KR102476177B1 - 탐지 전 추적기법과 동적필터를 사용한 해양포유류 신호 주파수 특성 자동 추출 방법 및 이를 위한 시스템 - Google Patents

탐지 전 추적기법과 동적필터를 사용한 해양포유류 신호 주파수 특성 자동 추출 방법 및 이를 위한 시스템 Download PDF

Info

Publication number
KR102476177B1
KR102476177B1 KR1020220112697A KR20220112697A KR102476177B1 KR 102476177 B1 KR102476177 B1 KR 102476177B1 KR 1020220112697 A KR1020220112697 A KR 1020220112697A KR 20220112697 A KR20220112697 A KR 20220112697A KR 102476177 B1 KR102476177 B1 KR 102476177B1
Authority
KR
South Korea
Prior art keywords
marine
signal
target
probability
signal frequency
Prior art date
Application number
KR1020220112697A
Other languages
English (en)
Inventor
최지웅
설호석
윤영글
송택렬
Original Assignee
한양대학교 에리카산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한양대학교 에리카산학협력단 filed Critical 한양대학교 에리카산학협력단
Priority to KR1020220112697A priority Critical patent/KR102476177B1/ko
Application granted granted Critical
Publication of KR102476177B1 publication Critical patent/KR102476177B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/14—Systems for determining distance or velocity not using reflection or reradiation using ultrasonic, sonic, or infrasonic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H11/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by detecting changes in electric or magnetic properties

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

탐지 전 추적기법과 동적필터를 사용한 해양포유류 신호 주파수 특성 자동 추출 방법으로, 탐지전 추적기법 알고리즘(TBD)을 사용하여 해양신호로부터 관측치를 선택하는 단계; 및 상기 선택된 관측치에 대한 동적필터 보정을 적용하여 상기 관측치로부터 해양신호를 추출하는 단계를 포함하는 것을 특징으로 하는 해양포유류 신호 주파수 특성 자동 추출 방법이 제공된다.

