도 감소한다.As the value of the learning rate L increases, the value of the variable A for updating the value of A also increases. As the value of the learning rate L decreases, the value of the variable A for updating the value of A decreases.
본 발명의 일 실시 예에 따른 도발 징후 판단부(400)는 판단 기울기인 A 값을 오차율인 E값의 정보에 기초하여 업데이트 할 수 있다.The provoking
구체적으로, 본 발명의 일 실시 예에 따른 도발 징후 판단부(400)는 빅데이터에 적군의 이동경로가 저장되고 축적되면서 적기에 해당하는 저피탐 표적의 행동 패턴이 도발 징후 행동에 해당하는 행동 패턴인지 판단하기 위한 판단 기울기인 A의 값을 조금씩 변화시키도록, 판단 기울기인 A를 업데이트 시키는 작은 변화량을 나타내는 △A를 상술한 오차율에 해당하는 E 값의 정보에 기초하여 조금씩 변화할 수 있다.Specifically, the provocation
즉, 학습률 L은 오차율에 해당하는 E와 입력 값에 해당하는 x인 적기의 위치 좌표가 적군에 해당하는 저피탐 표적의 행동 패턴이 도발 징후인지를 판단하는 판단 기울기에 해당하는 A를 학습하여 업데이트 시킬 A의 변화량을 산출하기 위해 반영되는 정도를 결정하는 값을 나타낸다.In other words, the learning rate L is updated by learning A corresponding to the declination slope to determine whether the E pattern corresponding to the error rate and the location coordinates of the enemy corresponding to the input value are the provoking sign Represents a value that determines the degree to be reflected to calculate the amount of change in A.
본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치(10)에서 사용되는 인공지능 기술에서는 안테나부(100)의 방위각 방향에 따라 아주 많은 적기의 위치 좌표에 해당하는 위치 좌표 데이터들이 저장부(300)에 저장되고 수집되므로, 본 발명의 일 실시 예에 따른 도발 징후 판단부(400)는 저피탐 표적의 행동 패턴이 도발 징후에 해당하는지를 판단하기 위해 학습률에 해당하는 L 값을 0.1 이하의 낮은 값으로 설정할 수 있으며, 바람직하게는 L 값을 매우 낮은 값에 해당하는 0.01로 설정할 수 있다.In the artificial intelligence technology used in the
본 발명의 일 실시 예에 따른 도발 징후 판단부(400)가 상술한 학습률인 L을 이용하여 저피탐 표적의 행동 패턴이 도발징후 인지를 판단하기 위한 기준에 해당하는 판단 기울기인 A의 변화량인 △A를 산출하여 판단 기울기인 A를 업데이트 하는 경우, 안테나부(100)의 방위각 방향에 따라 인공지능 기술로 축적되어 빅데이터를 형성한 저장부(300)에 저장된 복수 개의 저피탐 표적의 위치 좌표에 해당하는 위치 좌표 데이터들 중에서 일부의 저피탐 표적의 위치 좌표에 해당하는 위치 좌표 데이터들이 오류가 있는 경우에도 일부 오류가 있는 저피탐 표적의 위치 좌표에 해당하는 위치 좌표 데이터들에 의한 영향을 제한할 수 있다.The proving
상술한 수학식 2의 (3)식과 달리, 도발 징후 판단부(400)가 학습률 L을 이용하지 않은 채 판단 기울기인 A를 업데이트 시키기 위해 △A를 산출하면, 산출된 △A는 그저 마지막 학습 데이터인 마지막에 획득된 적군에 해당하는 저피탐 표적의 위치 좌표만을 반영하여 산출한 A의 변화량을 나타낸다.Unlike Equation (3) of Equation (2), when the provoking
따라서, 본 발명의 일 실시 예에 따른 도발 징후 판단부(400)는 학습률인 L을 이용하여 단일의 적기에 해당하는 저피탐 표적의 위치 좌표에 해당하는 위치 좌표 데이터가 아닌 시간의 흐름에 따라 축적되어 온 복수 개의 저피탐 표적의 위치 좌표 데이터들에 기초하여 판단 기울기 A가 업데이트 된 값을 유지하면서, 시간의 흐름에 따라 축적되어 온 복수 개의 저피탐 표적의 위치 좌표 데이터들이 제시하는 방향으로 조금씩 A를 업데이트 시킬 수 있다.Therefore, the proving
즉, 본 발명의 일 실시 예에 따른 도발 징후 판단부(400)는 상술한 A를 업데이트 시키는 경우 학습률에 해당하는 L을 반영함으로써 축적되어 온 적기에 해당하는 복수 개의 저피탐 표적의 위치 좌표 데이터들을 전부 이용하여 보다 정확환 적기의 훈련 패턴 정보를 획득할 수 있다.That is, the proving
따라서, 본 발명의 일 실시 예에 따른 도발 징후 판단부(400)는 상술한 방법에 의해 학습되어 일정한 값으로 수렴하는 A’를 이용하는 수학식 2의 (1) 식에 현재 적기에 해당하는 저피탐 표적의 위치를 대입함으로써 적기에 해당하는 저피탐 표적의 현재 행동 패턴이 도발 징후인지 일반적인 훈련인지를 판단할 수 있다. 상술한 적기의 행동 패턴을 예측 및 판단하는 구체적인 예시를 도 3을 함께 참조하여 설명하도록 한다.Accordingly, the proving
도 3은 본 발명의 일 실시 예에 따른 도발 징후를 판단하는 방법을 설명하기 위한 도면을 나타낸 것이다.FIG. 3 is a view for explaining a method for determining a provocation symptom according to an embodiment of the present invention.
도 3을 참조하면, 가로 축 x는 위도를 세로 축 y는 경도를 나타내는 것으로 예시하였지만, 상술한 예시는 본 발명의 일 실시 예를 설명하기 위한 예시일 뿐 이에 한정되는 것은 아니다.3, the horizontal axis x represents the latitude and the vertical axis y represents the hardness. However, the above-mentioned examples are only illustrative for illustrating the embodiment of the present invention, but the present invention is not limited thereto.
본 발명의 일 실시 예에 따른 도발 징후 판단부(400)는 상술한 적기의 도발 징후를 판단하기 위한 최적의 기준에 해당하는 판단 기울기인 A’및 상술한 적기에 해당하는 저피탐 표적의 현재 위치의 좌표 중 위도를 나타내는 x에 의해 산출된 적기에 해당하는 저피탐 표적의 도발 징후를 판단하기 위한 기준 값인 Y와 상술한 적기에 해당하는 저피탐 표적의 현재 위치의 좌표 중 x와 다른 물리적 의미를 나타내며, 기준 값 Y와는 동일한 물리적 의미를 나타내는 값에 해당하는 y를 비교하여 (i) Y < y 이면 적기의 행동 패턴이 도발 징후에 해당하는 행동 패턴으로 예측 및 판단하고, (ii) Y ≥ y 이면 적기의 행동 패턴이 훈련에 해당하는 행동 패턴으로 예측 및 판단할 수 있다.The provocation
즉, 도 3의 그래프를 참조하면 본 발명의 일 실시 예에 따른 도발 징후 판단부(400)는 최적의 판단 기울기인 A’를 이용하여 설정된 적기의 행동 패턴이 도발 징후에 해당하는 행동 패턴인지에 대한 기준에 해당하는 기준 값인 Y를 기준으로 안테나부(100)로부터 수신된 적기의 행동 패턴 데이터에 포함된 적기의 위치 좌표에 해당하는 y가 약간이라도 기준 값 Y보다 ‘위’에 있으면 적기가 도발 영역(410)에 있는 것으로 판단하여 적기의 행동 패턴을 도발 행동으로 판단하고, 적기의 위치 좌표에 해당하는 y가 약간이라도 기준 값 Y보다 ‘아래’에 있으면 적군의 주 활동 영역(420)에 있는 것으로 판단하여 적기의 행동 패턴을 일반적인 훈련으로 판단할 수 있다.That is, referring to the graph of FIG. 3, the proving
다시 도 1을 참조하면, 본 발명의 일 실시 예에 따른 도발 징후 판단부(400)는 상술한 수학식 2와 같이 저장부(300)에 저장된 안테나부(100)의 방위각 방향에 따라 초기 적기에 해당하는 저피탐 표적의 위치 좌표에 해당하는 데이터들(예를 들어, (x1, y1), (x2, y2) … (xn, yn))을 이용하여 적군에 해당하는 저피탐 표적의 행동 패턴이 일반적인 훈련에 해당하는 행동 패턴인지, 도발의 징후에 해당하는 행동 패턴인지를 판단하기 위한 판단 기울기인 A를 업데이트하여 저피탐 표적의 행동이 도발 징후에 해당하는지를 판단할 수 있다.Referring to FIG. 1 again, the proving
구체적으로, 본 발명의 일 실시 예에 따른 도발 징후 판단부(400)는 저장부(300)에 실시간으로 저장된 적기에 해당하는 저피탐 표적의 위치 좌표에 해당하는 위치 좌표 데이터 중 시간 t1에 해당하며 안테나부(100)가 일정한 방위각만큼 회전된 상태에서 적기에 해당하는 저피탐 표적의 위치 좌표인 x, y를 이용하여 판단 기울기 A를 업데이트 한 후 일정 시간이 지난 t2에 해당하며 상술한 안테나부(100)가 회전한 일정한 방위각과 동일한 방위각만큼 회전된 상태에서 적기에 해당하는 저피탐 표적의 위치 좌표를 이용하여 판단 기울기 A를 다시 업데이트하는 과정을 반복함으로써 판단 기울기 A가 수렴될 때까지 업데이트를 실시간으로 계속할 수 있으며, 업데이트되어 수렴된 최적의 판단 기울기 A’에 따라 설정된 조건을 이용하여 행동 패턴이 변화된 적기의 행동 패턴을 도발 행동이라고 판단하여 적기에 해당하는 저피탐 표적이 다른 경로로 이동할 것이라고 예측할 수 있다.Specifically, the proving
상술한 판단 기울기 A가 수렴될 때가지 업데이트 된 이후에도 본 발명의 일 실시 예에 따른 도발 징후 판단부(400)가 적기에 해당하는 저피탐 표적의 행동 패턴이 여전히 훈련을 수행하는 행동으로 판단하면, 제어부(500)는 상술한 수렴된 최적의 판단 기울기 A’를 유지한 채로 도발 징후 판단부(400)가 저장부(300)에 저장된 저피탐 표적의 위치 좌표 데이터로부터 저피탐 표적의 행동 패턴이 도발 징후에 해당하는지 여부를 반복하여 판단하도록 도발 징후 판단부(400)를 제어할 수 있다.If the proving
즉, 본 발명의 일 실시 예에 따른 도발 징후 판단부(400)가 적기에 해당하는 저피탐 표적의 행동 패턴이 일반적인 훈련에 해당하는 행동이라고 판단하면, 저장부(300)는 계속적으로 적기에 해당하는 저피탐 표적의 위치 좌표 데이터를 축적 및 저장하고, 본 발명의 일 실시 예에 따른 제어부(500)는 도발 징후 판단부(400)가 저장부(300)에 계속적으로 저장된 저피탐 표적의 위치 좌표 데이터로부터 적기의 훈련 패턴 및 특성에 대해 지속적으로 학습을 수행하도록 제어할 수 있다.That is, if the proving
그러나, 본 발명의 일 실시 예에 따른 도발 징후 판단부(400)가 적기에 해당하는 저피탐 표적의 행동 패턴이 최종적으로 도발 행동에 해당하는 것으로 판단하면, 제어부(500)는 도발 행동을 하는 저피탐 표적을 지속적으로 탐지하고 추적하도록 안테나부(100)를 회전시키는 회전부(200)를 제어할 수 있다.However, if the proving
따라서, 인공지능 알고리즘으로 분석된 결과로 제어 피드백을 주면, 제어부(500)는 적기의 움직임에 따라 안테나부(100)가 방위각 방향으로 회전하도록 회전부(200)를 제어할 수 있다.Accordingly, when the control feedback is given as a result of the analysis by the artificial intelligence algorithm, the control unit 500 can control the
구체적으로, 본 발명의 일 실시 예에 따른 제어부(500)는 인공지능 기술을 활용하여 도발 징후 판단부(400)에서 도발 행동을 수행하는 것으로 판단된 적기에 해당하는 저피탐 표적의 항적과 궤도를 실시간으로 안테나부(100)가 따라가도록, 안테나부(100)를 회전시키는 회전부(200)에 지속적인 피드백을 주어 회전부(200)가 안테나부(100)를 회전시키도록 제어할 수 있다.Specifically, the controller 500 according to an exemplary embodiment of the present invention uses the artificial intelligence technology to detect the wake-up trajectory and trajectory of the enemy that is determined to perform the provocation action in the provoke
다시 도 2를 참조하면, 본 발명의 일 실시 예에 따른 제어부(500)는 엔코더(220)에서 측정된 모터(210)의 각도 및 위치로부터 안테나부(100)를 회전시켜 도발 징후 판단부(400)에서 판단된 도발 징후에 해당하는 행동 패턴을 가지는 저피탐 표적이 이동한 이동 경로 변화를 추적하도록 모터(210)를 제어할 수 있다.2, the control unit 500 according to an exemplary embodiment of the present invention rotates the
따라서, 본 발명의 일 실시 예에 따른 제어부(500)가 회전시킬 안테나부(100)의 회전 각도를 산출하면, 상술한 엔코더(220)에서 측정된 현재 모터(210)의 각도 및 위치를 이용하여 제어부(500)는 상술한 저피탐 표적을 추적하도록 안테나부(100)를 회전시키도록 모터(210)를 제어할 수 있다.Therefore, if the controller 500 according to the embodiment of the present invention calculates the rotation angle of the
본 발명의 일 실시 예에 따른 제어부(500)는 인공지능 기술을 활용하여 모터(210)의 각도 및 위치를 측정하는 엔코더(220)와 실시간으로 피드백하여 도발 징후 판단부(400)에서 훈련 경로를 이탈하여 이동하는 것으로 판단된 적기에 해당하는 저피탐 표적의 변화된 위치로 안테나부(100)의 방위각을 회전시켜 안테나부(100)가 실시간으로 저피탐 표적의 이동 경로를 추적하도록 모터(210)를 제어할 수 있다.The control unit 500 according to an embodiment of the present invention includes an encoder 220 for measuring the angle and position of the motor 210 using artificial intelligence technology, The
따라서, 본 발명의 일 실시 예에 따른 제어부(500)는 안테나부(100)가 도발 행동을 수행하는 적기에 해당하는 저피탐 표적을 추적하도록 모터(210)의 각도 및 위치를 측정하는 엔코더(220)와 실시간으로 피드백하여 ±1 arcmin 높은 정밀도로 안테나부(100)를 회전하도록 모터(210)를 제어할 수 있다.Accordingly, the controller 500 according to an embodiment of the present invention includes an encoder 220 for measuring the angle and position of the motor 210 to track the low-fat target corresponding to the enemy when the
본 발명의 또 다른 일 실시 예에 따른 제어부(500)는 엔코더(220)로부터 전송받은 구동 특성 정보를 처리하여 시각 디스플레이 장치 또는 프린터와 같은 출력부로 처리 결과를 출력할 수 있다.The control unit 500 according to another embodiment of the present invention can process the drive characteristic information received from the encoder 220 and output the processed result to an output unit such as a visual display device or a printer.
지금까지 도 1 및 도 2를 참고하여, 본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치(10)에 대해서 설명하였다.With reference to FIGS. 1 and 2, a description has been given of a low-fat
그러나, 도 1 및 도 2에 예시된 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다. 그리고 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다.However, it is to be clarified that the division of the components illustrated in FIG. 1 and FIG. 2 is merely a division by main functions that each component is responsible for. That is, two or more constituent parts may be combined into one constituent part, or one constituent part may be divided into two or more functions according to functions that are more subdivided. In addition, each of the constituent units may additionally perform some or all of the functions of the other constituent units in addition to the main functions of the respective constituent units, and some of the main functions of the constituent units are dedicated to the other constituent units Of course.
도 4는 본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 방법을 설명하기 위한 흐름도이다.4 is a flowchart illustrating a method for detecting a low-fat target using a big data-based artificial intelligence technology according to an embodiment of the present invention.
빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 방법은 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치에서 시계열적으로 수행되는 하기의 단계들을 포함하며 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치와 동일한 방식으로 동작한다.Big-data-based target detection method using Big Data-based Artificial Intelligence Technology includes the following steps that are performed in a time-wise manner in a low-fat target detection device using Big Data-based Artificial Intelligence Technology, It operates in the same manner as the detection device.
도 4를 참조하면, 안테나부가 적기에 해당하는 저피탐 표적으로부터 반사된 신호를 수신한다(S310).Referring to FIG. 4, the antenna receives the reflected signal from the low-frequency target corresponding to the bandit (S310).
구체적으로, 안테나부는 적기에 해당하는 저피탐 표적을 조준하기 위한 신호를 방사하고, 저피탐 표적으로 방사된 신호가 저피탐 표적에 반사된 신호를 수신할 수 있으며, 안테나부가 방사하는 신호 또는 수신하는 신호는 RF(Radio Frequency) 신호를 나타낼 수 있다.Specifically, the antenna unit emits a signal for aiming at a low-fat tidal target corresponding to the bandit, and a low-fat tidal target can receive a signal reflected from the low fat tidal target. The signal may represent an RF (Radio Frequency) signal.
안테나부의 구체적인 설명은 전술하였으므로 자세한 설명은 생략하도록 한다.Since a detailed description of the antenna portion has been described above, a detailed description will be omitted.
회전부가 저피탐 표적을 추적하도록 안테나부를 회전한다(S320).The rotation unit rotates the antenna unit so as to track the bubble track target (S320).
상술한 회전부는 전력을 받아서 회전할 수 있으며, 축에 회전력을 발생시키는 모터를 이용하여 상술한 적기에 해당하는 저피탐 표적을 탐지하도록 안테나부를 회전시킬 수 있다.The above-described rotating unit can rotate by receiving electric power, and the antenna unit can be rotated to detect the low-fat tread target corresponding to the aforementioned bandit by using a motor that generates a rotating force on the shaft.
본 발명의 일 실시 예에 따른 모터는 시스템의 정확한 소요토크를 분석하여 선정된 충분한 마진을 보유한 정격토크 및 최대토크를 가지고 있는 모터일 수 있으며, 제어부는 모터의 구동시 소모되는 전력으로부터 모터에 의해 출력되는 토크 정보인 소요토크를 상술한 수학식 1을 이용하여 산출할 수 있으며, 상술한 모터는 산출된 소요 토크와 정격 토크 및 최대 토크를 비교하여 선정된 충분한 마진을 보유한 모터일 수 있다.The motor according to an embodiment of the present invention may be a motor having a rated torque and a maximum torque having a predetermined sufficient margin by analyzing an accurate required torque of the system, The required torque, which is torque information to be outputted, can be calculated using Equation (1) described above. The above-described motor can be a motor having a sufficient margin determined by comparing the calculated required torque with the rated torque and the maximum torque.
소요토크를 산출하는 구체적인 방법은 전술하였으므로 자세한 설명은 생략하도록 한다.A specific method of calculating the required torque has been described above, so a detailed description will be omitted.
본 발명의 일 실시 예에 따른 모터는 안테나부를 회전시키기 위한 기계 에너지를 발생시켜 지정된 각도만큼 회전할 수 있도록 위치 제어가 가능한 서보 모터일 수 있으며, 상술한 서보 모터는 시계 방향으로 270도 회전가능하고, 반시계 방향으로 270도 회전이 가능할 수 있다.The motor according to an embodiment of the present invention may be a servo motor capable of generating a mechanical energy for rotating the antenna unit and controlling the position so as to be rotated by a specified angle. The servo motor may be rotated 270 degrees clockwise , And 270 degrees in the counterclockwise direction.
본 발명의 일 실시 예에 따른 회전부는 회전시킬 안테나부의 방위각인 회전 방위각을 측정하도록 모터의 각도 및 위치를 정밀하게 측정하는 엔코더를 더 포함하여, 모터가 얼마나 회전하였는지를 정밀하게 측정할 수 있다.The rotation unit according to an embodiment of the present invention further includes an encoder for precisely measuring an angle and a position of the motor so as to measure a rotation azimuth angle of the antenna unit to be rotated, so that the rotation of the motor can be precisely measured.
제어부는 상술한 엔코더와 실시간으로 피드백 하여 서보 모터가 구동하도록 제어할 수 있다.The control unit can control the servo motor to be driven by feedback with the encoder in real time.
또한, 본 발명의 또 다른 일 실시 예에 따른 회전부는 동력원인 모터의 회전 속도를 감속시켜 토크를 증가시키는 모터 감속기를 더 포함할 수 있다.According to still another aspect of the present invention, the rotating unit may further include a motor reducer for increasing torque by reducing a rotating speed of the motor, which is a power source.
상술한 회전부에 대한 구체적인 설명은 전술하였으므로 자세한 설명은 생략하도록 한다.The detailed description of the rotation unit has been described above, so a detailed description thereof will be omitted.
저장부가 안테나부가 회전하면서 획득한 저피탐 표적의 위치 좌표 데이터를 저장한다(S330).The storage unit stores position coordinate data of the low-fat target in the rotation of the antenna unit (S330).
상술한 위치 좌표 데이터는 안테나부의 방위각에 따라 획득한 적기에 해당하는 저피탐 표적이 위치하는 위도, 경도 및 고도 중 적어도 어느 하나의 좌표 데이터일 수 있으며, 저장부는 안테나부의 방위각 방향 및 시간의 변화를 고려하여 상술한 저피탐 표적의 위치 좌표 데이터를 구분하여 저장할 수 있다.The position coordinate data may be coordinate data of at least one of latitude, longitude, and altitude at which a low-frequency target corresponding to a predetermined time is acquired according to an azimuth angle of the antenna unit. The storage unit stores the azimuth angle direction and time change of the antenna unit It is possible to store and store the position coordinate data of the low-fat target as described above.
이때 저장공간은 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치 내부에 저장되거나 별도의 외부저장공간에 저장되되, 유무선통신 등으로 연결될 수 있다.In this case, the storage space may be stored in the internal navigation device using the BIG data-based artificial intelligence technology or may be stored in a separate external storage space, and may be connected to wired / wireless communication.
도발 징후 판단부가 저장된 저피탐 표적의 위치 좌표 데이터로부터 저피탐 표적의 훈련 패턴을 분석하여 도발 징후 여부를 판단한다(S340).The provocation symptom determination unit analyzes the training pattern of the hypothetical target from the position coordinate data of the stored hypothetical target to judge whether or not the provocation is indicative of provocation (S340).
본 발명의 일 실시 예에 따른 도발 징후 판단부는 빅데이터에 기반하여 신경망(neural networking)과 같은 딥러닝 알고리즘에 대한 상술한 수학식 2를 이용하여 적기의 훈련 패턴 및 전략/전술의 특성 등을 학습하고 분석할 수 있다.The proving symptom determination unit according to an embodiment of the present invention learns the characteristics of the timely training pattern and strategy / tactic using the above-described Equation 2 for the deep learning algorithm such as neural networking based on the big data .
도발 징후 판단부가 적기의 도발 징후를 판단하는 구체적인 방법은 전술하였으므로 자세한 설명은 생략하도록 한다.The specific method of judging the provocation symptom of the bandit symptom judging unit has been described above, so a detailed explanation will be omitted.
제어부가 판단된 저피탐 표적의 도발 징후 여부를 고려하여 안테나부를 회전시키도록 회전부를 제어한다(S350).The control unit controls the rotation unit to rotate the antenna unit in consideration of whether or not the detected hypothetical target is a provocation symptom (S350).
저피탐 표적의 행동 패턴이 일반적인 훈련에 해당하는 행동이면, 저장부는 계속적으로 적기에 해당하는 저피탐 표적의 위치 좌표 데이터를 축적 및 저장하고, 제어부는 도발 징후 판단부가 저장부에 계속적으로 저장된 저피탐 표적의 위치 좌표 데이터로부터 적기의 훈련 패턴 및 특성에 대해 지속적으로 학습을 수행하도록 제어할 수 있다.If the behavior pattern of the low-fat target target is an action corresponding to general training, the storage unit continuously accumulates and stores the low-fat target target position coordinate data corresponding to the enemy target, and the control unit stores the low- It is possible to control so that learning is continuously performed on timely training patterns and characteristics from the position coordinate data of the target.
하지만, 적기에 해당하는 저피탐 표적의 행동 패턴이 도발 징후에 해당하는 행동이면, 제어부는 도발 행동을 하는 저피탐 표적을 지속적으로 탐지하고 추적하도록 안테나부를 회전시키는 회전부를 제어할 수 있다.However, if the behavior pattern of the low-fat ride target corresponding to the bandit is an action corresponding to the provocation symptom, the control unit can control the rotation unit to rotate the antenna unit to continuously detect and track the low fat ride target performing the provocation action.
상술한 제어부에 대한 구체적인 설명은 전술하였으므로 자세한 설명은 생략하도록 한다.Since the detailed description of the control unit has been described above, a detailed description thereof will be omitted.
따라서, 본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 방법은, 안테나부로부터 획득한 적기의 위치 좌표 데이터를 빅데이터로 하여 딥러닝 알고리즘에 따라 인공지능학적으로 적기의 행동 패턴을 분석하여 적기의 행동 패턴이 도발 징후에 해당하는 행동 패턴에 해당할 때까지 계속 반복 수행한다는 장점이 있다.Therefore, in the method of detecting the low-fat target using the big data-based artificial intelligence technology according to the embodiment of the present invention, the position coordinate data of the enemy is acquired as the big data, The behavioral pattern of the target is analyzed repeatedly until the target behavior pattern corresponds to the behavior pattern corresponding to the provocation symptom.
도 5는 본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 방법을 구체적으로 설명하기 위한 흐름도이다.FIG. 5 is a flowchart illustrating a method for detecting a low-fat target using a big data-based artificial intelligence technology according to an exemplary embodiment of the present invention.
도 5를 참조하면, 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치가 장착된 레이더의 운용을 시작한다(S510).Referring to FIG. 5, the operation of the radar equipped with the navigation device with the navigation device using the big data based artificial intelligence technology is started (S510).
안테나부가 적이 활동하는 적국의 방향을 지향하고 적기에 해당하는 저피탐 표적을 탐지한다(S520).Antenna additionally targets the direction of the enemy where the enemy is active, and detects the enemy target of the enemy base (S520).
저장부는 탐지된 저피탐 표적의 위치 데이터를 저장한다(S530).The storage unit stores the detected location data of the low-fat target (S530).
상술한 저장부는 안테나부가 방위각으로 회전된 방향 중 적국의 위치에 해당하는 모든 방위각 방향에서 저피탐 표적의 위치 좌표에 해당하는 위치 좌표 데이터를 전부 저장할 수 있으며, 상술한 위치 좌표 데이터는 안테나부의 방위각에 따라 획득한 적기에 해당하는 저피탐 표적이 위치하는 위도, 경도 및 고도 중 적어도 어느 하나의 좌표 데이터일 수 있다.The above-mentioned storage unit may store all the position coordinate data corresponding to the position coordinates of the hypothetical target in all directions of the azimuth angle corresponding to the position of the enemy station among the directions in which the antenna is rotated by the azimuth angle. And may be coordinate data of at least one of a latitude, a longitude and an altitude at which the low fat target corresponding to the bandit acquired is located.
도발 징후 판단부는 저피탐 표적의 행동 패턴이 일반적인 훈련에 해당하는 행동 패턴인지, 도발의 징후에 해당하는 행동 패턴인지를 판단하기 위한 판단 기울기를 안테나부로부터 획득된 적기에 해당하는 저피탐 표적의 주 활동 영역에 해당하는 위치 좌표 (x, y)의 데이터를 기초로 설정한다(S540).The provocation symptom judge judges whether the behavior pattern of the hippy tom target is a behavior pattern corresponding to the general training or a behavior pattern corresponding to the provocation, (X, y) corresponding to the active area (S540).
예를 들어, 상술한 판단 기울기는 안테나부로부터 획득된 적기에 해당하는 저피탐 표적의 주 활동 영역에 해당하는 위치 좌표 (x, y)의 데이터를 기초로 임의로 설정될 수 있으며, 후술하는 바와 같이 임의로 설정된 판단 기울기를 업데이트 하여 임의로 설정된 판단 기울기로부터 적기의 도발 징후를 판단하기 위한 최적의 판단 기울기를 산출할 수 있다. For example, the above-described judgment slope can be arbitrarily set based on the data of the position coordinates (x, y) corresponding to the main activity area of the hypothetical target corresponding to the enemy obtained from the antenna unit, An arbitrary judgment slope can be updated to calculate an optimum judgment slope for judging a provocative symptom of an enemy from a judgment slope set arbitrarily.
도발 징후 판단부는 기준 값 Y와 실제 출력 값 y 간 차이에 해당하는 오차율에 기초하여 판단 기울기를 업데이트하는 변화량 값을 산출한다(S550).The provocation symptom judging unit calculates a variation value for updating the judgment gradient based on the error rate corresponding to the difference between the reference value Y and the actual output value y (S550).
본 발명의 일 실시 예에 따른 도발 징후 판단부는 상술한 수학식 2와 같이 오차율과 입력 값에 해당하는 저피탐 표적의 위치 좌표가 변화량 값을 산출하기 위해 반영되는 정도를 결정하는 값인 학습률을 이용하여 상술한 변화량 값을 일정한 비율로 조정하여 산출할 수 있다.The proving symptom determination unit according to an embodiment of the present invention may use the learning rate which is a value that determines the error rate and the degree to which the position coordinates of the hypothetical target corresponding to the input value are reflected to calculate the variation value, It is possible to calculate the variation amount by adjusting the variation amount at a predetermined ratio.
도발 징후 판단부는 저장부에 저장된 적기에 해당하는 저피탐 표적의 현재 위치 좌표 및 업데이트 된 판단 기울기로부터 저피탐 표적의 도발 징후를 판단하기 위한 기준 값을 산출한다(S560).The provocation symptom judging unit calculates a reference value for judging the provocation indications of the low-pyramidal target from the current position coordinates of the low-pyramid target corresponding to the appropriate time stored in the storage unit and the updated judgment slope (S560).
본 발명의 일 실시 예에 따른 도발 징후 판단부는 저장부에 저장된 적기에 해당하는 저피탐 표적의 현재 위치 좌표 및 업데이트 되어 일정한 값으로 수렴된 최적의 판단 기울기로부터 기준 값을 산출할 수 있다.The provocation symptom determination unit according to an embodiment of the present invention may calculate the reference value from the current position coordinates of the target corresponding to the appropriate period stored in the storage unit and an optimal judgment slope that is updated and converged to a constant value.
도발 징후 판단부는 기준 값과 저피탐 표적의 현재 위치 좌표의 값과 비교하여 적기에 해당하는 저피탐 표적의 행동 패턴이 도발 징후에 해당하는 행동 패턴인지를 판단한다(S570).The provocation symptom judging unit compares the reference value with the value of the current location coordinate of the low-pyramid target to determine whether the low-pyramid behavior pattern corresponds to the provocation symptom (S570).
구체적으로, 본 발명의 일 실시 예에 따른 도발 징후 판단부는 현재 위치 좌표의 값이 기준 값과 같거나 작으면 상기 저피탐 표적의 행동 패턴이 훈련에 해당하는 행동 패턴으로 판단하여 S520 단계로 돌아가서 상술한 과정을 반복할 수 있다.Specifically, if the current location coordinate value is equal to or smaller than the reference value, the provocation symptom determination unit according to the embodiment of the present invention determines that the behavior pattern of the hypothetical target is a behavior pattern corresponding to the training, You can repeat a process.
즉, 도발 징후 판단부가 저피탐 표적의 행동 패턴이 일반적인 훈련이라고 판단하면, 저장부는 계속 데이터를 축적하고 도발 징후 판단부는 적기의 훈련패턴 및 특성에 대해 지속적으로 학습을 수행하는 과정을 반복할 수 있다.That is, if the provocation symptom judge judges that the behavior pattern of the hippy target is general training, the storage unit accumulates data continuously, and the provoking symptom judgment unit can repeat the process of continuously learning about the training patterns and characteristics of the enemy .
이에 비해, 본 발명의 일 실시 예에 따른 도발 징후 판단부는 현재 위치 좌표의 값이 산출된 기준 값보다 크면 저피탐 표적의 행동 패턴이 도발 징후에 해당하는 행동 패턴으로 판단하고, 제어부는 도발 행동을 하는 저피탐 표적의 항적과 궤도를 실시간으로 추적하도록 안테나부를 회전시키는 회전부를 제어할 수 있다.On the other hand, if the current location coordinate value is greater than the calculated reference value, the provocation symptom determination unit according to an embodiment of the present invention determines that the behavior pattern of the hypothetical target is a behavior pattern corresponding to the provocation symptom, And a rotation unit that rotates the antenna unit to track the trajectory and trajectory of the low-fat target in real time.
따라서, 본 발명의 일 실시 예에 따른 제어부는 인공지능 기술을 활용하여 도발 징후 판단부에서 도발 행동을 수행하는 것으로 판단된 적기에 해당하는 저피탐 표적의 항적과 궤도를 실시간으로 안테나부가 따라가도록, 안테나부를 회전시키는 회전부에 지속적인 피드백을 주어 회전부가 안테나부의 방위각을 회전시키도록 제어할 수 있다.Therefore, the control unit according to the embodiment of the present invention uses the artificial intelligence technology so that the antenna unit follows real-time trajectories and trajectories of the hypothetical target that are determined to perform the provocation action in the provoking symptom determination unit, It is possible to control the rotation unit to rotate the azimuth angle of the antenna unit by giving continuous feedback to the rotation unit for rotating the antenna unit.
상술한 도발 징후를 판단하는 구체적인 방법 및 제어부에 관한 구체적인 설명은 전술하였으므로 자세한 설명은 생략하도록 한다.The specific method of determining the provocation symptom and the detailed description of the control unit have been described above, so a detailed description thereof will be omitted.
도 4 및 도 5에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나 이는 예시적으로 설명한 것에 불과하고, 이 분야의 기술자라면 본 발명의 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 4 및 도 5에 기재된 순서를 변경하여 실행하거나 또는 하나 이상의 과정을 병렬적으로 실행하거나 다른 과정을 추가하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이다.4 and 5 illustrate the sequential execution of the respective steps. However, those skilled in the art will appreciate that those skilled in the art will appreciate that various modifications, additions and substitutions are possible without departing from the essential characteristics of the embodiments of the present invention. It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention.
도 6은 본 발명의 일 실시 예에 따른 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치가 공중 표적을 추적하는 상황을 나타내는 예시도이다.FIG. 6 is a diagram illustrating an example in which a low-fat target detection apparatus using a big data-based artificial intelligence technology traces an air target according to an embodiment of the present invention.
빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치(10)는 전자파를 방사하여 목표 물체의 표면으로부터 반사되는 전자파의 에코를 수신하는 장치인 레이더에 장착되어 저피탐 표적(20)으로부터 반사된 표적 신호를 탐지할 수 있다. 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치(10)가 적기에 해당하는 저피탐 표적(20)의 위치 좌표 데이터로부터 딥러닝 기반의 인공지능기술을 이용하여 저피탐 표적(20)의 전략, 전술 및 훈련 패턴 등을 학습하여 저피탐 표적(20)의 행동 패턴의 분석이 가능하므로 저피탐 표적(20)의 도발 징후를 미리 식별하고 판단할 수 있다.The low-fat
따라서, 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치(10)는 빅데이터 기반 인공지능 기술을 이용함으로써 적기의 행동 패턴의 분석이 가능하므로 적기의 도발 징후를 미리 식별하고 판단할 수 있으며, 적기의 도발 징후에 대해 신속한 대처가 가능한 장점이 있다.Therefore, the
또한, 본 발명의 또 다른 일 실시 예에 따르면 적기의 이동 위치를 탐지 및 추적하여 적기의 이동 방향을 지속적으로 따라갈 수 있도록 안테나부의 방위각 제어가 가능하므로, 안테나부를 상시 360도 일정한 속도로 회전할 필요가 없다.According to another embodiment of the present invention, since the azimuth angle of the antenna unit can be controlled so that the moving direction of the bandit can be continuously detected and tracked, it is necessary to constantly rotate the antenna unit at 360 degrees There is no.
또한, 본 발명의 또 다른 일 실시 예에 따르면 종래의 저피탐 표적 탐지 장치와 달리 슬립링과 같은 회전결합기를 사용하지 않아도 되므로 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치의 단순화가 가능하고, 안테나 면적이 큰 고중량 레이다의 구현이 가능하며, 방열 및 냉각을 용이하게 할 수 있다.In addition, according to another embodiment of the present invention, since it is not necessary to use a rotation coupler such as a slip ring unlike the conventional low-fat tidal target detection device, it is possible to simplify the low fat tidal target detection device using the big data- , A high-intensity radar having a large antenna area can be realized, and heat dissipation and cooling can be facilitated.
본 실시 예들에 따른 동작은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능한 매체에 기록될 수 있다. 컴퓨터 판독 가능한 매체는 실행을 위해 프로세서에 명령어를 제공하는 데 참여한 임의의 매체를 나타낸다. 컴퓨터 판독 가능한 매체는 프로그램 명령, 데이터 파일, 데이터 구조 또는 이들의 조합을 포함할 수 있다. 예를 들면, 자기 매체, 광 기록매체, 메모리 등이 있을 수 있다. 컴퓨터 프로그램은 네트워크로 연결된 컴퓨터 시스템 상에 분산되어 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 본 실시 예를 구현하기 위한 기능적인(Functional) 프로그램, 코드, 및 코드 세그먼트들은 본 실시 예가 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있을 것이다.The operations according to the present embodiments may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. A computer-readable medium represents any medium that participates in providing instructions to a processor for execution. The computer readable medium may include program instructions, data files, data structures, or a combination thereof. For example, there may be a magnetic medium, an optical recording medium, a memory, and the like. The computer program may be distributed and distributed on a networked computer system so that computer readable code may be stored and executed in a distributed manner. Functional programs, codes, and code segments for implementing the present embodiment may be easily deduced by programmers of the technical field to which the present embodiment belongs.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 따라서, 본 발명에 개시된 실시 예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.It will be apparent to those skilled in the art that various modifications, substitutions and substitutions are possible, without departing from the scope and spirit of the invention as disclosed in the accompanying claims. will be. Therefore, the embodiments disclosed in the present invention and the accompanying drawings are intended to illustrate and not to limit the technical spirit of the present invention, and the scope of the technical idea of the present invention is not limited by these embodiments and the accompanying drawings . The scope of protection of the present invention should be construed according to the following claims, and all technical ideas within the scope of equivalents should be construed as falling within the scope of the present invention.
10: 저피탐 표적 탐지 장치 300: 저장부
100: 안테나부 400: 도발 징후 판단부
200: 회전부 500: 제어부10: low fat target detection device 300: storage unit
100: antenna unit 400: provocation symptom judgment unit
200: rotation part 500: control part
Claims (13)
상기 도발 징후 판단부는,
상기 저장된 저피탐 표적의 위치 좌표 데이터를 기초로 상기 저피탐 표적의 행동 패턴이 일반적인 훈련에 해당하는 행동 패턴인지, 도발의 징후에 해당하는 행동 패턴인지를 판단하기 위한 판단 기울기를 설정하고, 상기 설정된 판단 기울기를 업데이트하여 상기 저피탐 표적의 도발 징후 여부를 판단하기 위한 기준 값을 산출하여 상기 저피탐 표적의 도발 징후 여부를 판단하는 것을 특징으로 하는 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치.An antenna unit for receiving a reflected signal from a low-fat target that corresponds to a bandit; A rotating unit including a motor for rotating the antenna unit to track the hypothetical target; A storage unit for storing position coordinate data of the bipinn target acquired by the antenna unit while rotating; A proving symptom determining unit for analyzing the training pattern of the low-fat target from the stored position coordinates data of the low-fat target and judging whether or not a provocation is indicated; And a controller for controlling the rotation unit to rotate the antenna unit in consideration of whether or not the determined hypothetical target is provoked,
The provocation symptom judging unit judges,
Setting a judgment slope for determining whether the behavior pattern of the low-fat target is the behavior pattern corresponding to the general training or the behavior pattern corresponding to the provocation, based on the stored location data of the low fat target, Wherein the judging unit judges whether the hypotheismatic provocation is provoked by calculating a reference value for judging whether the hypotheismatic provocation is provoked or not by updating the judgment slope, .
상기 도발 징후 판단부는,
상기 기준 값과 상기 저피탐 표적의 실제 위치 좌표의 값 간의 차이에 해당하는 오차율에 기초하여 상기 설정된 판단 기울기를 업데이트하는 변화량 값을 산출하고, 상기 산출된 변화량 값을 이용하여 상기 판단 기울기를 업데이트하여 상기 업데이트 된 판단 기울기 및 상기 저장부에 저장된 적기에 해당하는 저피탐 표적의 현재 위치 좌표의 값으로부터 상기 기준 값을 산출하여 상기 저피탐 표적의 도발 징후 여부를 판단하는 것을 특징으로 하는 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치.The method according to claim 1,
The provocation symptom judging unit judges,
Calculating a variation value to update the set gradient slope based on an error rate corresponding to a difference between the reference value and the actual position coordinate of the hypothetical target and updating the gradient using the calculated variation value Based on the updated judgment slope and the value of the current position coordinate of the low-fat target in a timely manner stored in the storage unit, and judges whether the indication of provocation of the low fat target is provoked or not. Detection System of Humane Taste Using Intelligent Technology.
상기 도발 징후 판단부는,
상기 오차율과 입력 값에 해당하는 상기 저피탐 표적의 위치 좌표의 값이 상기 변화량 값을 산출하기 위해 반영되는 정도를 결정하는 값인 학습률을 이용하여 상기 판단 기울기를 업데이트하기 위한 변화량 값을 일정한 비율로 조정하여 산출하는 것을 특징으로 하는 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치.The method of claim 3,
The provocation symptom judging unit judges,
A change rate value for updating the judgment slope is adjusted at a constant rate by using a learning rate which is a value for determining the error rate and the value of the position coordinates of the hypothetical target corresponding to the input value reflected to calculate the variation value And detecting the position of the robot on the basis of the data.
상기 도발 징후 판단부는,
상기 산출된 기준 값과 상기 저피탐 표적의 현재 위치 좌표의 값과 비교하여 (i) 상기 현재 위치 좌표의 값이 상기 산출된 기준 값보다 크면 상기 저피탐 표적의 행동 패턴이 도발 징후에 해당하는 행동 패턴으로 판단하고, (ii) 상기 현재 위치 좌표의 값이 상기 산출된 기준 값과 같거나 작으면 상기 저피탐 표적의 행동 패턴이 훈련에 해당하는 행동 패턴으로 판단하는 것을 특징으로 하는 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치.5. The method of claim 4,
The provocation symptom judging unit judges,
(I) if the value of the current position coordinate is larger than the calculated reference value, the behavior pattern of the hypothetical target is the behavior corresponding to the provocation symptom And (ii) if the value of the current position coordinate is equal to or smaller than the calculated reference value, the behavior pattern of the low-fat target is determined as a behavior pattern corresponding to the training. Detection System of Humane Taste Using Intelligent Technology.
상기 회전부는,
상기 안테나부의 방위각을 회전시킬 회전 방위각을 측정하도록 상기 모터의 각도 및 위치를 측정하는 엔코더를 더 포함하고,
상기 제어부는,
상기 엔코더와 실시간으로 피드백하여 상기 도발 징후 판단부에서 훈련 경로를 이탈하여 이동하는 것으로 판단된 상기 저피탐 표적의 변화된 위치로 상기 안테나부의 방위각을 회전시켜 상기 안테나부가 실시간으로 상기 저피탐 표적의 이동 경로를 추적하도록 상기 모터를 제어하는 것을 특징으로 하는 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치.The method according to claim 1,
The rotation unit includes:
Further comprising an encoder for measuring an angle and a position of the motor to measure a rotational azimuth angle for rotating the azimuth angle of the antenna section,
Wherein,
And the antenna unit rotates the azimuth angle of the antenna unit to a changed position of the hypothetical target determined to move away from the training path in the provocation symptom determination unit by feeding back to the encoder in real time, And the motor is controlled so as to track the robot.
상기 회전부는
동력원인 상기 모터의 회전 속도를 감속시켜 토크를 증가시키는 모터 감속기를 더 포함하고,
상기 모터는 상기 안테나부를 회전시키기 위한 기계 에너지를 발생시켜 상기 안테나부를 미리 설정된 방위각의 범위만큼 회전할 수 있도록 위치 제어가 가능한 서보 모터인 것을 특징으로 하는 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치.The method according to claim 6,
The rotating part
Further comprising a motor reducer for increasing a torque by reducing a rotation speed of the motor which is a power source,
Wherein the motor is a servo motor which generates mechanical energy for rotating the antenna unit and is positionally controllable so that the antenna unit can be rotated by a predetermined azimuth angle range. Device.
상기 서보 모터는 상기 안테나부를 시계 방향으로 270도의 방위각 및 반시계 방향으로 270도의 방위각으로 회전할 수 있도록 위치 제어가 가능한 것을 특징으로 하는 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치.8. The method of claim 7,
Wherein the servo motor is position-controllable so that the antenna unit can be rotated clockwise at an azimuth angle of 270 degrees and at an azimuth angle of 270 degrees in a counterclockwise direction.
상기 제어부는,
상기 모터의 구동시 소모되는 전력으로부터 상기 모터에 의해 출력되는 토크인 소요토크를 산출하고,
상기 모터는 상기 산출된 소요토크를 고려하여 선정된 모터이며,
상기 소요토크는,
(i) 상기 모터의 가감속시 필요로 하는 토크인 최대가속 토크, (ii) 상기 모터에 의해 회전하는 상기 안테나부가 바람에 부딪힐 때, 바람에 의해 상기 안테나부에 발생되는 하중에 의해 발생되는 부하토크인 풍하중에 의한 제1 손실 토크 및 (iii) 상기 모터가 회전하면서 발생되는 마찰에 의해서 생기는 반항토크인 마찰에 의한 제2 손실 토크를 고려하여 산출된 것을 특징으로 하는 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 장치.The method according to claim 1,
Wherein,
A torque required to be output by the motor is calculated from a power consumed in driving the motor,
Wherein the motor is a motor selected in consideration of the calculated required torque,
The above-
(i) a maximum acceleration torque which is a torque necessary for acceleration / deceleration of the motor, (ii) a load generated in the antenna portion due to wind when the antenna portion is rotated by the motor, A first loss torque due to a wind load as a load torque, and (iii) a second loss torque due to friction, which is a rebound torque generated by friction generated when the motor rotates, is taken into account. Detection System of the Humane Taste Using.
상기 도발 징후 여부를 판단하는 단계는,
상기 저장된 저피탐 표적의 위치 좌표 데이터를 기초로 상기 저피탐 표적의 행동 패턴이 일반적인 훈련에 해당하는 행동 패턴인지, 도발의 징후에 해당하는 행동 패턴인지를 판단하기 위한 판단 기울기를 설정하고, 상기 저장된 저피탐 표적의 위치 좌표 데이터를 이용하여 상기 설정된 판단 기울기를 업데이트하여 상기 저피탐 표적의 도발 징후 여부를 판단하기 위한 기준 값을 산출하여 상기 저피탐 표적의 도발 징후 여부를 판단하는 것을 특징으로 하는 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 방법.Receiving a reflected signal from a low-pass target corresponding to an antenna adder; Rotating the antenna unit such that the rotating unit tracks the low-fat target; Storing a location coordinate data of the low frequency target obtained while the antenna unit rotates; Analyzing the training pattern of the low-fat target from the stored position data of the low fat target to judge whether a provocation is indicated; And controlling the rotation unit to rotate the antenna unit in consideration of the determined indication of provocation of the hypothetical target,
Wherein the step of judging whether or not the provocation indicates the provocation,
Setting a judgment slope for judging whether the behavior pattern of the low-fat target is a behavior pattern corresponding to a general training or a behavior pattern corresponding to an indication of provocation based on the stored positional coordinate data of the low- Updating the set judgment slope using position coordinate data of the low-fat target and calculating a reference value for judging whether the low-fat target is provoked or not, and determining whether the low- Detection of Humane Tidal Target Using Data - based Artificial Intelligence Technology.
상기 도발 징후 여부를 판단하는 단계는,
상기 기준 값과 상기 저피탐 표적의 실제 위치 좌표의 값 간의 차이에 해당하는 오차율에 기초하여 상기 설정된 판단 기울기를 업데이트하는 변화량 값을 산출하고, 상기 산출된 변화량 값을 이용하여 상기 판단 기울기를 업데이트하여 상기 업데이트 된 판단 기울기 및 상기 저장부에 저장된 적기에 해당하는 저피탐 표적의 현재 위치 좌표의 값으로부터 상기 기준 값을 산출하여 상기 저피탐 표적의 도발 징후 여부를 판단하는 것을 특징으로 하는 빅데이터 기반 인공지능 기술을 이용한 저피탐 표적 탐지 방법.11. The method of claim 10,
Wherein the step of judging whether or not the provocation indicates the provocation,
Calculating a variation value to update the set gradient slope based on an error rate corresponding to a difference between the reference value and the actual position coordinate of the hypothetical target and updating the gradient using the calculated variation value Based on the updated judgment slope and the value of the current position coordinate of the low-fat target in a timely manner stored in the storage unit, and judges whether the indication of provocation of the low fat target is provoked or not. Detection Method of Humane Tomb Using Intelligent Technology.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180123202A KR101981624B1 (en) | 2018-10-16 | 2018-10-16 | Low-observable target detection apparatus using artificial intelligence based on big data and method thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180123202A KR101981624B1 (en) | 2018-10-16 | 2018-10-16 | Low-observable target detection apparatus using artificial intelligence based on big data and method thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101981624B1 true KR101981624B1 (en) | 2019-05-23 |
Family
ID=66681076
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180123202A KR101981624B1 (en) | 2018-10-16 | 2018-10-16 | Low-observable target detection apparatus using artificial intelligence based on big data and method thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101981624B1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102319395B1 (en) | 2020-05-19 | 2021-10-28 | 연세대학교 산학협력단 | Apparatus for Detecting Target Direction with Neural Network Algorithm Based on Multiple Patterns Using Beam Switching |
| KR20230096720A (en) | 2021-12-23 | 2023-06-30 | 한국로봇융합연구원 | Learning data generation system for reducer defect |
| KR20230096734A (en) | 2021-12-23 | 2023-06-30 | 한국로봇융합연구원 | Diagnosis system for robot reducer defects |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030091310A (en) * | 2002-05-27 | 2003-12-03 | 주식회사유진로보틱스 | Apparatus and method for estimating the relative position by radio frequency |
| KR101030559B1 (en) * | 2007-03-06 | 2011-04-21 | 가부시끼가이샤 도시바 | Suspicious behavior detection system and method |
| KR101393576B1 (en) * | 2012-02-10 | 2014-05-30 | 삼성중공업 주식회사 | Pirate ship eradication system and method having setting function of pirate ship |
| KR101665055B1 (en) * | 2015-04-06 | 2016-10-11 | 이승호 | A tracking antenna system |
| KR101813697B1 (en) * | 2015-12-22 | 2017-12-29 | 한국항공대학교산학협력단 | Unmanned aerial vehicle flight control system and method using deep learning |
-
2018
- 2018-10-16 KR KR1020180123202A patent/KR101981624B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030091310A (en) * | 2002-05-27 | 2003-12-03 | 주식회사유진로보틱스 | Apparatus and method for estimating the relative position by radio frequency |
| KR101030559B1 (en) * | 2007-03-06 | 2011-04-21 | 가부시끼가이샤 도시바 | Suspicious behavior detection system and method |
| KR101393576B1 (en) * | 2012-02-10 | 2014-05-30 | 삼성중공업 주식회사 | Pirate ship eradication system and method having setting function of pirate ship |
| KR101665055B1 (en) * | 2015-04-06 | 2016-10-11 | 이승호 | A tracking antenna system |
| KR101813697B1 (en) * | 2015-12-22 | 2017-12-29 | 한국항공대학교산학협력단 | Unmanned aerial vehicle flight control system and method using deep learning |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102319395B1 (en) | 2020-05-19 | 2021-10-28 | 연세대학교 산학협력단 | Apparatus for Detecting Target Direction with Neural Network Algorithm Based on Multiple Patterns Using Beam Switching |
| KR20230096720A (en) | 2021-12-23 | 2023-06-30 | 한국로봇융합연구원 | Learning data generation system for reducer defect |
| KR20230096734A (en) | 2021-12-23 | 2023-06-30 | 한국로봇융합연구원 | Diagnosis system for robot reducer defects |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101981624B1 (en) | Low-observable target detection apparatus using artificial intelligence based on big data and method thereof | |
| US20200285254A1 (en) | Obstacle avoidance method for unmanned aerial vehicle and unmanned aerial vehicle | |
| US10011276B2 (en) | Collision avoidance device | |
| US20170059692A1 (en) | Mitigation of Small Unmanned Aircraft Systems Threats | |
| US8105028B2 (en) | Systems and methods for mitigating the effects of wind turbines on radar | |
| US20200388172A1 (en) | Obstacle avoidance control method for unmanned aerial vehicle, radar system, and unmanned aerial vehicle | |
| US20070001051A1 (en) | System and method for the measurement of full relative position and orientation of objects | |
| Kirubarajan et al. | IMMPDA solution to benchmark for radar resource allocation and tracking in the presence of ECM | |
| Kwag et al. | UAV based collision avoidance radar sensor | |
| CN108536139B (en) | System and method for driving a vehicle | |
| JPS623665A (en) | Method of detecting turbulence of air | |
| CN110703223B (en) | Adjusting method applied to laser radar and electronic equipment | |
| US11067676B2 (en) | Lidar intensity calibration | |
| AU2019210587A1 (en) | Object detection based on lidar intensity | |
| US11656637B2 (en) | Cooperative path planning method and device for automatic control aerocraft and aerocraft system | |
| EP0614535B1 (en) | Radar tracking system having target position dead reckoning | |
| JP2013019702A (en) | Radar device and target position calculating method | |
| WO2022099468A1 (en) | Radar, radar data processing method, mobile platform, and storage medium | |
| CN110379242B (en) | Synchronous training system for radar equipment and radar countermeasure equipment and drilling method thereof | |
| KR102197086B1 (en) | Apparatus and method for tracking target for antiaircraft | |
| JP5971981B2 (en) | Target motion prediction apparatus and target motion prediction method | |
| US5501413A (en) | Method and device for recognizing decoys serving to disguise a target with the aid of an active search head | |
| JP6856964B1 (en) | Flying object collision avoidance system and flying object collision avoidance control device | |
| CN112379366B (en) | Radar target tracking algorithm based on particle swarm filtering | |
| CN114859338A (en) | Millimeter wave radar target tracking device and detection method based on rotating holder |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |