KR20160038464A - 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법 및 그 장치 - Google Patents

고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법 및 그 장치 Download PDF

Info

Publication number
KR20160038464A
KR20160038464A KR1020140131599A KR20140131599A KR20160038464A KR 20160038464 A KR20160038464 A KR 20160038464A KR 1020140131599 A KR1020140131599 A KR 1020140131599A KR 20140131599 A KR20140131599 A KR 20140131599A KR 20160038464 A KR20160038464 A KR 20160038464A
Authority
KR
South Korea
Prior art keywords
target
view
inverse
distance side
data
Prior art date
Application number
KR1020140131599A
Other languages
English (en)
Other versions
KR101617620B1 (ko
Inventor
박상홍
최인오
김경태
김시호
Original Assignee
국방과학연구소
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 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020140131599A priority Critical patent/KR101617620B1/ko
Publication of KR20160038464A publication Critical patent/KR20160038464A/ko
Application granted granted Critical
Publication of KR101617620B1 publication Critical patent/KR101617620B1/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
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/904—SAR modes
    • G01S13/9064—Inverse SAR [ISAR]
    • 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
    • G01S13/46—Indirect determination of position data

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 발명은 레이더 기술에 관한 것으로서, 더 상세하게는 거리측면도 구분결과와 역합성 개구면 영상을 이용한 구분결과를 융합하여 각도에 상관없는 높은 구분율을 달성하는 표적 식별 방법 및 장치에 대한 것이다.

Description

고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법 및 그 장치{METHOD AND DEVICE FOR TARGET CLASSIFICATION BY FUSION OF HIGH RESOLUTION RANGE PROFILE AND INVERSE SYNTHETIC APERTURE RADAR IMAGE}
본 발명은 레이더 기술에 관한 것으로서, 더 상세하게는 거리측면도 구분결과와 역합성 개구면 영상을 이용한 구분결과를 융합하여 각도에 상관없는 높은 구분율을 달성하는 표적 식별 방법 및 장치에 대한 것이다.
현재 우리 나라는 주변국의 고기동 저RCS(Radar Cross Section) 전투기 및 미사일 개발로 인하여 심각한 위협에 직면하고 있으므로, 이러한 고성능 무기에 대응하기 위하여 다양한 레이더 표적식별 기법 등을 개발할 필요가 있다.
레이더 표적식별 기법에는 광대역 신호를 압축하여 얻어지는 1차원 산란원 분포인 고해상도 거리 측면도와 여러 관측각도에서 얻어진 거리 측면도를 이용하여 2차원 산란원 분포를 나타내는 역합성 개구면 레이더 영상이 가장 널리 사용된다.
그러나, 이 두 가지 기법은 관측각도에 따라 심각한 성능 저하가 생기는 단점이 있다. 우선 고해상도 거리 측면도 기법의 경우, 측면에서 표적을 관찰할 경우, 항공기에서 RCS가 큰 수직 안정판으로 인하여 좁은 영역에 분포하게 되어 구분성능이 매우 저하될 위험성이 존재한다.
또한, ISAR(Inverse Synthetic Aperture Radar) 영상 기법의 경우, 정면에서 표적을 관찰 시에, 고각으로 인하여 영상이 좁은 영역에 분포하므로 구분성능이 매우 저하된다.
따라서, 두 기법의 융합을 통한 관측각도에 상관없이 높은 구분율을 제공하는 방법이 요구된다.
또한, 학습 데이터 구성시 모든 관측각도에서 따로 구성할 경우, 심각한 저장 공간 및/또는 구분 시간이 낭비될 수 있으므로, 두 기법의 학습 데이터를 한꺼번에 형성할 수 있는 방법이 요구된다.
1. 한국공개특허번호 제10-2013-0081527호 2. 한국공개특허번호 제10-2004-0094439호
1. 권경일외, "RCS/ISAR를 이용한 레이다 표적분석 기법 및 소프트웨어 개발"한국군사과학기술학회지 제7권 제2호 (통권 제17호) pp.88-99, 2004년.
본 발명은 위 배경기술에 따른 문제점을 해소하기 위해 제안된 것으로서, 관측각도에 상관없이 고해상도 거리 측면도 기법과 역합성 개구면 레이더 영상 기법의 단점을 보완하여 이들 두 기법의 융합을 통한 높은 구분율을 구현할 수 있는 표적 식별 방법 및 그 장치를 제공하는데 그 목적이 있다.
또한, 본 발명은 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 학습 데이터를 한꺼번에 형성할 수 있는 표적 식별 방법 및 그 장치를 제공하는데 다른 목적이 있다.
본 발명은 위에서 제시된 과제를 달성하기 위해, 관측각도에 상관없이 고해상도 거리 측면도 기법과 역합성 개구면 레이더 영상 기법의 단점을 보완하여 이들 두 기법의 융합을 통한 높은 구분율을 구현할 수 있는 표적 식별 방법을 제공한다.
상기 표적 식별 방법은,
데이터 형성부가 표적의 비행 관측 시나리오를 기반으로 하여 거리 측면도 데이터 및 역합성 개구면 레이더 영상 데이터를 동시에 형성하는 제 1 데이터 형성단계;
시험 데이터 형성부가 상기 표적의 병진 운동에 따른 병진 운동 보상을 수행하여 시험 데이터를 형성하는 제 2 데이터 형성 단계;
구분기 적용부가 상기 거리 측면도 데이터 및 역합성 개구면 레이더 영상 데이터에 각각 거리 측면도 구분기 및 역합성 개구면 영상 구분기를 적용하는 구분기 적용 단계; 및
융합부가 거리 측면도의 구분 결과와 역합성 개구면 레이더 영상의 구분 결과를 융합하여 각 표적의 구분 순위를 부여하는 구분 순위 부여 단계;를 포함하는 것을 특징으로 할 수 있다.
이때, 상기 제 1 데이터 형성 단계는, 표적이 관측되는 학습 데이터 구성 공간상에 균일 간격의 격자로 나누어 다수의 3차원 학습 데이터 격자를 형상하는 단계; 상기 다수의 3차원 학습 데이터 격자의 격자점으로부터 상기 표적의 비행으로 인한 관측각도 변화값이 레이더 거리 방향 해상도와 동일한 값이 될 때까지 거리 측면도를 형성하는 단계; 및 상기 거리 측면도를 이용하여 역합성 개구면 레이더 영상을 획득하는 단계;를 포함하는 것을 특징으로 할 수 있다.
또한, 상기 거리 측면도를 형성하는 단계는, 속도 및 가속도를 이용하여 표적의 비행 방향에서 방위각 및 고각을 계산하는 단계; 상기 방위각 및 고각을 이용하여 상기 표적의 롤, 피치 및 요자세를 설정하는 단계; 및 상기 롤, 피치 및 요 자세를 이용하여 상기 거리 측면도를 형상하는 단계;를 포함하는 것을 특징으로 할 수 있다.
또한, 상기 비행 방향은 0도 내지 90도인 것을 특징으로 할 수 있다.
또한, 상기 거리 측면도는 수학식
Figure pat00001
(여기서, B는 대역폭,
Figure pat00002
는 파장, c는 빛의 속도, △θ는 관측각도 변화값을 나타낸다)에 의해 산출되는 것을 특징으로 할 수 있다.
또한, 상기 거리 측면도 구분기는 단일 각도 또는 다중 각도 구분기이고, 상기 역합성 개구면 영상 구분기는 단일 각도 구분기인 것을 특징으로 할 수 있다.
또한, 상기 융합은 역합성 개구면 레이더 영상의 신뢰도가 저하되는 낮은 관측 각도에서는 거리 측면도의 구분결과의 비중이 크도록, 거리 측면도의 신뢰도가 저하되는 높은 관측각도에서는 역합성 개구면 레이더 영상의 구분결과의 비중이 크도록 구분 순위에 가중치를 부여하여 이루어지는 것을 특징으로 할 수 있다.
또한, 상기 각 표적의 구분 순위의 부여는 선형 현태, 비선형 형태 및 다항식 형태중 어느 하나의 가중치를 구분 결과에 부여하여 이루어지는 것을 특징으로 할 수 있다.
다른 한편으로, 본 발명의 다른 일실시예는, 표적의 비행 관측 시나리오를 기반으로 하여 거리 측면도 데이터 및 역합성 개구면 레이더 영상 데이터를 동시에 형성하는 데이터 형성부; 상기 표적의 병진 운동에 따른 병진 운동 보상을 수행하여 시험 데이터를 형성하는 시험 데이터 형성부; 상기 거리 측면도 데이터 및 역합성 개구면 레이더 영상 데이터에 각각 거리 측면도 구분기 및 역합성 개구면 영상 구분기를 적용하는 구분기 적용부; 및 거리 측면도의 구분 결과와 역합성 개구면 레이더 영상의 구분 결과를 융합하여 각 표적의 구분 순위를 부여하는 융합부;를 포함하는 것을 특징으로 하는 표적 식별 장치를 제공한다.
본 발명에 따르면, 효과적인 학습 데이터의 구성이 가능하여, 항공기, 포탄, 미사일 등의 고기동 군사표적의 학습 데이터 양을 획기적으로 줄일 수 있다.
또한, 본 발명의 다른 효과로서는, 일반적인 관측 시나리오에서 추적 레이더를 통하여 비행 방향 확보 후, 유사한 비행 시나리오의 학습 데이터를 이용하여 구분함으로써 구분 시간을 획기적으로 감소시킬 수 있다는 점을 들 수 있다.
또한, 본 발명의 또 다른 효과로서는, 거리 측면도 및 역합성 개구면 레이더의 단점을 보완하여 각도에 상관없는 높은 구분율이 달성 가능하며, 레이더에서 사용 가능한 또 다른 기법 중 하나인 미세 도플러와 결합하여 추가적인 구분성능 증대가 가능하다는 점을 들 수 있다.
또한, 본 발명의 또 다른 효과로서는 IR(Infrared Ray) 및/또는 광학 센서 등 센서 차원의 융합을 통한 높은 식별율 달성이 가능하다는 점을 들 수 있다.
도 1은 일반적인 처프 신호의 시간 영역 신호 개념을 보여주는 도면이다.
도 2는 일반적인 처프 신호의 주파수 영역 신호 개념을 보여주는 도면이다.
도 3은 일반적인 정합 필터링 개념을 보여주는 도면이다.
도 4는 일반적인 측면 관측에 따른 거리 측면도(RCS: Radar Cross Section)의 개념도이다.
도 5는 일반적인 정면 관측에 따른 거리 측면도의 개념도이다.
도 6은 일반적인 측면 관측에 따른 역합성 개구면 레이더 영상(ISAR: Inverse Synthetic Aperture Radar)의 개념도이다.
도 7은 일반적인 정면 관측에 따른 역합성 개구면 레이더 형상의 개념도이다.
도 8은 본 발명의 일실시예에 따른 표적 식별 장치의 구성 블록도이다.
도 9는 본 발명의 일실시예에 따른 거리 측면도와 역합성 개구면 레이더 영상를 융합하는 과정을 보여주는 흐름도이다.
도 10은 본 발명의 일실시예에 따른 학습 데이터를 구성하는 공간으로서 3차원 공간에서 균일한 간격의 격자로 항공기의 출발점을 설정하는 개념도이다.
도 11은 본 발명의 일실시예에 따른 각 격자점에서 비행 방향으로 역합성 개구면 레이더 영상과 거리 측면도를 동시에 형성하는 개념도이다.
도 12는 본 발명의 일실시예에 따른 병진운동보상이 없는 학습 데이터 구성을 보여주는 개념도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다.
제 1, 제 2등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. "및/또는" 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.
이하 첨부된 도면을 참조하여 본 발명의 일실시예에 따른 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법 및 그 장치를 상세하게 설명하기로 한다.
본 발명을 설명하기에 앞서 기본 이론로서 거리 측면도 및 정지된 표적의 역합성 개구면 영상 형성에 대한 개념을 먼저 설명하기로 한다.
고해상도 거리측면도 형성 시에 가장 널리 사용되는 신호는 처프 신호이다.처프 신호는 시간에 따라 주파수가 증가(up-chirp) 또는 감소(down-chirp)하는 신호이다. 이 신호는 주로 소나(sonar)나 레이다(radar)에 사용되지만, 광대역 통신을 포함한 여러 분야에 사용된다. 처프 신호는 다음과 같이 수식으로 표시될 수 있다.
Figure pat00003
Figure pat00004
여기서,
Figure pat00005
는 송신된 송신 처프 신호,
Figure pat00006
는 표적으로부터 반사된 반사 처프 신호,
Figure pat00007
,
Figure pat00008
,
Figure pat00009
는 각각 시작 주파수, 밴드폭, 사각펄스를 나타낸다. 또한,
Figure pat00010
는 각각 펄스 지속시간, 레이더 시선방향 투영 거리로 인한 시간지연, 송신 처프의 진폭, 수신 처프의 진폭을 나타낸다.
도 1 및 도 2는 각각 처프신호의 시간 영역 및 주파수 영역의 신호를 나타낸다.
K개의 산란원으로 구성된 표적의 경우 레이더 반사신호는 다음과 같이 모델링할 수 있다.
Figure pat00011
여기서,
Figure pat00012
는
Figure pat00013
번째 산란원의 크기이고,
Figure pat00014
는
Figure pat00015
번째 산란원의 레이더 시선방향으로 투영된 거리로 인한 시간지연을 나타낸다. 이러한 처프 신호를 이용하여 고해상도 거리 측면도를 형성하기 위해서는 정합 필터링 과정이 요구된다. 이를 보여주는 도면이 도 3에 도시된다.
정합 필터링은 송신된 송신신호의 시간축으로 대칭이동 신호의 켤레값과 표적으로부터 반사된 수신신호를 컨볼루션(convolution)하는 과정이며, 그 결과 레이다 시선 방향에 존재하는 산란원의 위치와 크기를 얻을 수 있다.
하지만, 컨볼루션시 과도한 시간이 걸리기 때문에 도 3과 같이 주파수 영역으로 변환을 한 후 각각의 원소를 곱해서 수행한다. 정합 필터링을 하여 얻은 거리 측면도의 거리 해상도는 다음식과 같다.
Figure pat00016
여기서
Figure pat00017
는 빛의 속도,
Figure pat00018
는 밴드폭을 나타낸다. 정지된 표적의 경우, 표적을 균일한 각도로 회전하면서 거리 측면도를 얻은 후에 각 거리 성분별로 푸리에 변환을 수행하면 (거리, 도플러 주파수) 영역의 역합성 개구면 레이더 영상을 얻을 수 있다.
그런데, 정지된 표적과는 달리 실제로 표적은 다양한 형태의 병진운동을 한다. 이 경우 동일한 산란원이 다른 지점에서 관측되어 역합성 개구면 레이더 영상이 심하게 흐려지게 된다. 따라서 병진운동 보상 문제가 역합성 개구면 레이더 영상을 얻기 위한 핵심이며, 이는 크게 거리 정렬 및 위상 보정으로 구성된다.
거리정렬 시에는 두 거리 측면도가 잘 정렬되었을 때 두 거리 측면도의 합의 엔트로피가 최소화된다는 원리를 이용한다.
Figure pat00019
이라는 두 개의 인접한 거리 측면도를 가정할 경우, 두 거리측면도의 엔트로피는 다음과 같다.
Figure pat00020
Figure pat00021
이 엔트로피 함수를 이용하여 두 개의 거리 측면도 중에 하나를 이동시키면서 함수값을 계산한다. 따라서, 엔트로피 함수(H)의 값을 최소화시키는 상대적인 이동이 표적의 움직임으로 인한 값이다.
하지만 실제 상황에서 현재 거리 측면도를 인접한 거리 측면도와 정렬할 경우 오차가 축적된다. 따라서, 이를 최소화하기 위하여 이전까지 정렬된 거리 측면도의 평균과 정렬될 거리 측면도의 엔트로피를 이용한다.
거리 정렬후의 단계는 잔존하는 위상오차를 제거하기 위한 위상보정 단계이다. 이러한 위상보상이 없이는 초점이 맞춰진 이미지를 얻을 수가 없다.
Figure pat00022
개의 거리 측면도가 정렬되고,
Figure pat00023
를 각 원소가 각 거리 측면도의 위상 오차인 위상 오차 벡터라 가정할 경우, 위상보상 후의 거리 측면도는 아래와 같이 나타낼 수 있다.
Figure pat00024
여기서,
Figure pat00025
은 정렬된 거리 측면도이다.
Figure pat00026
의 각 성분
Figure pat00027
별로 푸리에 변환하여 역합성 개구면 영상
Figure pat00028
을 얻을 경우, 영상이 매우 흐려지게 되므로 위상오차 벡터를 추정하기 위하여 다음과 같이 역합성 개구면 레이더 영상의 2차원 엔트로피를 사용하여 엔트로피가 최소가 되도록 하는 위상 오차 벡터(
Figure pat00029
)를 얻는다.
Figure pat00030
여기서
Figure pat00031
이고, 이는
Figure pat00032
의 정규화된 역합성 개구면 레이더 영상이다.
앞서 언급한 거리 측면도와 역합성 개구면 레이더는 관측 방향에 따라서 구분율이 저하되는 문제가 존재한다. 우선 도 4에 도시된 바와 같이, 측면에서 비행표적이 관측될 경우, 항공기의 수직 안정판의 RCS가 매우 크므로 대부분 항공기의 거리 측면도는 매우 좁은 범위에서 분포하여 매우 유사하다.
반대로 도 5에 도시된 바와 같이, 정면 관측의 경우, 항공기 코부터 꼬리까지의 산란원이 넓은 영역에 분포되어 표적 특유의 거리 측면도가 형성된다. 따라서 측면 관측 시의 거리 측면도를 이용한 표적식별의 성능이 매우 저하되며, 정면 관측의 경우에는 높은 구분율을 달성할 수 있다.
한편, 거리 측면도와는 반대로 역합성 개구면 레이더 영상의 경우, 도 6에서 도시된 바와 같이, 측면 관측의 경우 회전 성분이 방위각 위주이므로 영상이 넓은 영역에 분포한다. 반대로 도 7에 도시된 바와 같이, 정면 관측 시에 표적의 회전 성분이 고각 위주이므로 영상이 매우 좁은 영역에 분포한다. 따라서, 정면 관측 시에 구분율이 상당히 저하될 수 있다.
이러한 거리 측면도 및 역합성 개구면 레이더 영상을 이용한 구분 시, 일반적으로 구성된 학습 데이터를 이용하여 미확인 표적의 특성과 비교한 후 가장 유사한 학습 데이터를 제공하는 표적을 미확인 표적으로 판정하게 된다. 따라서 각 표적의 학습 데이터를 구성하는 것이 성공적인 표적인식을 위하여 매우 중요하다.
하지만, 거리 측면도의 경우, 관측 방향에 따라서 산란원들의 간섭으로 인하여 매우 심하게 변화하게 되어 매우 촘촘하게 학습 데이터를 구성해야 한다. 또한, 모든 관측방향에 대하여 학습 데이터를 구성할 경우 엄청난 저장 공간이 형성된다. 또한, 구분 시에는 학습 데이터 양의 증가로 인하여 구분 시간도 매우 많이 소모된다. 마찬가지로 역합성 개구면 레이더 영상의 경우, 각 관측각도에서 영상을 제공하는 회전성분이 무한대로 많으므로 구분이 적합한 학습 영상을 확보하기가 불가능하다.
따라서 본 발명의 일실시예에서는 항공기의 비행 관측 시나리오에 근거하여 거리 측면도와 역합성 개구면 레이더 영상의 학습 데이터를 구성하여 저장 공간 및 구분 시간을 단축한다. 여기서 비행 관측 시나리오는 3차원 공간에서 균일한 간격의 격자로 항공기의 출발점과 비행방향을 설정하는 각본이며, 추적레이더를 통하여 비행방향을 확보 후, 유사한 출발점의 비행 시나리오 학습 데이터를 이용하여 구분한다.
도 8은 본 발명의 일실시예에 따른 표적 식별 장치(800)의 구성 블록도이다. 도 8을 참조하면, 표적 식별 장치(800)는, 표적의 비행 관측 시나리오를 기반으로 하여 거리 측면도 데이터 및 역합성 개구면 레이더 영상 데이터를 동시에 형성하는 데이터 형성부(810), 상기 표적의 병진 운동에 따른 병진 운동 보상을 수행하여 시험 데이터를 형성하는 시험 데이터 형성부(820), 상기 거리 측면도 데이터 및 역합성 개구면 레이더 영상 데이터에 각각 거리 측면도 구분기 및 역합성 개구면 영상 구분기를 적용하는 구분기 적용부(830), 거리 측면도의 구분 결과와 역합성 개구면 레이더 영상의 구분 결과를 융합하여 각 표적의 구분 순위를 부여하는 융합부(840) 등을 포함하여 구성된다.
데이터 형성부(810)는 거리 측면도 데이터베이스를 생성하는 거리 측면도 데이터 형성부(811)와 역합성 개구면 레이더 영상 데이터베이스를 생성하는 역합성 개구면 레이더 영상 데이터 형성부(812)로 구성된다.
시험 데이터 형성부(820)는 표적의 병진 운동에 따른 병진 운동 보상을 수행하여 시험 데이터를 형성한다.
구분기 적용부(830)는 다수의 거리 측면도로 구분하는 거리 측면도 구분기(831)와 다수의 역합성 개구면 레이더 영상으로 구분하는 역합성 개구면 영상 구분기(832)로 구성된다. 구분 시에는 거리 측면도 및 역합성 개구면 레이더 구분에 사용되는 기존의 다양한 구분기가 사용 가능하다. 그러나, 거리 측면도의 경우 단일 각도 구분기에 비하여 다중 각도 구분기의 성능이 높으므로 다중 각도 구분기를 사용한다.
도 9는 본 발명의 일실시예에 따른 거리 측면도와 역합성 개구면 레이더 영상를 융합하는 과정을 보여주는 흐름도이다. 도 9를 참조하면, 거리 측면도와 역합성 개구면 레이더 영상의 학습 데이터 형성을 위하여 거리 측면도 및 역합성 개구면 데이터베이스를 형성한다(단계 S910).
부연하면, 도 10에 도시된 바와 같이 표적(예를 들면, 항공기를 들 수 있음)가 관측되는 학습데이터 구성 공간(1000)에서
Figure pat00033
축,
Figure pat00034
축,
Figure pat00035
축을 균일한 간격의 격자로 나누어 3차원 학습데이터 격자(1020)를 형성한다. 이후, 도 11에 도시된 바와 같이 학습 데이터 공간의 각 격자점에서 시작하여 항공기를 일정한 방향
Figure pat00036
으로 속도
Figure pat00037
와 가속도
Figure pat00038
로 비행한다고 가정한 후, 다음 식과 같이 비행으로 인한 관측각도 변화값
Figure pat00039
가 레이더 거리방향 해상도
Figure pat00040
과 동일한 변화값이 될 때까지 거리 측면도(△r)를 형성한다.
Figure pat00041
여기서, B는 대역폭,
Figure pat00042
는 파장, c는 빛의 속도를 나타낸다. 거리 측면도 형성 시에는 도 12에 도시된 바와 같이 알려진 속도 및 가속도를 이용하여 각 비행 방향(즉 비행 궤적)에서 방위각
Figure pat00043
및 고각
Figure pat00044
를 구한 후, 이를 이용하여 원점(1110)에 위치한 표적의 롤(roll), 피치(pitch), 요(yaw) 자세를 설정한다.
이후 설정된 자세를 이용하여 거리 측면도 형성 수행하고, 형성된 거리 측면도를 이용하여 역합성 개구면 레이더 영상을 확보한다. 이 때, 표적의 정확한 관측각도 및/또는 자세를 알기 때문에 앞서 언급한 거리 정렬 + 위상 보정으로 구성된 병진운동 보상은 수행할 필요가 없으므로 계산시간이 매우 단축된다.
표적의 비행 방향인
Figure pat00045
는 0 ~ 90˚로 설정하여 모든 관측각도에서 동시에 식별 가능한 학습 데이터를 구성한다.
도 9와 10을 참조하여 계속 설명하면, 학습데이터 구성 공간(1000) 내에 임의의 출발점과 비행방향을 가지는 임의의 표적에 대하여 병진 운동에 따른 병진 운동 보상을 수행 후, 시험 데이터를 형성한다(단계 S920). 이러한 보상 수행의 원리에 대해서는 앞서 수학식 5 내지 8을 참고하여 기술된바 있으므로 더 이상의 설명은 생략하기로 한다.
이후, 구분기(도 8의 831,832)를 이용하여 거리 측면도 및 역합성 개구면 레이더 영상 데이터를 구분한다(단계 S930).
다음과 같이 역합성 개구면 레이더 영상 형성을 위하여 확보된 각 거리측면도들의 구분하여 가장 판명된 횟수가 많은 표적으로 최종적으로 판단하는 다중각도 구분기를 사용한다.
Figure pat00046
여기서,
Figure pat00047
는 구분기가
Figure pat00048
번째 표적으로 구분한 횟수이며,
Figure pat00049
는 최종 구분 결과이다. 예를 들어, 10개의 거리 측면도를 구분하였다고 하면, 1번 표적으로 구분한 횟수가 5회, 2번 표적으로 구분한 횟수가 2회, 3번 표적으로 구분한 횟수가 3회일 경우, 최종적으로 1번 표적으로 판정하는 방식이다.
구분기(도 8의 831,832)를 이용하여 거리 측면도의 구분결과와 역합성 개구면 레이더 영상의 구분결과를 융합하기 위하여 표적의 구분 결과에 따라 내림차순으로 순위를 부여한다(단계 S940). 즉, 다음과 같이
Figure pat00050
의
Figure pat00051
번째 원소가
Figure pat00052
번째 표적의 거리 측면도의 구분결과에 따른 순위를 저장하는 벡터라 정의하고, 마찬가지로
Figure pat00053
번째 원소가
Figure pat00054
번째 표적의 역합성 개구면 레이더 영상 구분 시의 순위인 벡터
Figure pat00055
를 정의한다.
Figure pat00056
예를 들면,
Figure pat00057
일 경우, 거리 측면도로 구분 시에 1번 표적의 순위는 3위, 2번은 1위, 3번은 2위인 방식이다.
또한, 위에서 설명한 바와 같이, 본 발명의 일실시예에서는 역합성 개구면 레이더 영상의 신뢰도가 저하되는 낮은 관측각도에서는 거리 측면도의 구분결과의 비중이 크도록, 거리측면도의 신뢰도가 저하되는 높은 관측각도에서는 역합성 개구면 레이더 영상의 구분결과의 비중이 크도록 구분 순위에 가중치를 부여하는 방식으로 구분기 차원의 융합을 수행한다(단계 S950).
이러한 구분기 차원의 융합을 통한 각 표적의 순위값 부여를 위한 방식은 크게 선형, 비선형 및 다항식으로 구성된다.
선형의 경우, 다음 식과 같이 선형적으로 구분결과에 가중치를 부여하는 방식이다.
Figure pat00058
여기서
Figure pat00059
및
Figure pat00060
는 적절한 상수,
Figure pat00061
는 최대 관측각도,
Figure pat00062
는 현재 관측각도이다. 위 식에서 보는 바와 같이, 가중치를 부여하여 생성되는 순위의 합 벡터의 원소 중 가장 값이 작은 성분의 원소 번호
Figure pat00063
가 미확인 표적의 기종으로 판명된다. 예를 들면, [3.1 1.1 5.1]의 경우, 2번째인 1.1이 가장 작으므로 표적은 2번 표적으로 판명되는 것이다. 이와 유사한 방법으로, 사인형 방식의 경우, 다음 식과 같이 삼각함수를 이용하여 가중치를 적용하여 구분을 수행한다.
Figure pat00064
마찬가지로 다항식 방식의 경우, 다음과 같이 다항식 형태의 가중치를 부여한다.
Figure pat00065
위 식에서
Figure pat00066
와
Figure pat00067
는 다음과 같다.
Figure pat00068
위 식에서
Figure pat00069
와
Figure pat00070
는 다항식의 계수,
Figure pat00071
와
Figure pat00072
는 다항식의 차수,
Figure pat00073
는
Figure pat00074
일 때 최대,
Figure pat00075
일 때 최소가 되는 어떠한 형태의 다항식이며,
Figure pat00076
는
Figure pat00077
일 때 최소,
Figure pat00078
일 때 최대가 되는 어떠한 형태의 다항식이다.
800: 표적 식별 장치
810: 데이터 형성부
811: 거리 측면 데이터 형성부
812: 역합성 개구면 레이더 영상 데이터 형성부
820: 시험 데이터 형성부
830: 구분기 적용부
831: 거리 측면도 구분기
832: 역합성 개구면 영상 구분기
840: 융합부

Claims (9)

  1. 데이터 형성부가 표적의 비행 관측 시나리오를 기반으로 하여 거리 측면도 데이터 및 역합성 개구면 레이더 영상 데이터를 동시에 형성하는 제 1 데이터 형성단계;
    시험 데이터 형성부가 상기 표적의 병진 운동에 따른 병진 운동 보상을 수행하여 시험 데이터를 형성하는 제 2 데이터 형성 단계;
    구분기 적용부가 상기 거리 측면도 데이터 및 역합성 개구면 레이더 영상 데이터에 각각 거리 측면도 구분기 및 역합성 개구면 영상 구분기를 적용하는 구분기 적용 단계; 및
    융합부가 거리 측면도의 구분 결과와 역합성 개구면 레이더 영상의 구분 결과를 융합하여 각 표적의 구분 순위를 부여하는 구분 순위 부여 단계;
    를 포함하는 것을 특징으로 하는 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법.
  2. 제 1 항에 있어서,
    상기 제 1 데이터 형성 단계는,
    표적이 관측되는 학습 데이터 구성 공간상에 균일 간격의 격자로 나누어 다수의 3차원 학습 데이터 격자를 형상하는 단계;
    상기 다수의 3차원 학습 데이터 격자의 격자점으로부터 상기 표적의 비행으로 인한 관측각도 변화값이 레이더 거리 방향 해상도와 동일한 값이 될 때까지 거리 측면도를 형성하는 단계; 및
    상기 거리 측면도를 이용하여 역합성 개구면 레이더 영상을 획득하는 단계;를 포함하는 것을 특징으로 하는 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법.
  3. 제 2 항에 있어서,
    상기 거리 측면도를 형성하는 단계는,
    속도 및 가속도를 이용하여 표적의 비행 방향에서 방위각 및 고각을 계산하는 단계;
    상기 방위각 및 고각을 이용하여 상기 표적의 롤, 피치 및 요자세를 설정하는 단계; 및 상기 롤, 피치 및 요 자세를 이용하여 상기 거리 측면도를 형상하는 단계;를 포함하는 것을 특징으로 하는 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법.
  4. 제 3 항에 있어서,
    상기 비행 방향은 0도 내지 90도인 것을 특징으로 하는 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법.
  5. 제 1 항에 있어서,
    상기 거리 측면도는 수학식
    Figure pat00079
    (여기서, B는 대역폭,
    Figure pat00080
    는 파장, c는 빛의 속도, △θ는 관측각도 변화값을 나타낸다)에 의해 산출되는 것을 특징으로 하는 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법.
  6. 제 1 항에 있어서,
    상기 거리 측면도 구분기는 단일 각도 또는 다중 각도 구분기이고, 상기 역합성 개구면 영상 구분기는 단일 각도 구분기인 것을 특징으로 하는 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법.
  7. 제 1 항에 있어서,
    상기 융합은 역합성 개구면 레이더 영상의 신뢰도가 저하되는 낮은 관측 각도에서는 거리 측면도의 구분결과의 비중이 크도록, 거리 측면도의 신뢰도가 저하되는 높은 관측각도에서는 역합성 개구면 레이더 영상의 구분결과의 비중이 크도록 구분 순위에 가중치를 부여하여 이루어지는 것을 특징으로 하는 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법.
  8. 제 7 항에 있어서,
    상기 각 표적의 구분 순위의 부여는 선형 현태, 비선형 형태 및 다항식 형태중 어느 하나의 가중치를 구분 결과에 부여하여 이루어지는 것을 특징으로 하는 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법.
  9. 표적의 비행 관측 시나리오를 기반으로 하여 거리 측면도 데이터 및 역합성 개구면 레이더 영상 데이터를 동시에 형성하는 데이터 형성부;
    상기 표적의 병진 운동에 따른 병진 운동 보상을 수행하여 시험 데이터를 형성하는 시험 데이터 형성부;
    상기 거리 측면도 데이터 및 역합성 개구면 레이더 영상 데이터에 각각 거리 측면도 구분기 및 역합성 개구면 영상 구분기를 적용하는 구분기 적용부; 및
    거리 측면도의 구분 결과와 역합성 개구면 레이더 영상의 구분 결과를 융합하여 각 표적의 구분 순위를 부여하는 융합부;
    를 포함하는 것을 특징으로 하는 표적 식별 장치.
KR1020140131599A 2014-09-30 2014-09-30 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법 및 그 장치 KR101617620B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140131599A KR101617620B1 (ko) 2014-09-30 2014-09-30 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140131599A KR101617620B1 (ko) 2014-09-30 2014-09-30 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법 및 그 장치

Publications (2)

Publication Number Publication Date
KR20160038464A true KR20160038464A (ko) 2016-04-07
KR101617620B1 KR101617620B1 (ko) 2016-05-03

Family

ID=55789641

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140131599A KR101617620B1 (ko) 2014-09-30 2014-09-30 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR101617620B1 (ko)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106951822A (zh) * 2017-01-24 2017-07-14 南京航空航天大学 一种基于多尺度稀疏保持投影一维距离像融合识别方法
CN107765240A (zh) * 2017-10-20 2018-03-06 中国人民解放军海军七〇工厂 一种运动状态的判断方法、装置和电子设备
KR101851636B1 (ko) * 2016-10-20 2018-06-07 국방과학연구소 공진 주파수 및 파형 구조 기반의 특성 벡터 융합을 이용한 레이더 표적 구분 방법 및 장치
CN109376574A (zh) * 2018-08-14 2019-02-22 西安电子科技大学 基于cnn的可拒判雷达hrrp目标识别方法
CN109471097A (zh) * 2018-11-14 2019-03-15 湖南华诺星空电子技术有限公司 一种穿墙雷达信号优化处理方法及装置
CN110109110A (zh) * 2019-04-26 2019-08-09 西安电子科技大学 基于先验最优变分自编码机的hrrp目标识别方法
CN110161480A (zh) * 2019-06-18 2019-08-23 西安电子科技大学 基于半监督深度概率模型的雷达目标识别方法
CN111598163A (zh) * 2020-05-14 2020-08-28 中南大学 基于Stacking集成学习方式雷达HRRP目标识别方法
CN111693953A (zh) * 2020-05-11 2020-09-22 中山大学 基于微多普勒的目标分类识别模型、方法、系统及装置
CN111830501A (zh) * 2020-06-28 2020-10-27 中国人民解放军战略支援部队信息工程大学 Hrrp历史特征辅助的信号模糊数据关联方法及系统
CN112924939A (zh) * 2021-03-11 2021-06-08 内江瀚海智行科技有限公司 雷达无线电干扰测试中基于北斗高精度定位的数据同步分析方法
KR102272411B1 (ko) * 2020-08-12 2021-07-02 국방과학연구소 합성 개구면 레이더 영상의 시뮬레이션 영상 데이터베이스의 식별률을 높이기 위한 인공신경망 학습 방법 및 그 장치
CN113313182A (zh) * 2021-06-07 2021-08-27 北博（厦门）智能科技有限公司 一种基于雷达和视频融合的目标识别方法及终端
CN113392723A (zh) * 2021-05-25 2021-09-14 珠海市亿点科技有限公司 基于人工智能的无人机迫降区域筛选方法、装置及设备
KR20220168728A (ko) * 2021-06-17 2022-12-26 국방과학연구소 레이더 시스템에서 데이터 상관 관계를 이용하여 거리-도플러 맵을 생성하기 위한 장치 및 방법
KR102600627B1 (ko) * 2023-04-25 2023-11-08 국방과학연구소 고해상도 거리 프로파일을 이용한 저고도 고각 오차 저감 장치 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101103493B1 (ko) 2010-07-13 2012-01-10 영남대학교 산학협력단 역합성 개구면 레이더 영상을 이용한 표적 식별 방법 및 그 장치
KR101425425B1 (ko) 2013-06-05 2014-08-05 (주)헤르메시스 레이더 관측자료 격자화 장치 및 방법

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101851636B1 (ko) * 2016-10-20 2018-06-07 국방과학연구소 공진 주파수 및 파형 구조 기반의 특성 벡터 융합을 이용한 레이더 표적 구분 방법 및 장치
CN106951822A (zh) * 2017-01-24 2017-07-14 南京航空航天大学 一种基于多尺度稀疏保持投影一维距离像融合识别方法
CN106951822B (zh) * 2017-01-24 2020-12-01 南京航空航天大学 一种基于多尺度稀疏保持投影一维距离像融合识别方法
CN107765240B (zh) * 2017-10-20 2020-11-06 中国人民解放军海军七〇一工厂 一种运动状态的判断方法、装置和电子设备
CN107765240A (zh) * 2017-10-20 2018-03-06 中国人民解放军海军七〇工厂 一种运动状态的判断方法、装置和电子设备
CN109376574A (zh) * 2018-08-14 2019-02-22 西安电子科技大学 基于cnn的可拒判雷达hrrp目标识别方法
CN109376574B (zh) * 2018-08-14 2021-05-14 西安电子科技大学 基于cnn的可拒判雷达hrrp目标识别方法
CN109471097B (zh) * 2018-11-14 2022-04-22 湖南华诺星空电子技术有限公司 一种穿墙雷达信号优化处理方法及装置
CN109471097A (zh) * 2018-11-14 2019-03-15 湖南华诺星空电子技术有限公司 一种穿墙雷达信号优化处理方法及装置
CN110109110A (zh) * 2019-04-26 2019-08-09 西安电子科技大学 基于先验最优变分自编码机的hrrp目标识别方法
CN110161480A (zh) * 2019-06-18 2019-08-23 西安电子科技大学 基于半监督深度概率模型的雷达目标识别方法
CN111693953B (zh) * 2020-05-11 2023-12-05 中山大学 基于微多普勒的目标分类识别模型、方法、系统及装置
CN111693953A (zh) * 2020-05-11 2020-09-22 中山大学 基于微多普勒的目标分类识别模型、方法、系统及装置
CN111598163B (zh) * 2020-05-14 2022-02-01 中南大学 基于Stacking集成学习方式雷达HRRP目标识别方法
CN111598163A (zh) * 2020-05-14 2020-08-28 中南大学 基于Stacking集成学习方式雷达HRRP目标识别方法
CN111830501B (zh) * 2020-06-28 2023-04-28 中国人民解放军战略支援部队信息工程大学 Hrrp历史特征辅助的信号模糊数据关联方法及系统
CN111830501A (zh) * 2020-06-28 2020-10-27 中国人民解放军战略支援部队信息工程大学 Hrrp历史特征辅助的信号模糊数据关联方法及系统
KR102272411B1 (ko) * 2020-08-12 2021-07-02 국방과학연구소 합성 개구면 레이더 영상의 시뮬레이션 영상 데이터베이스의 식별률을 높이기 위한 인공신경망 학습 방법 및 그 장치
CN112924939A (zh) * 2021-03-11 2021-06-08 内江瀚海智行科技有限公司 雷达无线电干扰测试中基于北斗高精度定位的数据同步分析方法
CN113392723A (zh) * 2021-05-25 2021-09-14 珠海市亿点科技有限公司 基于人工智能的无人机迫降区域筛选方法、装置及设备
CN113313182A (zh) * 2021-06-07 2021-08-27 北博（厦门）智能科技有限公司 一种基于雷达和视频融合的目标识别方法及终端
CN113313182B (zh) * 2021-06-07 2023-10-17 北博（厦门）智能科技有限公司 一种基于雷达和视频融合的目标识别方法及终端
KR20220168728A (ko) * 2021-06-17 2022-12-26 국방과학연구소 레이더 시스템에서 데이터 상관 관계를 이용하여 거리-도플러 맵을 생성하기 위한 장치 및 방법
KR102600627B1 (ko) * 2023-04-25 2023-11-08 국방과학연구소 고해상도 거리 프로파일을 이용한 저고도 고각 오차 저감 장치 및 방법

Also Published As

Publication number Publication date
KR101617620B1 (ko) 2016-05-03

Similar Documents

Publication Publication Date Title
KR101617620B1 (ko) 고해상도 거리 측면도와 역합성 개구면 레이더 영상의 융합을 통한 표적 식별 방법 및 그 장치
KR101627612B1 (ko) 비행 궤적 및 형태학적 처리를 이용한 효과적인 다중 표적 역합성 개구면 레이더 영상 형성 방법 및 장치
Wang et al. Bistatic SAR system and signal processing technology
Berizzi et al. Autofocusing of inverse synthetic aperture radar images using contrast optimization
Xie et al. Fast factorized backprojection algorithm for one-stationary bistatic spotlight circular SAR image formation
Chang et al. SAR image simulation with application to target recognition
KR20200144862A (ko) 레이더의 해상도 향상 방법 및 장치
Park et al. Construction of ISAR training database for automatic target recognition
Park et al. Performance analysis of the scenario-based construction method for real target ISAR recognition
Vu et al. Fast backprojection algorithm for UWB bistatic SAR
Garry et al. Passive ISAR part I: framework and considerations
CN110378896B (zh) 基于极化相干性的TomoSAR植被病虫害监测方法及装置
KR101029175B1 (ko) 다항식과 가우시안 기저 함수를 이용하는 장거리 역합성 개구면 레이더 영상 생성 방법 및 그 장치
Ponce et al. First demonstration of 3-D holographic tomography with fully polarimetric multi-circular SAR at L-band
CN110632616B (zh) 一种稀疏采样下机载逆合成孔径激光雷达微动成像方法
Zhang et al. An airborne/missile-borne array radar forward-looking imaging algorithm based on super-resolution method
Xie et al. Spatial resolution analysis of low frequency ultrawidebeam–ultrawideband synthetic aperture radar based on wavenumber domain support of echo data
Palm et al. Challenges and potentials using multi aspect coverage of urban scenes by airborne SAR on circular trajectories
Laurenzis et al. Tracking and prediction of small unmanned aerial vehicles' flight behavior and three-dimensional flight path from laser gated viewing images
Garren Signatures of surface targets with increasing speed in spotlight synthetic aperture radar
Desai Spotlight mode SAR stereo technique for height computation
CN115656944A (zh) 基于mimo雷达的舰船图像电磁散射特征闪烁的精确校正方法
Guo et al. Circular SAR motion compensation using trilateration and phase correction
Vu Area resolution for bistatic ultrawideband ultrawidebeam SAR
Kuang et al. Fully three-dimensional UAV SAR imaging with multi-azimuth-angle observation

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190402

Year of fee payment: 4