Description

탐지 전 추적기법과 동적필터를 사용한 해양포유류 신호 주파수 특성 자동 추출 방법 및 이를 위한 시스템{Method for automatic extraction of signal frequency characteristics of marine mammals using track before detect and signal intensity based dynamic filtering and systems therefor}
본 발명은 낮은 신호 대 잡음비 환경에서 해양포유류의 음향 신호를 자동으로 추출하는 방법에 관한 것으로 보다 상세하게는 Track Before Detect(TBD) 기법을 적용한 PSNF-m 동적필터 (dynamic filter) 알고리즘으로 낮은 SNR 환경에서 해양포유류 신호들을 효과적으로 식별할 수 있는 방법에 관한 것이다.
해양포유류는 주로 수중에서 생활하며 일상적인 활동에 다양한 소리를 사용하므로, 음향 관측을 이용하는 방법이 수중에 있는 고래를 연구하는데 효과적이다. 음향 조사를 통한 해양포유류를 연구하기 위해서는 해양포유류가 발생시키는 음향 신호 탐지가 기반이 되므로 이를 정확하게 파악하는 것은 해양포유류 연구에 있어서 필수적이다.
따라서 장시간 수중에서 녹음된 음향신호 중 해양포유류의 신호를 자동으로 추출하기 위해 다양한 방법의 연구가 진행되었는데, 이는 하기 선행문헌 중 비특허문헌을 통하여 개시된다. 이를 보다 상세히 살펴보면 다음과 같다.
비특허 문헌 [1]에서는 수신 신호의 시간-주파수 구조는 순시 진폭, 위상 및 주파수 측면에서 연속성을 분석하여 고래소리를 분리하였다. 비특허 문헌 [2]에서는 고래소리의 스펙트로그램에서 배경 제거 기술을 적용한 다음 미리 결정된 임계값 이상의 데이터 영역을 검색하는 방법을 통하여 고래소리의 특성을 추출하는 기법을 제안하였고, 비특허 문헌 [3]은 고래소리 스펙트로그램에서 Contour 라인을 따는 방식, 비특허 문헌 [4]에서는 고래소리 스펙트로그램 이미지에서 Ridge detection 기법을 이용하여 고래소리 특성을 자동으로 추출하였다.
비특허 문헌 [5]에서는 고래소리의 스펙트로그램에서 순서통계 및 사전 백색화 기법을 이용하여 배경잡음을 제거하고 적응형 노치 필터링을 이용하여 고래소리를 추출하였고, 비특허 문헌 [6]에서는 고래소리의 스펙트로그램에서 잡음제거 기법을 적용하고 칼만필터를 통하여 고래소리 특성을 추출하였으며, 비특허 문헌 [7]에서는 파티클필터를 통하여 추출하였다.
하지만, 기존의 연구들은 높은 신호 대 잡음비(Signal to Noise Ratio, SNR)에서만 효과적으로 수행되었으며, 노이즈가 강한 경우 False positive가 많이 발생하였다. 특히 신호세기가 작아 SNR이 낮은 경우 피크 탐지 알고리즘에서 신호를 파악하지 못하는 경우가 발생한다.
특히 해양에서는 생물에 의해 발생하는 소음, 바람이나 지진 등으로 인한 물리적인 소음, 선박 또는 해상공사 등의 인위적인 소음 등의 다양한 원인으로 인해 원하지 않는 소음이 항상 존재하므로, 이러한 소음으로 인해 음향 측정 시 해양포유류 신호 외에 다른 거짓정보(clutter)가 함께 수집된다. 이러한 거짓정보는 낮은 신호 대 잡음비(SNR) 환경을 야기하며, 낮은 SNR 환경은 해양포유류 소리를 오탐지하게 되는 주요 요인으로 작용하는 점을 고려하여 볼 때, 낮은 SNR 환경에서는 TBD기법과 비특허 문헌 [8]과 같은 자료결합기술을 적용한 동적필터링을 적용하여 정확한 해양포유류 소리 특성을 추출하는 기술의 개발이 필요하다.
[1] 한국공개특허 10-2016-0110773
[1] C. Ioana, C. Gervaise, Y. Stephan, and J. I. Mars, "Analysis of underwater mammal vocalisations using time-frequency-phase tracker," Appl. Acoust. 71, 1070-1080 (2010). [2] D. Gillespie, M. Caillat, J. Gordon, and P. White, "Automatic detection and classification of odontocete whistles," J. Acoust. Soc. Am. 134, 2427-2437 (2013). [3] S. Datta and C. Sturtivant, "Dolphin whistle classification for determining group identities," Sign. Process. 82, 251-258 (2002). [4] A. Kershenbaum and M. A. Roch, "An image processing based paradigm for the extraction of tonal sounds in cetacean communications," J. Acoust. Soc. Am. 134, 4435-4445 (2013). [5] A. T. Johansson and P. R. White, "An adaptive filter-based method for robust, automatic detection and frequency estimation of whistles," J. Acoust. Soc. Am. 130, 893-903 (2011). [6] A. Mallawaarachchi, S. Ong, M. Chitre, and E. Taylor, "Spectrogram denoising and automated extraction of the fundamental frequency variation of dolphin whistles," J. Acoust. Soc. Am. 124, 1159-1170 (2008). [7] M. A. Roch, T. S. Brandes, B. Patel, Y. Barkley, S. Baumann-Pickering, and M. S. Soldevilla, "Automated extraction of odontocete whistle contours," J. Acoust. Soc. Am. 130, 2212-2223 (2011). [8] T.L. Song, Y.T. Lim, and D.G. Lee, " A probabilistic strongest neighbor filter algorithm for m validated measurements," IEEE Transactions on Aerospace and Electronic Systems, 45(2), 431-442(2009)
본 발명이 해결하고자 하는 과제는 낮은 SNR 환경에서는 정확한 해양포유류 소리 특성을 추출하는 시스템과 방법을 제공하는 것이다.
상기 과제를 해결하기 위하여, 본 발명은 탐지 전 추적기법과 동적필터를 사용한 해양포유류 신호 주파수 특성 자동 추출 방법으로, 탐지전 추적기법 알고리즘(TBD)을 사용하여 해양신호로부터 관측치를 선택하는 단계; 및 상기 선택된 관측치에 대한 동적필터 보정을 적용하여 상기 관측치로부터 해양신호를 추출하는 단계를 포함하는 것을 특징으로 하는 해양포유류 신호 주파수 특성 자동 추출 방법을 제공한다.
본 발명의 일 실시예에서, 상기 탐지전 추적기법 알고리즘(TBD)은 하기 식을 통하여 누적측정치(
Figure 112022093744577-pat00001
)가 가장 큰 값을 관측치로 선택한다.
Figure 112022093744577-pat00002
(여기에서
Figure 112022093744577-pat00003
는 표적의 신호세기의 확률밀도함수이며,
Figure 112022093744577-pat00004
는 거짓정보의 신호세기의 확률밀도함수이며,
Figure 112022093744577-pat00005
는 상태변수로
Figure 112022093744577-pat00006
Figure 112022093744577-pat00007
는 주파수,
Figure 112022093744577-pat00008
는 주파수 변화량(속도),
Figure 112022093744577-pat00009
는 현재 주파수의 신호세기 값, T는 시간이며,
Figure 112022093744577-pat00010
로
Figure 112022093744577-pat00011
는 관측행렬로 정의되며,
Figure 112022093744577-pat00012
는
Figure 112022093744577-pat00013
의 오차공분산을 의미함)
본 발명의 일 실시예에서, 상기 필터추정치 보정은
Figure 112022093744577-pat00014
에 대한 확률적 가중치
Figure 112022093744577-pat00015
를 가중치 결합 알고리즘에 적용하여 상태추정치 보정을 수행한다.
본 발명의 일 실시예에서, 상기
Figure 112022093744577-pat00016
에 대한 확률적 가중치
Figure 112022093744577-pat00017
는 하기 식에 따라 계산된다.
Figure 112022093744577-pat00018
Figure 112022093744577-pat00019
(여기에서
Figure 112022093744577-pat00020
은 선택된 관측치가 표적일 확률,??
Figure 112022093744577-pat00021
는 표적이 아닐 확률이며,
Figure 112022093744577-pat00022
의 관계를 가짐. 또한
Figure 112022093744577-pat00023
는 선택된 관측치가 표적일 사건,
Figure 112022093744577-pat00024
는 선택된 관측치가 표적정보가 아닌 거짓정보인 사건,
Figure 112022093744577-pat00025
는 표적의 관측치가 유효측정영역 내 존재하지 않을 사건을 의미함)
본 발명의 일 실시예에서, 상기
Figure 112022093744577-pat00026
는 하기 식으로 계산된다.
Figure 112022093744577-pat00027
(여기에서 적분의 하한에 해당하는
Figure 112022093744577-pat00028
는 신호세기의 임계값을 나타내며, TBD에서는 0으로 설정함. 또한
Figure 112022093744577-pat00029
은 선택된 측정치의 신호세기 정보를 나타낸다. 또한
Figure 112022093744577-pat00030
은 거짓정보 개수의 확률 분포로 프아송 분포를 따른다고 가정하며,
Figure 112022093744577-pat00031
여기에서
Figure 112022093744577-pat00032
는 거짓정보의 밀도를 나태내고
Figure 112022093744577-pat00033
는 표적정보가 들어 있을 것으로 추정되는 유효측정영역의 부피를 나타내며,
Figure 112022093744577-pat00034
은
Figure 112022093744577-pat00035
내 존재하는 측정치의 개수를 나타낸다. 본 발명에서는 TBD를 적용하여
Figure 112022093744577-pat00036
를 1이라 가정함)
본 발명의 일 실시예에서, 상기 해양포유류 신호 주파수 특성 자동 추출 방법은 상기 추출된 주파수 값에서 트랙 상태를 유지하거나 변경하는 단계를 더 포함한다.
본 발명의 일 실시예에서, 상기 트랙 상태를 유지하거나 변경하는 단계는 하기 식에 의하여 수행된다.
Figure 112022093744577-pat00037
(9)
(
Figure 112022093744577-pat00038
는 Confirmation Threshold이며,
Figure 112022093744577-pat00039
Termination Threshold를 의미하며, 트랙존재확률(
Figure 112022093744577-pat00040
)는
Figure 112022093744577-pat00041
으로 계산됨. 여기에서
Figure 112022093744577-pat00042
은 정규분포이며,
Figure 112022093744577-pat00043
는 표적이 탐지될 확률,
Figure 112022093744577-pat00044
는 표적정보가 유효측정영역 내 존재할 확률이며,
Figure 112022093744577-pat00045
허위표적에 대한 탐지확률이며, 본 발명에서는 TBD를 적용하여
Figure 112022093744577-pat00046
,
Figure 112022093744577-pat00047
를 1이라 가정함)
본 발명의 일 실시예에서, 상기 관측치로부터 해양신호를 추출하는 단계는, 상기 동적필터 보정에 의한 예측과 보정을 재귀적으로 반복하는 단계를 포함한다.
본 발명은 또한 상술한 해양포유류 신호 주파수 특성 자동 추출 방법을 수행하기 위한 시스템을 제공한다.
본 발명에 따르면, 종래 기술보다 낮은 SNR에서 해양포유류 소리를 자동으로 추출할 수 있어, 동일한 소음환경을 가정하였을 때 수신기로부터 더 먼거리에 위치한 해양포유류가 발생시키는 소리까지 탐지할 수 있어 해양포유류의 탐지반경이 넓어진다. 또한 높은 소음환경에서 탐지의 정확성이 높아지므로, 음향을 이용한 해양포유류 조사 결과가 과소평가(underestimate) 되는 것을 방지할 수 있다.
도 1은 본 발명의 일 실시예에 따른 해양포유류 신호 주파수 특성 자동 추출 방법의 단계도이다.
도 2는 상기 실시예에 따른 시뮬레이션에 따른 해양포유류 신호 중 sinusoidal 형태와 up-sweep형태의 신호를 모의한 후 노이즈 추가하지 않은 원본 신호의 스펙트로그램을 나타내며, 도 3은 도 2와 동일한 신호에서 노이즈를 추가하여 낮은 SNR 환경을 모의하고, TBD와 PSNF-m 기반 동적필터 알고리즘을 통하여 추출된 해양포유류 신호를 나타내는 결과이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 바람직한 실시예에 대하여 상세히 설명하면 다음과 같다.
본 발명을 상세하게 설명하기 전에, 본 명세서에서 사용된 용어나 단어는 통상적이거나 사전적인 의미로 무조건 한정하여 해석되어서는 아니되며, 본 발명의 발명자가 자신의 발명을 가장 최선의 방법으로 설명하기 위해서 각종 용어의 개념을 적절하게 정의하여 사용할 수 있다.
더 나아가 이들 용어나 단어는 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 함을 알아야 한다.
즉, 본 명세서에서 사용된 용어는 본 발명의 바람직한 실시예를 설명하기 위해서 사용되는 것일 뿐이고, 본 발명의 내용을 구체적으로 한정하려는 의도로 사용된 것이 아니다.
이들 용어는 본 발명의 여러 가지 가능성을 고려하여 정의된 용어임을 알아야 한다.
또한, 본 명세서에 있어서, 단수의 표현은 문맥상 명확하게 다른 의미로 지시하지 않는 이상, 복수의 표현을 포함할 수 있다.
또한, 유사하게 복수로 표현되어 있다고 하더라도 단수의 의미를 포함할 수 있음을 알아야 한다.
본 명세서의 전체에 걸쳐서 어떤 구성 요소가 다른 구성 요소를 "포함"한다고 기재하는 경우에는, 특별히 반대되는 의미의 기재가 없는 한 임의의 다른 구성 요소를 제외하는 것이 아니라 임의의 다른 구성 요소를 더 포함할 수도 있다는 것을 의미할 수 있다.
더 나아가서, 어떤 구성 요소가 다른 구성 요소의 "내부에 존재하거나, 연결되어 설치된다"고 기재한 경우에는, 이 구성 요소가 다른 구성 요소와 직접적으로 연결되어 있거나 접촉하여 설치되어 있을 수 있다.
또한, 일정한 거리를 두고 이격되어 설치되어 있을 수도 있으며, 일정한 거리를 두고 이격되어 설치되어 있는 경우에 대해서는 해당 구성 요소를 다른 구성 요소에 고정 내지 연결시키기 위한 제 3의 구성 요소 또는 수단이 존재할 수 있다.
한편, 상기 제 3의 구성 요소 또는 수단에 대한 설명은 생략될 수도 있음을 알아야 한다.
반면에, 어떤 구성 요소가 다른 구성 요소에 "직접 연결"되어 있다거나, 또는 "직접 접속"되어 있다고 기재되는 경우에는, 제 3의 구성 요소 또는 수단이 존재하지 않는 것으로 이해하여야 한다.
마찬가지로, 각 구성 요소 간의 관계를 설명하는 다른 표현들, 즉 " ~ 사이에"와 "바로 ~ 사이에", 또는 " ~ 에 이웃하는"과 " ~ 에 직접 이웃하는" 등도 마찬가지의 취지를 가지고 있는 것으로 해석되어야 한다.
또한, 본 명세서에 있어서 "일면", "타면", "일측", "타측", "제 1", "제 2" 등의 용어는, 하나의 구성 요소에 대해서 이 하나의 구성 요소가 다른 구성 요소로부터 명확하게 구별될 수 있도록 하기 위해서 사용된다.
하지만, 이와 같은 용어에 의해서 해당 구성 요소의 의미가 제한적으로 사용되는 것은 아님을 알아야 한다.
또한, 본 명세서에서 "상", "하", "좌", "우" 등의 위치와 관련된 용어는, 사용된다면, 해당 구성 요소에 대해서 해당 도면에서의 상대적인 위치를 나타내고 있는 것으로 이해하여야 한다.
또한, 이들의 위치에 대해서 절대적인 위치를 특정하지 않는 이상은, 이들 위치 관련 용어가 절대적인 위치를 언급하고 있는 것으로 이해하여서는 아니 된다.
더욱이, 본 발명의 명세서에서는, "…부", "…기", "모듈", "장치" 등의 용어는, 사용된다면, 하나 이상의 기능이나 동작을 처리할 수 있는 단위를 의미한다.
이는 하드웨어 또는 소프트웨어, 또는 하드웨어와 소프트웨어의 결합으로 구현될 수 있음을 알아야 한다.
본 명세서에 첨부된 도면에서 본 발명을 구성하는 각 구성 요소의 크기, 위치, 결합 관계 등은 본 발명의 사상을 충분히 명확하게 전달할 수 있도록 하기 위해서 또는 설명의 편의를 위해서 일부 과장 또는 축소되거나 생략되어 기술되어 있을 수 있고, 따라서 그 비례나 축척은 엄밀하지 않을 수 있다.
또한, 이하에서, 본 발명을 설명함에 있어서, 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 구성, 예를 들어, 종래 기술을 포함하는 공지 기술에 대한 상세한 설명은 생략될 수도 있다.
본 발명은 상술한 과제를 해결하기 위하여, 해양포유류 소리를 자동으로 추출하는 방법은 신호처리 과정을 통하여 잡음을 제거하고 임계값 이상의 값을 추출하여 칼만 필터 혹은 파티클 필터를 적용하는 방식이 연구되어 왔으며, 이는 비특허문헌 [1-7] 등에서 개시되었다. 하지만 이러한 임계값 이상의 값을 추출하는 기법에서는 낮은 SNR 환경에서는 정확한 해양포유류 소리 특성을 추출하지 못하는 단점이 존재하는 점에 주목하였으며, 이러한 단점을 해결하기 위하여 탐지 전 추적기법(TBD: Track Before Detect)을 적용한 PSNF-m 자료결합 기법 기반 동적필터를 이용한 해양포유류 소리 자동 추출 방법을 활용한 시스템과 방법을 제공한다. PSNF-m 자료결합 기법은 신호세기의 확률을 계산하여 측정치를 선택하는 방식으로, 이는 비특허문헌 [8] 에 기술되어 있다.
도 1은 본 발명의 일 실시예에 따른 해양포유류 신호 주파수 특성 자동 추출 방법의 단계도이다.
도 1을 참조하면, 본 발명은 특히 탐지전 추적기법 알고리즘(TBD)을 사용하여 해양신호로부터 관측치를 선택하는데, 이 경우 임계치를 사용하는 종래 기술 대비 입력되는 정보의 손실 없이 유효한 관측치를 선택할 수 있는 장점이 있다. 이후, 상기 선택된 관측치에 대한 동적필터 보정을 적용하여 상기 관측치로부터 해양신호를 추출하는 단계를 포함하는데, 이는 비특허문헌 8에서 개시된 신호세기 기반 자료결합 알고리즘을 활용하고, 동적필터에 의한 예측/보정을 재귀적으로 반복, 해양포유류로부터 발생하는 유효한 신호를 추출한다.
본 발명은 상술한 바와 같이 탐지 전 추적기법(TBD: Track Before Detect) 알고리즘을 활용하는데, 이 방법은 탐지 단계의 신호 세기 임계값을 적용하지 않음으로써 정보의 손실 없이 탐지가 가능하다는 장점이 있으며, 특히 낮은 SNR의 수중 환경에서 더욱 효과적인 해양포유류 신호 탐지가 가능하다.
이를 보다 구체적으로 설명하면 다음과 같다.
본 발명에서 상태변수
Figure 112022093744577-pat00048
는 하기 식 1과 같으며, 해양포유류 소리의 스펙트로그램에서 시간에 따른 주파수의 변화는 선형시스템으로 가정한다.
Figure 112022093744577-pat00049
(1)
여기에서
Figure 112022093744577-pat00050
는 주파수,
Figure 112022093744577-pat00051
는 주파수 변화량(속도),
Figure 112022093744577-pat00052
는 현재 주파수의 신호세기 값을 의미하며, T 는 시간이다.
본 발명에 따른 TBD PSNF-m 기반 동적필터의 예측은 하기 식 2와 같다. 여기에서
Figure 112022093744577-pat00053
는 상태천이행렬,
Figure 112022093744577-pat00054
는 관측행렬이며,
Figure 112022093744577-pat00055
는
Figure 112022093744577-pat00056
의 오차공분산을 의미한다.
Figure 112022093744577-pat00057
(2)
여기에서 관측행렬이며,
Figure 112022093744577-pat00058
는
Figure 112022093744577-pat00059
의 오차공분산을 의미한다.
종래 PSNF-m 기반 자료결합 알고리즘은 유효측정영역(Validation gate) 내 측정치 중 신호세기가 가장 큰 측정치를 선택하지만, 본 특허에서는 TBD 알고리즘을 적용하여 관측치를 선택한다. TBD 알고리즘은 하기 식 3으로 이전 스캔의 신호세기의 확률 값을 다음식과 같이 로그스케일로 누적하며, 누적측정치
Figure 112022093744577-pat00060
가 가장 큰 값을 갖는 관측치를 선택한다.
Figure 112022093744577-pat00061
(3)
여기에서
Figure 112022093744577-pat00062
는 표적의 신호세기의 확률밀도함수이며,
Figure 112022093744577-pat00063
는 거짓정보의 신호세기의 확률밀도함수이다.
기존 칼만필터의 보정과정과 동일하게 보정과정을 한 후 측정치의 신호세기에 따라
Figure 112022093744577-pat00064
의 확률적 가중치를 하기 식 4와 5에 따라 산출하여 이를 Combine과정을 통해 최종적으로 TBD PSNF-m 기반 동적필터의 보정과정을 거치게 된다.
Figure 112022093744577-pat00065
(4)
Figure 112022093744577-pat00066
(5)
Figure 112022093744577-pat00067
에 대한 확률적 가중치를 각각
Figure 112022093744577-pat00068
로 정의한다. ??
Figure 112022093744577-pat00069
은 선택된 관측치가 표적일 확률,??
Figure 112022093744577-pat00070
는 표적이 아닐 확률을 나타내며 하기 식 6과 같은 관계를 갖는다.
Figure 112022093744577-pat00071
(6)
Figure 112022093744577-pat00072
을 나타내는 수식에서
Figure 112022093744577-pat00073
는 관측치를 선택하는데 있어 발생할 수 있는 3가지 사건을 나타내며,
Figure 112022093744577-pat00074
는 선택된 관측치가 표적일 사건,
Figure 112022093744577-pat00075
는 선택된 관측치가 표적정보가 아닌 거짓정보인 사건,
Figure 112022093744577-pat00076
는 표적의 관측치가 유효측정영역 내 존재하지 않을 사건을 의미하며,
Figure 112022093744577-pat00077
는 하기 식 7로 계산된다.
Figure 112022093744577-pat00078
(7)
위의 식들에서 적분의 하한에 해당하는
Figure 112022093744577-pat00079
는 신호세기의 임계값을 나타내며, TBD에서는 0으로 설정한다. 그리고
Figure 112022093744577-pat00080
은 선택된 측정치의 신호세기 정보를 나타낸다. 또한
Figure 112022093744577-pat00081
은 거짓정보 개수의 확률 분포로 프아송 분포를 따른다고 가정하였다.
Figure 112022093744577-pat00082
(8)
여기에서
Figure 112022093744577-pat00083
는 거짓정보의 밀도를 나태내고
Figure 112022093744577-pat00084
는 표적정보가 들어 있을 것으로 추정되는 유효측정영역의 부피를 나타내며,
Figure 112022093744577-pat00085
은
Figure 112022093744577-pat00086
내 존재하는 측정치의 개수를 나타낸다. 본 발명에서는 TBD를 적용하여
Figure 112022093744577-pat00087
를 1이라 가정하였다.
본 발명에서 적용한 TBD PSNF-m 기반 칼만필터의 경우 초기에 어느 주파수에서 해양포유류의 신호가 시작될지 알 수 없다. 따라서 본 특허에서는 모든 주파수 값에서 트랙을 활성화 시키고 트랙존재확률(
Figure 112022093744577-pat00088
)을 계산하여, 다음과 같은 하기 식 9와 같은 조건식으로 트랙의 상태를 변경 및 유지한다.
Figure 112022093744577-pat00089
(9)
Figure 112022093744577-pat00090
는 Confirmation Threshold이며,
Figure 112022093744577-pat00091
Termination Threshold를 의미하며, 트랙존재확률(
Figure 112022093744577-pat00092
)는 다음과 같은 식 10으로 계산된다.
Figure 112022093744577-pat00093
(10)
여기에서
Figure 112022093744577-pat00094
은 정규분포이며,
Figure 112022093744577-pat00095
는 표적이 탐지될 확률,
Figure 112022093744577-pat00096
는 표적정보가 유효측정영역 내 존재할 확률이며,
Figure 112022093744577-pat00097
허위표적에 대한 탐지확률이며, 본 발명에서는 TBD를 적용하여
Figure 112022093744577-pat00098
,
Figure 112022093744577-pat00099
를 1이라 가정하였다.
본 발명은 이러한 트랙관리기법을 가지고 TBD PSNF-m 기반 칼만필터의 예측과정과 보정과정을 재귀적으로 반복하며 해양포유류 신호를 탐지한다.
실시예
시뮬레이션 실험
시뮬레이션 환경 설정
일반적으로 돌고래가 발생시키는 whistle 신호와 유사하게 스펙트로그램(spectrogram)에서 up-sweep, sinusoidal 형태가 나타나도록 임의의 whistle 신호를 생성한다. 이후 time series 상에서 랜덤한 노이즈를 추가하여 낮은 SNR 환경을 모의하고 이를 스펙트로그램으로 변환한다. 변환된 스펙트로그램에서 최댓값을 기준으로 정규화 과정을 거친 후 TBD PSNF-m 기반 동적필터 알고리즘을 통하여 해양포유류 신호를 탐지한다.
시뮬레이션 결과
도 2는 상기 실시예에 따른 시뮬레이션에 따른 해양포유류 신호 중 sinusoidal 형태와 up-sweep형태의 신호를 모의한 후 노이즈 추가하지 않은 원본 신호의 스펙트로그램을 나타내며, 도 3은 도 2와 동일한 신호에서 노이즈를 추가하여 낮은 SNR 환경을 모의하고, TBD PSNF-m 기반 동적필터 알고리즘을 통하여 추출된 해양포유류 신호를 나타낸다.
도 2에서 오른쪽 그림의 파란 선은 TBD PSNF-m 기반 동적필터 알고리즘을 통하여 추출된 해양포유류 신호를 나타낸다.
도 2 및 3을 참조하면, 낮은 SNR 환경에서도 confirm된 트랙이 모의된 해양포유류 신호의 시간 - 주파수 값을 탐지하는 것이 가능하다는 것을 알 수 있다.
이는 본 발명에 따르면, 종래 기술보다 낮은 SNR에서 해양포유류 소리를 자동으로 추출할 수 있어, 동일한 소음환경을 가정하였을 때 수신기로부터 더 먼거리에 위치한 해양포유류가 발생시키는 소리까지 탐지할 수 있어 해양포유류의 탐지반경이 넓어진다. 또한 높은 소음환경에서 탐지의 정확성이 높아지므로, 음향을 이용한 해양포유류 조사 결과가 과소평가(underestimate) 되는 것을 방지할 수 있다는 점을 증명한다.

Claims (9)

  1. 탐지 전 추적기법과 동적필터를 사용한 해양포유류 신호 주파수 특성 자동 추출 방법으로,
    탐지전 추적기법 알고리즘(TBD)을 사용하여 해양신호로부터 관측치를 선택하는 단계; 및
    상기 선택된 관측치에 대한 동적필터 보정을 적용하여 상기 관측치로부터 해양신호를 추출하는 단계를 포함하는 것을 특징으로 하는 해양포유류 신호 주파수 특성 자동 추출 방법으로,
    상기 탐지전 추적기법 알고리즘(TBD)은 하기 식을 통하여 누적측정치(
    Figure 112022116913076-pat00100
    )가 가장 큰 값을 관측치로 선택하는 것을 특징으로 하는 해양포유류 신호 주파수 특성 자동 추출 방법.
    Figure 112022116913076-pat00101

    (여기에서
    Figure 112022116913076-pat00102
    는 표적의 신호세기의 확률밀도함수이며,
    Figure 112022116913076-pat00103
    는 거짓정보의 신호세기의 확률밀도함수이며,
    Figure 112022116913076-pat00104
    는 상태변수로
    Figure 112022116913076-pat00105
    Figure 112022116913076-pat00106
    는 주파수,
    Figure 112022116913076-pat00107
    는 주파수 변화량(속도),
    Figure 112022116913076-pat00108
    는 현재 주파수의 신호세기 값, T는 시간이며,
    Figure 112022116913076-pat00109
    로
    Figure 112022116913076-pat00110
    는 관측행렬로 정의되며,
    Figure 112022116913076-pat00111
    는
    Figure 112022116913076-pat00112
    의 오차공분산을 의미함)
  2. 삭제
  3. 제 1항에 있어서,
    상기 선택된 관측치에 대한 동적필터 보정은
    Figure 112022116913076-pat00113
    에 대한 확률적 가중치
    Figure 112022116913076-pat00114
    를 가중치 결합 알고리즘에 적용하여 상태추정치 보정을 수행하는 것을 특징으로 하는 해양포유류 신호 주파수 특성 자동 추출 방법.
  4. 제 3항에 있어서,
    상기
    Figure 112022093744577-pat00115
    에 대한 확률적 가중치
    Figure 112022093744577-pat00116
    는 하기 식에 따라 계산되는 것을 특징으로 하는 해양포유류 신호 주파수 특성 자동 추출 방법.
    Figure 112022093744577-pat00117

    Figure 112022093744577-pat00118

    (여기에서
    Figure 112022093744577-pat00119
    은 선택된 관측치가 표적일 확률,??
    Figure 112022093744577-pat00120
    는 표적이 아닐 확률이며,
    Figure 112022093744577-pat00121
    의 관계를 가짐. 또한
    Figure 112022093744577-pat00122
    는 선택된 관측치가 표적일 사건,
    Figure 112022093744577-pat00123
    는 선택된 관측치가 표적정보가 아닌 거짓정보인 사건,
    Figure 112022093744577-pat00124
    는 표적의 관측치가 유효측정영역 내 존재하지 않을 사건을 의미함)
  5. 제 4항에 있어서,
    상기
    Figure 112022116913076-pat00125
    는 하기 식으로 계산되는 것을 특징으로 하는 해양포유류 신호 주파수 특성 자동 추출 방법.
    Figure 112022116913076-pat00126

    (여기에서 적분의 하한에 해당하는
    Figure 112022116913076-pat00127
    는 신호세기의 임계값을 나타내며, TBD에서는 0으로 설정함. 또한
    Figure 112022116913076-pat00128
    은 선택된 측정치의 신호세기 정보를 나타낸다. 또한
    Figure 112022116913076-pat00129
    은 거짓정보 개수의 확률 분포로 프아송 분포를 따른다고 가정하며,
    Figure 112022116913076-pat00130

    여기에서
    Figure 112022116913076-pat00131
    는 거짓정보의 밀도를 나태내고
    Figure 112022116913076-pat00132
    는 표적정보가 들어 있을 것으로 추정되는 유효측정영역의 부피를 나타내며,
    Figure 112022116913076-pat00133
    은
    Figure 112022116913076-pat00134
    내 존재하는 측정치의 개수를 나타낸다. 본 발명에서는 TBD를 적용하여
    Figure 112022116913076-pat00135
    를 1이라 가정함)
  6. 제 5항에 있어서,
    상기 해양포유류 신호 주파수 특성 자동 추출 방법은 상기 추출된 주파수 값에서 트랙 상태를 유지하거나 변경하는 단계를 더 포함하는 것을 특징으로 하는 해양포유류 신호 주파수 특성 자동 추출 방법.
  7. 제 6항에 있어서,
    상기 트랙 상태를 유지하거나 변경하는 단계는 하기 식에 의하여 수행되는 것을 특징으로 하는 해양포유류 신호 주파수 특성 자동 추출 방법.

    Figure 112022116913076-pat00136
    (9)

    (
    Figure 112022116913076-pat00137
    는 Confirmation Threshold이며,
    Figure 112022116913076-pat00138
    Termination Threshold를 의미하며, 트랙존재확률(
    Figure 112022116913076-pat00139
    )는
    Figure 112022116913076-pat00140
    으로 계산됨. 여기에서
    Figure 112022116913076-pat00141
    은 정규분포이며,
    Figure 112022116913076-pat00142
    는 표적이 탐지될 확률,
    Figure 112022116913076-pat00143
    는 표적정보가 유효측정영역 내 존재할 확률이며,
    Figure 112022116913076-pat00144
    허위표적에 대한 탐지확률이며, 본 발명에서는 TBD를 적용하여
    Figure 112022116913076-pat00145
    ,
    Figure 112022116913076-pat00146
    를 1이라 가정함)
  8. 제 7항에 있어서, 상기 관측치로부터 해양신호를 추출하는 단계는, 상기 동적필터 보정에 의한 예측과 보정을 재귀적으로 반복하는 단계를 포함하는 것을 특징으로 하는 해양포유류 신호 주파수 특성 자동 추출 방법.
  9. 제 1항, 제3항 내지 제 8항 중 어느 한 항에 따른 해양포유류 신호 주파수 특성 자동 추출 방법을 수행하기 위한 시스템.




KR1020220112697A 2022-09-06 2022-09-06 탐지 전 추적기법과 동적필터를 사용한 해양포유류 신호 주파수 특성 자동 추출 방법 및 이를 위한 시스템 KR102476177B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220112697A KR102476177B1 (ko) 2022-09-06 2022-09-06 탐지 전 추적기법과 동적필터를 사용한 해양포유류 신호 주파수 특성 자동 추출 방법 및 이를 위한 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220112697A KR102476177B1 (ko) 2022-09-06 2022-09-06 탐지 전 추적기법과 동적필터를 사용한 해양포유류 신호 주파수 특성 자동 추출 방법 및 이를 위한 시스템

Publications (1)

Publication Number Publication Date
KR102476177B1 true KR102476177B1 (ko) 2022-12-09

Family

ID=84440464

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220112697A KR102476177B1 (ko) 2022-09-06 2022-09-06 탐지 전 추적기법과 동적필터를 사용한 해양포유류 신호 주파수 특성 자동 추출 방법 및 이를 위한 시스템

Country Status (1)

Country Link
KR (1) KR102476177B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160110773A (ko) 2015-03-12 2016-09-22 숙명여자대학교산학협력단 칼만 필터 모델을 이용한 이동 객체 추적 방법 및 장치
JP2019197051A (ja) * 2018-05-09 2019-11-14 タレス 目標、特に海上の目標を追跡するための方法およびそのような方法を実施するレーダー

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160110773A (ko) 2015-03-12 2016-09-22 숙명여자대학교산학협력단 칼만 필터 모델을 이용한 이동 객체 추적 방법 및 장치
JP2019197051A (ja) * 2018-05-09 2019-11-14 タレス 目標、特に海上の目標を追跡するための方法およびそのような方法を実施するレーダー

Non-Patent Citations (16)

* Cited by examiner, † Cited by third party
Title
[1] C. Ioana, C. Gervaise, Y. Stephan, and J. I. Mars, "Analysis of underwater mammal vocalisations using time-frequency-phase tracker," Appl. Acoust. 71, 1070-1080 (2010).
[2] D. Gillespie, M. Caillat, J. Gordon, and P. White, "Automatic detection and classification of odontocete whistles," J. Acoust. Soc. Am. 134, 2427-2437 (2013).
[3] S. Datta and C. Sturtivant, "Dolphin whistle classification for determining group identities," Sign. Process. 82, 251-258 (2002).
[4] A. Kershenbaum and M. A. Roch, "An image processing based paradigm for the extraction of tonal sounds in cetacean communications," J. Acoust. Soc. Am. 134, 4435-4445 (2013).
[5] A. T. Johansson and P. R. White, "An adaptive filter-based method for robust, automatic detection and frequency estimation of whistles," J. Acoust. Soc. Am. 130, 893-903 (2011).
[6] A. Mallawaarachchi, S. Ong, M. Chitre, and E. Taylor, "Spectrogram denoising and automated extraction of the fundamental frequency variation of dolphin whistles," J. Acoust. Soc. Am. 124, 1159-1170 (2008).
[7] M. A. Roch, T. S. Brandes, B. Patel, Y. Barkley, S. Baumann-Pickering, and M. S. Soldevilla, "Automated extraction of odontocete whistle contours," J. Acoust. Soc. Am. 130, 2212-2223 (2011).
[8] T.L. Song, Y.T. Lim, and D.G. Lee, " A probabilistic strongest neighbor filter algorithm for m validated measurements," IEEE Transactions on Aerospace and Electronic Systems, 45(2), 431-442(2009)
2005 7th International Conference on Information Fusion, 2005.07.25 *
IEEE Transactions on Aerospace and Electronic Systems ( Volume: 45, Issue: 2, April 2009) *
Journal of the Korean Society of Industrial Science and Technology, Vol. 18, No. 6, 2017.06 *
Won Dae-yeon et al, Research on Track-Before-Detect Algorithm for Multiple Target Detection, Journal of the Korean Society for Aeronautical and Space Sciences, Vol. 39, No. 9, 2011.9. Pages 848-857* *
비특허문헌1 (한국산학기술학회논문지 제18권 제6호,2017.06)
비특허문헌2 (IEEE Transactions on Aerospace and Electronic Systems ( Volume: 45, Issue: 2, April 2009)
비특허문헌3 (2005 7th International Conference on Information Fusion, 2005.07.25)
원대연 외 5명, 다수 표적 탐지를 위한 Track-Before-Detect 알고리듬 연구, 한국항공우주학회지 제39권 제9호, 2011.9. 페이지 848-857*

Similar Documents

Publication Publication Date Title
Roch et al. Automated extraction of odontocete whistle contours
Baumgartner et al. A generalized baleen whale call detection and classification system
Bardeli et al. Detecting bird sounds in a complex acoustic environment and application to bioacoustic monitoring
CN112802484B (zh) 一种混合音频下的大熊猫声音事件检测方法及系统
Thode et al. Automated detection and localization of bowhead whale sounds in the presence of seismic airgun surveys
WO2006107624A2 (en) System and method for acoustic signature extraction, detection, discrimination, and localization
KR102314824B1 (ko) 딥러닝 기반 감지상황에서의 음향 사건 탐지 방법
Kershenbaum et al. An image processing based paradigm for the extraction of tonal sounds in cetacean communications
Cotter et al. Classification of broadband target spectra in the mesopelagic using physics-informed machine learning
Lin et al. An automatic detection algorithm for extracting the representative frequency of cetacean tonal sounds
CN112198556A (zh) 信号处理方法、装置、终端设备及存储介质
Keen et al. Automated detection of low-frequency rumbles of forest elephants: A critical tool for their conservation
Beslin et al. Automatic acoustic estimation of sperm whale size distributions achieved through machine recognition of on-axis clicks
Mellema Improved active sonar tracking in clutter using integrated feature data
Premus Modal scintillation index: A physics-based statistic for acoustic source depth discrimination
KR102476177B1 (ko) 탐지 전 추적기법과 동적필터를 사용한 해양포유류 신호 주파수 특성 자동 추출 방법 및 이를 위한 시스템
CN113608193A (zh) 一种基于UNet的雷达多目标距离和速度估计方法
Cosentino et al. Porpoise click classifier (PorCC): A high-accuracy classifier to study harbour porpoises (Phocoena phocoena) in the wild
CN116594057A (zh) 一种基于深度学习和边缘计算的地震预警方法与装置
CN116910690A (zh) 一种基于数据融合的目标分类系统
CN116773678A (zh) 地铁铁轨的智能维护方法及其系统
Lopatka et al. Sperm whale click analysis using a recursive time-variant lattice filter
Lei et al. Multi-feature fusion sonar image target detection evaluation based on particle swarm optimization algorithm
Dokht et al. Combining deep learning and the Source‐Scanning Algorithm for improved seismic monitoring
Pu et al. Automated extraction of baleen whale calls based on the pseudo-Wigner–Ville distribution

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant