KR20160048441A - 수집 레이더 신호의 클러스터링 방법 - Google Patents

Abstract

본 발명은 수집된 레이더 신호의 도착방향의 차이 및 도착시간의 차를 이용하여 레이더 신호를 클러스터링하는 방법에 관한 것으로, 레이더 신호를 수신하여 신호 수집부에 의해 생성된 복수의 PDW 데이터를 펄스 도착시간(TOA)에 따라 정렬해 놓은 PDW 리스트를 입력받는 단계와, 입력된 PDW 리스트를 구성하는 각 PDW 데이터들을 거리계산함수를 호출하여 유사성을 갖는 그룹 신호들로 클러스터링하되, 상기 거리계산함수를 이용해 그룹화하고자 하는 PDW 데이터의 펄스 도착시간을 포함하는 신호특징변수들의 값과, 그룹화된 각 그룹을 대표하는 신호특징변수들 값과의 차를 구하여 각 신호특징변수들에 대하여 정해진 임계치와 비교하는 방식을 통해 가장 가까운 거리에 존재하는 그룹을 찾아 상기 그룹화하고자 하는 PDW 데이터를 추가하거나 새로운 그룹으로 생성하여 유사성을 갖는 그룹 신호들로 클러스터링하는 단계를 포함함을 특징으로 한다.

Description

수집 레이더 신호의 클러스터링 방법{METHOD FOR CLUSTERING AN RADAR SIGNAL}

본 발명은 레이더 신호의 클러스터링 방법에 관한 것으로, 특히 수집된 레이더 신호의 도착방향의 차이 및 도착시간의 차를 이용하여 수집된 레이더 신호를 클러스터링하는 방법에 관한 것이다.

일반적으로, 전자전 지원(Electronic warfare Support: ES) 시스템은 적의 신호를 수신한 후 위협 신호원(threat emitter)을 확인하고 위치를 파악하여, 적의 전력 구조와 배치를 판단하는 것을 도와준다. ES 시스템의 주요한 기능은 위협 신호원의 검출, 위협 유형 및 동작 형태, 위협 신호원의 위치 파악, 상황 인식을 지원해 주는 위협 정보의 표시 등이다.

ES 시스템은 수신한 신호의 펄스 특성을 측정하고, 수집한 데이터로부터 펄스열(pulse trains)의 규칙, 상관관계, 연속성 등을 식별하고 데이터의 특성을 분석하고, 신호원 식별 데이터(Emitter Identification Data: EID)와의 비교를 통해 신호원을 확인한다.

최근의 신호 환경은 펄스 밀도가 매우 높고 다양한 형태의 신호원이 존재하고 있기 때문에, 각 레이더 신호를 실시간으로 확인하는 ES 시스템은 더 신속하고 정확한 분석 능력이 요구되고 있다. 이를 위해서, 신호 분석의 부담을 줄이고 신뢰성 있는 분석을 지원하기 위해 ES 시스템에서는 전처리(preprocessing) 기술로서 레이더 펄스의 클러스터링 방법을 개발해 왔다.

ES 시스템에서의 클러스터링은 수신한 레이더 펄스로부터 미지의 레이더 신호원을 분류하는 데이터 클러스터링의 특수한 응용 예이다. 보통의 데이터 클러스터링과 비교하면, 레이더 신호원의 분류는 특수한 상황을 갖는다.

우선, 레이더 펄스는 많은 차원(dimension)을 가진다. 두 번째로, 신호 환경에 따라 수신 펄스의 수는 매우 가변적이어서, 좋은 환경에서 수신한 펄스의 수는 초당 수백만 개도 나올 수 있지만, 열악한 환경에서는 수신한 펄스의 수가 매우 적으며 이 경우 수신되는 펄스의 수는 레이더 신호에 대해 수십 개 정도이다.

세 번째로, 레이더 신호는 다양한 변조 형태를 가지며 그 형태에 따라 펄스의 특성이 결정된다. 그러므로, ES 시스템에서의 클러스터링 방법에 대해서는 이러한 요인들을 고려해야만 한다.

한편, 레이더 펄스 클러스터링은 레이더 신호 수집과 분석 프로세스 사이에서 신호 분석을 위한 전처리로서 수행되며, 신호 분석 프로세스를 위해 신뢰성 있는 클러스터 정보를 제공해야 한다. 이를 위해, 클러스터링 방법은 1) 한 레이더 신호원의 펄스들을 다른 클러스터로 분산시키지 않으며, 2) 너무 큰 클러스터를 형성시키지 않고, 3) 처리 시간을 최소화할 수 있어야 한다.

그러나 현재까지 알려진 레이더 펄스 클러스터링 방법(흔히 3차원 순차 클러스터링 방법 혹은 3차원 동시 클러스터링 방법이라고 알려짐)은 수집된 각 레이더 펄스에 대한 신호특징변수 중 주파수(frequency) 혹은 도착방향(angle of arrival: AOA, 방위) 혹은 펄스 폭 3가지 변수 중 하나 혹은 이들을 조합하여 이용하는데, 방위를 활용하는 경우에는 정해진 방위 범위를 벗어나면 다른 그룹으로 분리되어 한 개의 신호가 여러 그룹으로 분할되는 단점이 있고, 방위, 주파수, 펄스 폭이 같을 경우에는 너무 큰 클러스터를 형성할 수 있어 신호를 분석하는 시간이 길어질 수 있다는 문제점이 있다.

대한민국 등록특허공보 10-1007662 대한민국 등록특허공보 10-1026144

이에 본 발명의 목적은 상술한 문제점을 해결하기 위해 창안된 발명으로써, 레이더 펄스를 클러스터링함에 있어 펄스 도착시간 차이 및 도착방향 차이를 활용함으로써, 하나의 신호가 여러 그룹으로 분할되는 것을 막는 동시에 이동하는 방사체의 신호를 추적할 수 있으며, 과대 그룹화를 막을 수 있는 수집 레이더 신호의 4차원 클러스터링 방법을 제공함에 있다.

상기 목적을 달성하기 위한 본 발명의 실시예에 따른 수집 레이더 신호의 클러스터링 방법은,

레이더 신호를 수신하여 신호 수집부에 의해 생성된 복수의 PDW(Pulse Description Word) 데이터를 펄스 도착시간(TOA)에 따라 정렬해 놓은 PDW 리스트를 입력받는 제1단계와;

입력된 PDW 리스트를 구성하는 각 PDW 데이터들을 거리계산함수를 호출하여 유사성을 갖는 그룹 신호들로 클러스터링하되, 상기 거리계산함수를 이용해 그룹화하고자 하는 PDW 데이터의 펄스 도착시간을 포함하는 신호특징변수들의 값과, 그룹화된 각 그룹을 대표하는 신호특징변수들 값과의 차를 구하여 각 신호특징변수들에 대하여 정해진 임계치와 비교하는 방식을 통해 가장 가까운 거리에 존재하는 그룹을 찾아 상기 그룹화하고자 하는 PDW 데이터를 추가하거나 새로운 그룹으로 생성하여 유사성을 갖는 그룹 신호들로 클러스터링하는 제2단계;를 포함함을 특징으로 하며,

더 나아가 상기 제2단계에서는 생성된 그룹 미 존재시에 그룹화하고자 하는 첫 번째 PDW 데이터가 첫 번째 그룹으로 생성되며, 생성되는 상기 첫 번째 그룹을 대표하는 신호특징변수들의 값은 상기 첫 번째 PDW 데이터의 펄스 도착시간을 포함하는 신호특징변수들의 값으로 설정됨을 특징으로 한다.

아울러 상술한 본 발명의 실시예에 따른 수집 레이더 신호의 클러스터링 방법의 상기 제2단계에서는,

상기 그룹화하고자 하는 PDW 데이터와 상기 그룹화된 그룹 각각 간의 유사성 여부를 판단하여, 유사성이 없으면 상기 그룹화하고자 하는 PDW 데이터를 새로운 그룹으로 생성하되, 상기 유사성 여부 판단은,

그룹화하고자 하는 PDW 데이터의 펄스 도착시간을 포함하는 신호특징변수들의 값과, 그룹화된 어느 하나의 그룹을 대표하는 신호특징변수들 값과의 차를 구하여 각 신호특징변수들에 대하여 정해진 임계치와 비교하여 임계치를 벗어나면 유사성이 없는 것으로 판단함을 특징으로 하며, 새로이 생성된 그룹을 대표하는 신호특징변수들의 값은 그룹화하고자 하는 PDW 데이터의 펄스 도착시간을 포함하는 신호특징변수들의 값으로 설정됨을 또 다른 특징으로 한다.

상술한 실시예들에서 상기 PDW 데이터의 신호특징변수들 및 상기 그룹을 대표하는 신호특징변수들 각각은 적어도 펄스의 도착방향, 주파수, 펄스 폭, 펄스 도착시간 정보를 포함함을 특징으로 하며,

상기 그룹을 대표하는 신호특징변수들은 펄스의 도착방향, 주파수, 펄스 폭, 펄스 도착시간 정보를 포함하며, 각 특징변수들의 값은 동일 그룹 내에 속하는 PDW 데이터들의 각 신호특징변수들의 평균값임을 특징으로 한다.

상술한 바와 같은 본 발명의 실시예에 따르면, 본 발명의 실시예에 따른 방법은 레이더 신호의 도착방향 차이를 이용함으로써 이동하는 방사체의 신호를 추적할 수 있는 효과가 있으며, 도착시간의 차이를 이용하기 때문에 신호의 과대 그룹화를 최소화할 수 있는 효과가 있으며, 신호분석의 정확도를 향상시킬 수 있는 이점이 있다.

아울러 본 발명은 추가적인 실시예에 따라 클러스터링 완료된 그룹들이 과다할 경우 다시 유사성이 높은, 즉 근접 거리에 위치한 그룹들을 병합하여 그룹 수를 줄일 수 있는 효과도 있다.

도 1은 전자전 지원 시스템의 신호처리과정을 부연 설명하기 위한 도면.
도 2는 신호의 도착방향(a)과 도착방향의 차이(b)를 이용한 경우의 그룹화를 비교하기 위한 도면.
도 3은 펄스의 도착시간 차이를 적용한 경우와 적용하지 않은 경우를 비교하기 위한 도면.
도 4는 복수의 PDW 데이터가 나열되어 있는 일반적인 PDW 리스트 예시도.
도 5는 본 발명의 실시예에 따른 수집 레이더 신호의 클러스터링 방법을 구현하기 위한 프로그램 루틴을 예시한 도면.
도 6 내지 도 8은 본 발명의 실시예에 따른 클러스터링 방법의 효과를 부연 설명하기 위한 시뮬레이션 결과 예시도.

이하 본 발명의 바람직한 실시예를 첨부 도면을 참조하여 상세히 설명하기로 한다. 본 발명을 설명함에 있어 관련된 공지 기능 혹은 구성이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략하기로 한다.

우선 도 1은 전자전 지원 시스템의 신호처리과정을 부연 설명하기 위한 도면을 도시한 것이다.

우선 전자전 환경에서 신호 수집부는 수신한 신호를 PDW(Pulse Description Word) 형태로 변환한다. 신호 수집부에서 수신된 레이더 신호의 주파수를 하향 변환하여 수신된 레이더 신호에 대한 신호의 특징을 나타내는 펄스 세기(PA:Pulse Amplitude), 펄스 폭(PW:Pulse Width), 펄스 도착시간(TOA:Time of Arrival), 주파수, 도착방향(AOA:Angle of Arrival) 등이 포함된 PDW 데이터를 생성하여 저장한다. 설명의 편의상 하기에서는 수신된 레이더 신호에 대한 신호의 특징을 나타내는 변수들(PA,PW, TOA, AOA 등)을 신호특징변수들로 정의하기로 하며, 이러한 신호특징변수들이 모여 PDW 데이터를 구성한다. 이에 상기 신호 수집부는 레이더 신호를 수신하여 복수의 PDW(Pulse Description Word) 데이터를 펄스 도착시간(TOA)에 따라 정렬해 놓은 PDW 리스트를 생성한다. 이러한 PDW 리스트의 예가 도 4에 도시되어 있다.

참고적으로 도 1의 (a)에 도시된 혼합신호는 여러 개의 레이더들이 방사한 신호를 시간 순서대로 수집한 PDW 데이터들의 집합이다. 클러스터링 방법은 이러한 혼합신호를 한 개의 레이더가 방사한 것으로 판단되는 신호들로 분류하여 도 1의 (b)와 같이 그룹화한 신호를 만드는 것이다. 이후 신호 판정 단계에서 신호의 특성을 분석한 결과(도 1의 (c))를 생성한다. 본 발명은 이러한 신호처리과정에서 수집되어 혼합된 레이더 신호를 클러스터링하는 방법에 관한 것이다.

이하 본 발명의 실시예에 따른 수집 레이더 신호의 클러스터링 방법을 보다 상세히 설명하면, 우선 본 발명의 실시예에 따른 클러스터링 방법은 4개의 신호특징변수를 이용 가능하기 때문에 4차원 동시 클러스터링 방법으로 명명할 수도 있다.

4차원 동시 클러스터링 방법은 펄스의 도착방향, 주파수, 펄스 폭과 펄스의 도착시간을 추가적으로 활용한 방법이다. 본 발명은 펄스의 도착방향 차이와 펄스의 도착시간 차이를 사용한다는 것이 알려진 3차원 클러스터링 방법과 차이점이다.

1. 도착방향의 차이

이동 레이더 신호는 신호의 수신 방향이 급격하게 변경되지 않는 특징이 있으므로, 신호(혹은 펄스)의 도착방향의 차이를 사용함으로써 보다 더 정확한 그룹을 형성할 가능성이 높아진다. 하기 수학식 1로 표현되는 신호의 도착방향의 차이(DAOA, Difference Angle Of Arrival)는 연속적으로 수신된 PDW 데이터의 도착방향의 차이이다.

은 현재 PDW 데이터의 도착방향이고,

은 직전의 PDW 데이터의 도착방향을 나타낸다.

도 2는 신호가 일정한 방향으로 이동한다고 가정할 때, 신호의 도착방향(a)과 도착방향의 차이(b)를 이용한 경우의 그룹화를 비교 설명하기 위한 도면을 도시한 것이다.

도 2를 참조해 보면, 우선 가로 축은 펄스의 도착시간(TOA, Time of Arrival)을 세로 축은 펄스의 도착방향(AOA)을 나타내고 있다. 도착방향을 그대로 사용하는 3차원 클러스터링 방법에서는 펄스의 도착방향의 차이를 임계값(AOA Thresholds)과 비교하여 도 2 (a)와 같이 두 개의 그룹으로 분리한다.

그러나 4차원 동시 클러스터링 방법에서는 도착방향의 차이(DAOA)를 기준으로 그룹을 분리한다. 그러므로 도 2의 (b)와 같이 펄스의 도착방향의 차이가 일정한 범위(ΔdATH) 내를 벗어나지 않는 경우 그룹이 분리되지 않고 하나의 그룹을 형성한다.

4차원 동시 클러스터링은 신호의 도착방향의 차이를 그룹화에 사용하여 움직이는 방사체에서 발생한 신호도 한 개의 그룹으로 구분할 수 있다. 4차원 동시 클러스터링은 그룹화에 도착방향의 차이를 추가적으로 활용함으로써 기존의 3차원 방법의 도착방향, 주파수, 펄스 폭만 사용한 그룹화에 비해 여러 개로 분리되는 과군집화를 막을 수 있어 신호분석의 정확도를 향상시킬 수 있다.

2. 도착시간의 차이

한 개의 레이더가 방출한 펄스와 펄스 사이의 간격을 PRI(Pulse Repetition Interval)라고 한다. 한 개의 레이더에서 방출된 신호의 PRI는 일정한 시간 구간에 포함되는 특징을 가지고 있으며, 레이더 종류에 따라 PRI가 다르다. PRI는 수 ㎲에서 수십 ㎳까지 다양하다. PRI의 분포에 따라 레이더를 고정, 주기 반복, 지터 방식 등으로 분류할 수 있다. 그러므로 도착방향, 주파수, 펄스 폭의 분포가 같더라도 펄스의 도착시간이 다르면, 다른 레이더가 방출한 신호일 가능성이 크다. 따라서 수집된 레이더 신호를 클러스터링함에 있어 도착시간의 차이를 추가하면 클러스터링의 정확성을 높일 수 있다.

참고적으로 도 3은 펄스의 도착시간 차이를 적용한 경우와 적용하지 않은 경우를 비교하기 위한 도면을 도시한 것이다.

우선 하기 수학식 2로 표현되는 도착시간의 차이(DTOA:Difference Time Of Arrival)는 연속적으로 수신된 PDW의 도착시간의 차이이다.

은 현재 PDW의 도착시간이며,

은 직전 PDW의 도착시간이다.

이것을 수식으로 표현하면 하기 수학식 3과 같이 한 개의 레이더가 방출하는 신호에 대한 PRI는 DTOA(n)의 집합이고, DTOA(n)은 평균치(

)를 기준으로 일정한 범위() 안에 속한다.

4차원 클러스터링 방법은 신호의 도착시간 특징을 활용하여 신호의 DTOAmean의 k배(k는 임계값 정수)보다 큰 경우 그룹을 분리한다. 이와 같이 임계값을 설정함으로써, 신호를 수신할 때 수신기의 처리 지연으로 펄스 k개를 놓치더라도 같은 그룹으로 분류할 수 있어 그룹이 작게 형성되는 것을 방지할 수 있다.

수신된 신호들 간에 도착시간의 간격이 떨어져 있는 경우, 3차원 클러스터링 방법에서는 도 3의 (a)와 같이 하나의 그룹으로 분류되지만, 4차원 클러스터링 방법에서는 도 3의 (b)와 같이 두 개의 그룹으로 분리할 수 있다.

이와 같이 도착방향의 차이와 도착시간의 차이를 활용한 수집 레이더 신호의 4차원 클러스터링 방법에 대해 도 5를 참조하여 보다 상세히 설명하면 다음과 같다.

우선 도 5는 본 발명의 실시예에 따른 수집 레이더 신호의 클러스터링 방법을 구현하기 위한 프로그램 루틴을 예시한 것이다.

도 5에 도시된 프로그램 루틴을 요약해 보면, 본 발명의 실시예에 따른 수집 레이더 신호의 클러스터링 방법은 크게,

레이더 신호를 수신하여 신호 수집부에 의해 생성된 복수의 PDW(Pulse Description Word) 데이터를 펄스 도착시간(TOA)에 따라 정렬해 놓은 PDW 리스트를 입력받는 제1단계와;

입력된 PDW 리스트를 구성하는 각 PDW 데이터들을 거리계산함수를 호출하여 유사성을 갖는 그룹 신호들로 클러스터링하되, 상기 거리계산함수(calc_distance())를 이용해 그룹화하고자 하는 PDW 데이터의 펄스 도착시간을 포함하는 신호특징변수들의 값과, 그룹화된 각 그룹을 대표하는 신호특징변수들 값과의 차를 구하여 각 신호특징변수들에 대하여 정해진 임계치와 비교하는 방식을 통해 가장 가까운 거리에 존재하는 그룹을 찾아 상기 그룹화하고자 하는 PDW 데이터를 추가하거나 새로운 그룹으로 생성하여 유사성을 갖는 그룹 신호들로 클러스터링하는 제2단계;를 포함한다.

이러한 클러스터링 방법에서 상기 PDW 데이터의 신호특징변수들 및 상기 그룹을 대표하는 신호특징변수들 각각은 적어도 펄스의 도착방향, 주파수, 펄스 폭, 펄스 도착시간 정보를 포함하며, 각 그룹을 대표하는 신호특징변수들의 값은 동일 그룹 내에 속하는 PDW 데이터들의 각 신호특징변수들의 평균값을 가짐을 특징으로 한다.

아울러 상기 제2단계에서는 생성된 그룹 미 존재시에 그룹화하고자 하는 첫 번째 PDW 데이터가 첫 번째 그룹으로 생성되며, 생성되는 상기 첫 번째 그룹을 대표하는 신호특징변수들의 값은 상기 첫 번째 PDW 데이터의 펄스 도착시간을 포함하는 신호특징변수들의 값으로 설정됨을 특징으로 한다.

또한 상기 제2단계에서는,

상기 그룹화하고자 하는 PDW 데이터와 상기 그룹화된 그룹 각각 간의 유사성 여부를 판단하여, 유사성이 없으면 상기 그룹화하고자 하는 PDW 데이터를 새로운 그룹으로 생성하되, 상기 유사성 여부 판단은,

그룹화하고자 하는 PDW 데이터의 펄스 도착시간을 포함하는 신호특징변수들의 값과, 그룹화된 어느 하나의 그룹을 대표하는 신호특징변수들 값과의 차를 구하여 각 신호특징변수들에 대하여 정해진 임계치와 비교하여 임계치를 벗어나면 유사성이 없는 것으로 판단함을 특징으로 한다.

이러한 본 발명의 구성상의 특징을 도 5를 참조하여 부연 설명하면,

우선 신호 수집부에서는 레이더 신호를 수신하여 복수의 PDW(Pulse Description Word) 데이터를 펄스 도착시간(TOA)에 따라 정렬해 놓은 PDW 리스트가 생성된 것으로 가정하며, 이러한 PDW 리스트가 후처리부에 해당하는 클러스터링 처리부에 인가되면, 클러스터링 처리부는 PDW 리스트에 존재하는 모든 PDW 데이터가 그룹화 처리되면 종료하고, 그룹화되지 않은 PDW 데이터가 PDW 리스트에 남아 있으면 클러스터링 루틴을 반복 수행한다.

그룹화하고자 하는 PDW 데이터가 있으면, 우선 도 5의 5행 내지 7행에 기재되어 있는 바와 같이 가장 근거리의 그룹군집(minGroup)을 저장하는 변수를 -1로, 최소 거리를 저장하는 변수인 minDist를 최대값으로, 생성될 그룹을 저장하는 변수인 그룹 리스트(GROUP list)를 초기화한다.

첫 번째 PDW 리스트에 존재하는 첫 번째 PDW 데이터에 대해서는 생성된 그룹이 아직 미 존재하기 때문에 minGroup이 -1이고, 이에 새로운 그룹(newgroup)을 생성(도 5의 19행)하며, 생성된 그룹에 그룹화하고자 하는 첫 번째 PDW 데이터를 추가함과 동시에 그 그룹을 대표하는 신호특징변수들(DAOA, DFreq, DPW, DTOA)의 값을 첫 번째 PDW 데이터의 신호특징변수들 값으로 초기화(도 5의 20행)한다. 이때 DTOA는 -1로 초기화한다.

그리고 PDW 리스트의 두 번째 PDW 데이터부터는 그룹 리스트에 존재하는 그룹과의 거리를 계산하여 가장 가까운 그룹(즉, 유사성을 갖는)에 추가하거나 새로운 그룹을 생성한다.

그룹화된 각 그룹과 그룹화하고자 하는 PDW 데이터간의 거리계산은 도 5의 10행에 기재되어 있는 거리계산함수(cal_distance())를 호출하여 처리한다. 도 5의 30행에 기재되어 있는 거리계산함수(cal_distance())는 그룹화하고자 하는 PDW 데이터의 4가지 신호특징변수인 도착방향(PDW.AOA), 주파수(PDW.Freq), 펄스 폭(PW), 도착시간(TOA)과 그룹화된 각 그룹을 대표하는 4가지 신호특징변수들(group.AvgAoA, group.Avgfreq, group.AvgPW, group.AvgTOA) 값과의 차(DAOA, DFreq, DPW, DTOA)를 절대값으로 구하여 각 신호특징변수들에 대하여 정해진 임계치(AOA_TH, Freq_TH, PW_TH, DTOA_TH)와 비교하는 방식을 통해 가장 가까운 거리(distance=DAOA+DFreq+DPW+DTOA)에 존재하는 그룹을 찾아 상기 그룹화하고자 하는 PDW 데이터를 추가하거나 새로운 그룹으로 생성하여 유사성을 갖는 그룹 신호들로 클러스터링한다.

상기 4가지 신호특징변수들의 차를 각각의 임계치와 비교시 임계값 범위를 벗어나면 변수 dist에 -1을 입력하고, 임계값 범위 내에 포함되면 각 차이를 합산하여 거리(distance=DAOA+DFreq+DPW+DTOA)를 계산(도 5의 41행)한다. 이때 4가지 신호특징변수의 단위가 다르므로 거리를 계산할 때 각 신호특징변수의 차이를 정규화하여 거리를 구하는 것이 바람직하다.

한편 각 그룹과 그룹화하고자 하는 PDW 데이터간의 거리계산 구간인 도 5의 8행에서 16행을 수행하는 과정에서 비교 대상에 해당하는 각 그룹 중 거리가 가장 짧은 값을 저장하는 변수인 minDist와 비교하여 작은 값으로 확인되면, minDist에 거리(dist)를 저장하고 동시에 현재 그룹(group)을 minGroup 변수에 저장한다. 도 5의 8행에서 16행을 모두 수행한 후에 가까운 그룹을 찾지 못하면 minGroup변수는 초기에 설정된 -1을 유지한다.

도 5의 17행과 같이 가장 가까운 그룹(minGroup)이 -1이면, 그룹화하고자 하는 PDW 데이터가 포함될 그룹이 없는 것이므로 그룹화하고자 하는 PDW 데이터를 새로운 그룹(new group)을 생성(도 5의 19행)하고, 그 생성된 그룹을 대표하는 4가지 신호특징변수들(AOA, Freq,PW, TOA)의 값을 해당 PDW 데이터의 4가지 신호특징변수들 값으로 초기화한다. 만일 가장 가까운 그룹이 존재한다면 해당 PDW 데이터를 가장 가까운 그룹에 추가하고, PDW 데이터가 새로이 추가된 그룹을 대표하는 신호특징변수들의 값은 새로이 추가된 PDW 데이터의 신호특징변수들의 값을 포함하여 AOA, Freq, PW, TOA 각각에 대해서 최대, 최소, 평균값을 갱신한다. 이러한 순서로 PDW 리스트에 존재하는 마지막 PDW 데이터에 대해 그룹화가 수행되면 유사 특징을 갖는 PDW 데이터들이 여러 그룹을 생성하게 된다.

이상에서 설명한 바와 같이 본 발명은 신호의 도착방향 대신에 도착방향의 차이를 이용함으로서 기존 3차원 클러스터링 방법에서 제공할 수 없었던 움직이는 방사체의 추적이 가능해지고, 신호의 도착시간의 차이를 활용해 그룹화를 함으로서 기존 3차원 클러스터링 방법에 비해 과대 그룹화를 최소화할 수 있는 효과를 얻을 수 있다.

만약 클러스터링 과정에서 생성된 그룹 수가 정해진 임계치를 초과할 정도로 많으면 정해진 범위 내에 존재하는 근접 거리의 그룹을 찾아 병합하는 단계를 추가하여 그룹 수를 줄일 수도 있을 것이다.

본 발명의 실시예에 따른 수집 레이더 신호의 4차원 동시 클러스터링 방법은 연속된 PDW간의 도착시간 차이를 추가하여 기존의 3차원 클러스터링 방법에 비해 더 세분화된 그룹화가 가능하고, 3차원 클러스터링 방법에서 활용한 단순 도착방향의 비교가 아닌 연속된 PDW간의 도착방향의 차이를 이용하여 신호 방사원의 추적 효과로 그룹의 단편화가 최소가 되는 그룹화가 가능하다.

본 발명의 클러스터링 방법에 따른 그룹의 세분화 정도를 확인하기 위하여 기존의 방법인 3차원 순차 클러스터링 방법, 3차원 동시 클러스터링 방법, 그리고 본 발명의 실시예에 따른 클러스터링 방법(4차원 클러스터링)의 세 가지 알고리즘을 수행하는 시뮬레이터를 구현하였다.

시뮬레이터의 입력은 그룹 수를 정확히 알고 있는 총 120개의 신호 데이터로 시험하였고, 3차원, 4차원 클러스터링의 차이를 확인할 수 있게 도착방향, 도착시간, 두 개의 요소가 복합된 세 가지 입력 시나리오를 사용하였다.

입력 시나리오 1은 도착방향이 0.3~0.8 범위에서 변하는 신호이다. 3차원 순차 클러스터링 방법과 3차원 동시 클러스터링 방법은 도 6의 (a)와 같이 도착방향의 임계값 범위를 기준으로 그림에서 각각 5, 4개의 그룹으로 분리되었다. 이에 반해 본 발명은 그룹을 분리하는 기준이 연속 입력되는 신호의 도착방향의 차이를 임계값과 비교하는 방식이므로, 도착방향의 차이가 모두 임계값 범위 내에 있어 도 6의 (b)와 같이 한 개의 그룹인 G1으로 분류되었다. 도착방향의 차이를 고려한 그룹화는 과대 그룹화를 야기할 수 있다. 신호 분석 시스템의 성능을 고려하여 과대 그룹을 제한하는 시간을 설정하여 신호의 처리 결과를 응답 제한시간 내에 출력하도록 구현하였다.

입력 시나리오 2는 도착방향이 0.1~0.5 범위에서 변하고 도착시간도 변화하는 신호이다. 3차원 순차 클러스터링 방법과 3차원 동시 클러스터링 방법은 도 7의 (a)와 같이 도착방향의 임계값에 따라 3, 2개의 군집으로 분리된 결과를 출력하였다. 본 발명(4차원 동시 클러스터링 방법)은 도 7의 (b)와 같이 도착방향의 차이가 임계값 범위 내에 있더라도 도 7의 (a)에서 연속되는 두 신호 간의 도착시간의 차이가 임계값 범위를 벗어나면 그룹이 분리되어 다른 그룹으로 나뉘는 것을 확인할 수 있었다. 도착시간의 차이를 활용함으로써 연속된 두 신호 간의 차이가 임계값 보다 큰 경우에 그룹을 분리하여 그룹을 세분화하였다. 그룹이 작아져 신호 분석 시간이 줄어드는 효과는 있지만 너무 적은 경우에는 신호 분석이 불가능할 수 있어 그룹화가 완료된 후 신호 유형이 같은 그룹을 병합하였다.

입력 시나리오 3은 도착방향이 0.1~0.4 범위에서 변하고, 도착시간도 변화하는 신호이다. 3차원 순차 클러스터링 방법과 3차원 동시 클러스터링 방법은 도 8의 (a)와 같이 도착방향의 임계값에 따라 5개의 군집으로 분리된 결과를 나타냈고, 본 발명은 도착방향의 차이와 도착시간의 차이가 k배 이상 떨어진 신호를 분리한 결과 10개의 군집으로 분리되었다. 도 8의 (b)의 군집 G5가 3차원 클러스터링 방법과 4차원 클러스터링 방법에 따라 다르게 그룹을 형성하고 있다는 것을 나타낸다. 3차원 클러스터링 방법에서는 신호의 도착방향을 고정 임계값 범위에 있는지 단순 비교하여 그룹을 분류하였다. 본 발명은 도착방향의 차이와 도착시간의 차이에 대한 임계값을 비교하여 분류함으로서 더욱 세분화된 그룹을 생성할 수 있게 되었다.

결론적으로, 본 발명의 방법은 3차원 클러스터링 방법과 비교하여 신호의 도착방향의 차이는 이동하는 방사체의 신호를 추적하는 효과가 있었고, 도착시간의 차이를 이용하면 신호의 과대 그룹을 최소화할 수 있었다. 하지만 그룹이 작게 분리되는 현상도 확인되어 도 8 (c)와 같이 그룹이 완료된 후에 특징이 유사한 그룹을 병합하는 과정을 수행하였다. 도 8 (b)의 G5, G6, G9 그룹의 특징을 기반으로 유사한 그룹을 병합하여 도 8 (c)와 같이 한 개의 G5 그룹을 생성하였다. G5는 동일한 방사원에서 송신한 신호였고 처리한 결과도 한 개의 그룹으로 분류된 것을 확인할 수 있었다.

참고적으로 3차원 클러스터와 4차원 클러스터 결과 차이를 얻기 위해 하기 표에 나타낸 바와 같이 73개의 입력신호를 분석한 결과 4차원 클러스터링 방법이 3차원 클러스터링 방법에 비해 44% 더 세분화된 그룹화가 가능함을 확인할 수 있었다.

클러스터링 주요 영향요소	입력개수	3차원 클러스터수	4차원 클러스터수
도착방향	14	5.7	4.3
도착시간	52	1.4	4.3
도착방향, 도착시간	7	1	3.1
	총 73	평균 2.7	평균 3.9

이상 본 발명은 도면에 도시된 실시예들을 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술분야에서 통상의 지식을 가진자라면 이로부터 다양한 변형 및 균등한 타실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 첨부된 특허청구범위에 의해서만 정해져야 할 것이다.

Claims (9)

1. 레이더 신호를 수신하여 신호 수집부에 의해 생성된 복수의 PDW 데이터를 펄스 도착시간(TOA)에 따라 정렬해 놓은 PDW 리스트를 입력받는 제1단계와;
   입력된 PDW 리스트를 구성하는 각 PDW 데이터들을 거리계산함수를 호출하여 유사성을 갖는 그룹 신호들로 클러스터링하되, 상기 거리계산함수를 이용해 그룹화하고자 하는 PDW 데이터의 펄스 도착시간을 포함하는 신호특징변수들의 값과, 그룹화된 각 그룹을 대표하는 신호특징변수들 값과의 차를 구하여 각 신호특징변수들에 대하여 정해진 임계치와 비교하는 방식을 통해 가장 가까운 거리에 존재하는 그룹을 찾아 상기 그룹화하고자 하는 PDW 데이터를 추가하거나 새로운 그룹으로 생성하여 유사성을 갖는 그룹 신호들로 클러스터링하는 제2단계;를 포함함을 특징으로 하는 수집 레이더 신호의 클러스터링 방법.
2. 청구항 1에 있어서, 상기 제2단계에서는 생성된 그룹 미 존재시에 그룹화하고자 하는 첫 번째 PDW 데이터가 첫 번째 그룹으로 생성되며, 생성되는 상기 첫 번째 그룹을 대표하는 신호특징변수들의 값은 상기 첫 번째 PDW 데이터의 펄스 도착시간을 포함하는 신호특징변수들의 값으로 설정됨을 특징으로 하는 수집 레이더 신호의 클러스터링 방법.
3. 청구항 1에 있어서, 상기 제2단계에서는,
   상기 그룹화하고자 하는 PDW 데이터와 상기 그룹화된 그룹 각각 간의 유사성 여부를 판단하여, 유사성이 없으면 상기 그룹화하고자 하는 PDW 데이터를 새로운 그룹으로 생성하되, 상기 유사성 여부 판단은,
   그룹화하고자 하는 PDW 데이터의 펄스 도착시간을 포함하는 신호특징변수들의 값과, 그룹화된 어느 하나의 그룹을 대표하는 신호특징변수들 값과의 차를 구하여 각 신호특징변수들에 대하여 정해진 임계치와 비교하여 임계치를 벗어나면 유사성이 없는 것으로 판단함을 특징으로 하는 수집 레이더 신호의 클러스터링 방법.
4. 청구항 3에 있어서, 새로이 생성된 그룹을 대표하는 신호특징변수들의 값은 그룹화하고자 하는 PDW 데이터의 펄스 도착시간을 포함하는 신호특징변수들의 값으로 설정됨을 특징으로 하는 수집 레이더 신호의 클러스터링 방법.
5. 청구항 1 내지 청구항 4중 어느 한 항에 있어서, 상기 PDW 데이터의 신호특징변수들 및 상기 그룹을 대표하는 신호특징변수들 각각은 적어도 펄스의 도착방향, 주파수, 펄스 폭, 펄스 도착시간 정보를 포함함을 특징으로 하는 수집 레이더 신호의 클러스터링 방법.
6. 청구항 1 내지 청구항 4중 어느 한 항에 있어서, 상기 그룹을 대표하는 신호특징변수들은 펄스의 도착방향, 주파수, 펄스 폭, 펄스 도착시간 정보를 포함하며, 각 특징변수들의 값은 동일 그룹 내에 속하는 PDW 데이터들의 각 신호특징변수들의 평균값임을 특징으로 하는 수집 레이더 신호의 클러스터링 방법.
7. 청구항 1 또는 청구항 3에 있어서, 상기 그룹화하고자 하는 PDW 데이터의 펄스 도착시간을 포함하는 신호특징변수들의 값과 상기 그룹화된 각 그룹을 대표하는 신호특징변수들 값과의 차를 구하되, 그 차는 절대값 차임을 특징으로 하는 수집 레이더 신호의 클러스터링 방법.
8. 청구항 1에 있어서, 상기 거리계산함수를 이용해 그룹화하고자 하는 PDW 데이터의 펄스 도착시간을 포함하는 신호특징변수들의 값과, 그룹화된 각 그룹을 대표하는 신호특징변수들 값과의 차를 구하여 얻어진 각 신호특징변수들의 차가 각 신호특징변수들에 대하여 정해진 임계치 범위 내에 모두 포함되면, 각 신호특징변수들의 차를 합산하여 거리 계산하되, 상기 각 신호특징변수의 단위가 다르므로 각 신호특징변수의 차이를 정규화하여 거리 계산함을 특징으로 하는 수집 레이더 신호의 클러스터링 방법.
9. 청구항 1에 있어서, 상기 제2단계 완료 후 생성된 그룹 수가 정해진 임계치를 초과하면 정해진 범위 내에 존재하는 근접 거리의 그룹을 찾아 병합하는 제3단계;를 더 포함함을 특징으로 하는 수집 레이더 신호의 클러스터링 방법.

Images