KR20180088009A - 레이더를 이용한 거리 측정 방법 및 장치 - Google Patents
레이더를 이용한 거리 측정 방법 및 장치 Download PDFInfo
- Publication number
- KR20180088009A KR20180088009A KR1020170012498A KR20170012498A KR20180088009A KR 20180088009 A KR20180088009 A KR 20180088009A KR 1020170012498 A KR1020170012498 A KR 1020170012498A KR 20170012498 A KR20170012498 A KR 20170012498A KR 20180088009 A KR20180088009 A KR 20180088009A
- Authority
- KR
- South Korea
- Prior art keywords
- obstacle
- radar signal
- learning
- thickness
- target
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
- G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
-
- 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
- G01S13/08—Systems for measuring distance only
-
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
장애물이 존재하는 환경에서 레이더 신호를 이용하여 보다 정확하게 목표물까지의 거리를 측정할 수 있는 방법 및 장치가 개시된다. 개시된 레이더를 이용한 거리 측정 방법은, 타겟 장애물을 투과하여 타겟 대상체로부터 반사된 레이더 신호를 수신하는 단계; 레퍼런스 레이더 신호의 파형을 이용한 장애물의 재질 학습 결과 및 상기 반사된 레이더 신호의 파형을 이용하여, 상기 타겟 장애물의 재질을 추정하는 단계; 상기 레퍼런스 레이더 신호의 주파수 특성을 이용한 상기 장애물의 두께 학습 결과 및 상기 반사된 레이더 신호의 주파수 특성을 이용하여, 상기 타겟 장애물의 두께를 추정하는 단계; 및 상기 타겟 장애물의 재질에 따른 유전율 및 상기 타겟 장애물의 두께를 이용하여, 상기 타겟 대상체까지의 거리를 계산하는 단계를 포함한다.
Description
본 발명은 레이더를 이용한 거리 측정 방법 및 장치에 관한 것으로서, 더욱 상세하게는 장애물이 존재하는 환경에서 보다 정확하게 거리를 측정할 수 있는 방법 및 장치에 관한 것이다.
기존의 Radio Frequency(RF) 신호를 이용한 장애물 투과 관련 연구는 수신된 신호의 감쇠비를 이용한 방법이 일반적이다. 이는 송신단에서 보낸 신호가 장애물이 있는 환경을 통하여 수신되었을 때의 에너지와 진공에서 전송되었을 때의 에너지 차이를 이용하여 장애물의 유전율과 두께를 추정하는 방식으로, 신호가 얼마나 지연되어 수신되었는지를 알 필요가 있다. 또한 최근 활발하게 연구되고 있는 through-wall imaging 분야에서는 배열 안테나를 이용하여 각각의 안테나에서 수신된 신호를 처리하여 장애물로 인한 영향을 극복하기도 한다.
이에 최근에는 레이더 신호를 이용하여 장애물이 존재하는 환경에서, 목표물을 탐지하는 연구가 진행되고 있다.
기존에 연구된 레이더 신호를 이용한 장애물 투과 기술은 장애물의 특성을 알고 있거나, 목표물까지의 거리를 알고 있어야 하는 경우가 대부분이다. 송신단과 수신단이 정보를 주고받을 수 있는 일반적인 통신 시스템에서는 신호의 지연된 정도를 알 수 있기에, 장애물의 특성을 구분할 수 있지만 이는 전체 시스템이 비대화하는 문제와 신호 감쇠 모델링이 정확해야 한다는 전제 조건이 필요하다. 배열 안테나를 이용한 방법 또한 시스템을 구성하고, 수신된 신호를 처리하는데 많은 비용이 소비된다.
관련 선행문헌으로 대한민국 공개특허 제2015-0143154호가 있다.
본 발명은 장애물이 존재하는 환경에서 레이더 신호를 이용하여 보다 정확하게 목표물까지의 거리를 측정할 수 있는 방법 및 장치를 제공하기 위한 것이다.
또한 본 발명은 기계 학습을 이용하여 장애물의 특성을 추정할 수 있는 방법을 제공하기 위한 것이다.
상기한 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, 타겟 장애물을 투과하여 타겟 대상체로부터 반사된 레이더 신호를 수신하는 단계; 레퍼런스 레이더 신호의 파형을 이용한 장애물의 재질 학습 결과 및 상기 반사된 레이더 신호의 파형을 이용하여, 상기 타겟 장애물의 재질을 추정하는 단계; 상기 레퍼런스 레이더 신호의 주파수 특성을 이용한 상기 장애물의 두께 학습 결과 및 상기 반사된 레이더 신호의 주파수 특성을 이용하여, 상기 타겟 장애물의 두께를 추정하는 단계; 및 상기 타겟 장애물의 재질에 따른 유전율 및 상기 타겟 장애물의 두께를 이용하여, 상기 타겟 대상체까지의 거리를 계산하는 단계를 포함하는 레이더를 이용한 거리 측정 방법이 제공된다.
또한 상기한 목적을 달성하기 위한 본 발명의 다른 실시예에 따르면, 타겟 장애물을 투과하여 타겟 대상체로부터 반사된 레이더 신호를 수신하는 단계; 레퍼런스 레이더 신호의 파형을 이용한 장애물의 유전율 학습 결과 및 상기 반사된 레이더 신호의 파형을 이용하여, 상기 타겟 장애물의 유전율을 추정하는 단계; 상기 레퍼런스 레이더 신호의 주파수 특성을 이용한 상기 장애물의 두께 학습 결과 및 상기 반사된 레이더 신호의 주파수 특성을 이용하여, 상기 타겟 장애물의 두께를 추정하는 단계; 및 상기 타겟 장애물의 유전율 및 두께를 이용하여, 상기 타겟 대상체까지의 거리를 계산하는 단계를 포함하는 레이더를 이용한 거리 측정 방법이 제공된다.
또한 상기한 목적을 달성하기 위한 본 발명의 또 다른 실시예에 따르면, 레이더를 이용하여 거리를 측정하기 위한 학습 방법에 있어서, 장애물을 통과하여 수신된 레이더 신호의 파형 정보 및 상기 장애물의 재질 정보를 입력받는 단계; 상기 파형에 대한 상기 장애물의 재질을 학습하는 단계; 상기 레이더 신호의 주파수 특성 정보 및 상기 장애물의 두께 정보를 입력받는 단계; 및 상기 주파수 특성에 대한 상기 장애물의 두께를 학습하는 단계를 포함하는 학습 방법이 제공된다.
본 발명에 따르면, 레이더 신호가 투과하는 장애물의 특성을 분석하고, 분석 결과를 반영하여 타겟 대상체까지의 거리를 계산함으로써, 타겟 대상체까지의 거리를 보다 정확하게 계산할 수 있다.
또한 본 발명에 따르면 기계 학습에 따른 장애물의 재질 및 두께 학습 결과를 이용하여 장애물의 재질 및 두께를 추정함으로써, 보다 정확하게 장애물의 재질 및 두께를 추정할 수 있다.
도 1은 본 발명의 일실시예에 따른 레이더를 이용한 거리 측정 시스템을 설명하기 위한 도면이다.
도 2는 본 발명의 일실시예에 따른 레이더를 이용한 거리 측정 방법을 설명하기 위한 도면이다.
도 3은 장애물의 재질에 따른 레이더 신호의 파형을 나타내는 도면이다.
도 4는 장애물의 두께에 따른 레이더 신호의 주파수 성분을 나타내는 도면이다.
도 5는 본 발명의 일실시예에 따른 레이더를 이용하여 거리를 측정하기 위한 학습 방법을 설명하기 위한 도면이다.
도 6은 학습에 이용되는 레퍼런스 레이더 신호의 포락선을 나타내는 도면이다.
도 7은 학습에 이용되는 레퍼런스 신호의 주파수 성분을 나타내는 도면이다.
도 8은 레이더 신호에서 주파수 성분이 추출되는 영역을 표시한 도면이다.
도 9는 SVM 알고리즘을 설명하기 위한 도면이다.
도 10은 인공 신경망을 설명하기 위한 도면이다.
도 2는 본 발명의 일실시예에 따른 레이더를 이용한 거리 측정 방법을 설명하기 위한 도면이다.
도 3은 장애물의 재질에 따른 레이더 신호의 파형을 나타내는 도면이다.
도 4는 장애물의 두께에 따른 레이더 신호의 주파수 성분을 나타내는 도면이다.
도 5는 본 발명의 일실시예에 따른 레이더를 이용하여 거리를 측정하기 위한 학습 방법을 설명하기 위한 도면이다.
도 6은 학습에 이용되는 레퍼런스 레이더 신호의 포락선을 나타내는 도면이다.
도 7은 학습에 이용되는 레퍼런스 신호의 주파수 성분을 나타내는 도면이다.
도 8은 레이더 신호에서 주파수 성분이 추출되는 영역을 표시한 도면이다.
도 9는 SVM 알고리즘을 설명하기 위한 도면이다.
도 10은 인공 신경망을 설명하기 위한 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 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 사용하였다.
이하에서, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일실시예에 따른 레이더를 이용한 거리 측정 시스템을 설명하기 위한 도면이다.
도 1을 참조하면 본 발명에 따른 거리 측정 시스템은, 거리 측정 장치(110) 및 레이더 신호 송수신부(120)를 포함한다. 실시예에 따라서, 레이더 신호 송수신부(120)는 거리 측정 장치(110)에 포함될 수 있다.
레이더 신호 송수신부(120)는 거리 측정 대상인 타겟 대상체(140)를 향해 레이더 신호를 방사하며, 타겟 대상체(140)로부터 반사되어 타겟 장애물(130)을 투과하여 전송되는 레이더 신호를 수신한다. 레이더 신호는 일실시예로서 IR-UWB(Impulse Response-Ultra Wide Band) 레이더 신호일 수 있다.
거리 측정 장치(110)는 타겟 대상체(140)로부터 반사되어 수신되는 하나의 레이더 신호를 이용하여 타겟 장애물(130)의 특성을 분석하고, 분석 결과를 반영하여 레이더 신호 송수신부(120)부터 타겟 대상체(140)까지의 거리를 계산한다. 여기서, 타겟 장애물(130)의 특성은 일실시예로서, 유전율 및 두께이다. 레이더 신호는 매질 즉, 장애물의 유전율 및 두께에 따라 서로 다른 감쇄 특성 및 투과 손실 특성을 나타내며, 거리 측정 장치(110)는 타겟 장애물(130)의 유전율 및 두께에 따라서 타겟 대상체까지의 거리를 계산함으로써 보다 정확한 거리를 계산할 수 있다.
거리 측정 장치(110)는 타겟 장애물(130)의 유전율 및 두께를 추정하기 위해 기계 학습 결과를 이용한다.
거리 측정 장치(110)는 학습을 위한 레퍼런스 레이더 신호의 파형을 이용한 장애물의 재질 학습 결과 및 타겟 대상체(140)로부터 반사된 레이더 신호의 파형을 이용하여, 타겟 장애물(130)의 재질을 추정한다. 그리고 레퍼런스 레이더 신호의 주파수 특성을 이용한 장애물의 두께 학습 결과 및 반사된 레이더 신호의 주파수 특성을 이용하여, 타겟 장애물(130)의 두께를 추정한다.
재질별로 유전율은 결정되어 있으므로, 타겟 장애물의 재질이 추정되면, 타겟 장애물의 추정된 재질의 유전율을 추정할 수 있다. 또는 실시예에 따라서, 거리 측정 장치(110)는 학습을 위한 레퍼런스 레이더 신호의 파형을 이용한 장애물의 유전율 학습 결과 및 타겟 대상체(140)로부터 반사된 레이더 신호의 파형을 이용하여, 타겟 장애물(130)의 유전율을 추정할 수 있다.
거리 측정 장치(110)는 반사된 레이더 신호의 속도 및 반사된 레이더 신호의 수신 시간을 이용하여, 측정된 타겟 대상체(140)까지의 제1거리를 측정하고, 측정된 제1거리에서 타겟 장애물(130)의 유전율 및 두께에 따른 오차를 보상하여 최종적으로 타겟 대상체까지의 거리를 계산한다.
거리 측정 장치(110)는 일반적인 ToA 알고리즘을 이용하여 제1거리를 계산할 수 있으며, 타겟 장애물(130)의 유전율 및 두께에 따른 오차 보상 값을 제1거리에 반영함으로써, 타겟 대상체(140)까지의 제2거리를 계산할 수 있다. 여기서, 제2거리는 거리 측정 장치(110)가 출력하는 타겟 대상체까지의 거리에 대응된다.
결국 본 발명에 따르면, 레이더 신호가 투과하는 장애물의 특성을 분석하고, 분석 결과를 반영하여 타겟 대상체까지의 거리를 계산함으로써, 타겟 대상체까지의 거리를 보다 정확하게 계산할 수 있다.
또한 본 발명에 따르면 기계 학습에 따른 장애물의 재질 및 두께 학습 결과를 이용하여 장애물의 재질 및 두께를 추정함으로써, 보다 정확하게 장애물의 재질 및 두께를 추정할 수 있다.
도 2는 본 발명의 일실시예에 따른 레이더를 이용한 거리 측정 방법을 설명하기 위한 도면이다. 도 3은 장애물의 재질에 따른 레이더 신호의 파형을 나타내는 도면이며, 도 4는 장애물의 두께에 따른 레이더 신호의 주파수 성분을 나타내는 도면이다. 본 발명에 따른 거리 측정 방법은 전술된 거리 측정 장치 또는 프로세서를 포함하는 컴퓨팅 장치에서 수행될 수 있으며, 도 2에서는 전술된 거리 측정 장치의 거리 측정 방법이 일실시예로서 설명된다.
본 발명에 따른 거리 측정 장치는 타겟 장애물을 투과하여 타겟 대상체로부터 반사된 레이더 신호를 수신(S210)한다. 전술된 바와 같이, 레이더 신호 송수신부가 레이더 신호를 송신 및 수신하며, 수신된 레이더 신호는 거리 측정 장치로 제공될 수 있다.
거리 측정 장치는 레퍼런스 레이더 신호의 파형을 이용한 장애물의 재질 학습 결과 및 반사된 레이더 신호의 파형을 이용하여, 타겟 장애물의 재질을 추정(S220)한다. 그리고, 거리 측정 장치는 레퍼런스 레이더 신호의 주파수 특성을 이용한 장애물의 두께 학습 결과 및 반사된 레이더 신호의 주파수 특성을 이용하여, 타겟 장애물의 두께를 추정(S230)한다.
도 3에 도시된 바와 같이, 장애물의 재질에 따라서, 반사된 레이더 신호의 파형이 달라지므로, 재질이 다른 장애물들의 재질과 장애물 각각에 대한 레이더 신호의 파형을 학습시키면, 학습 결과를 이용하여, 타겟 대상체로부터 반사된 레이더 신호의 파형으로부터 타겟 장애물의 재질을 추정할 수 있다.
일예로서, 거리 측정 장치는 타겟 대상체로부터 반사된 레이더 신호의 파형이 도 3(c)에 도시된 벽돌 장애물을 통과하여 수신된 레이더 신호의 파형과 유사하면, 타겟 장애물이 벽돌 장애물인 것으로 추정할 수 있다.
재질의 유전율에 대한 학습은 레퍼런스 데이터 신호의 포락선에 대해서 수행될 수 있으며, 이 경우 거리 측정 장치는 반사된 레이더 신호의 포락선을 이용하여 타겟 장애물의 재질을 추정할 수 있다.
또한, 도 4에 도시된 바와 같이, 장애물의 두께에 따라서, 반사된 레이더 신호의 주파수 특성이 달라지므로, 두께가 서로 다른 장애물들의 두께와 장애물 각각에 대한 레이더 신호의 주파수 특성을 학습시키면, 학습 결과를 이용하여, 타겟 대상체로부터 반사된 레이더 신호의 주파수 특성으로부터 타겟 장애물의 두께를 추정할 수 있다.
일예로서, 거리 측정 장치는 타겟 대상체로부터 반사된 레이더 신호의 주파수 특성이 도 4(b)에 도시된 11cm 두께의 장애물을 통과하여 수신된 레이더 신호의 주파수 특성과 유사하면, 타겟 장애물의 두께가 11cm인 것으로 추정할 수 있다. 거리 측정 장치는 푸리에 변환을 통해 레이더 신호의 주파수 특성을 분석할 수 있다.
장애물의 두께에 대한 학습은 레퍼런스 레이더 신호의 주파수 성분 중, 상위 n(n은 자연수)개의 피크값 및 피크값에 대응되는 주파수에 대해서 수행될 수 있으며, 이 경우 거리 측정 장치는 반사된 레이더 신호의 주파수 성분 중, n개의 피크값 및 피크값에 대응되는 주파수를 이용하여 타겟 장애물의 두께를 추정할 수 있다.
장애물의 두께에 대한 주파수 특성은 장애물 재질 별로 다를 수 있으므로, 장애물 재질 별로 서로 다른 두께의 주파수 특성 정보에 대해 학습이 수행될 수 있으며, 거리 측정 장치는 단계 S220에서 추정된 재질의 장애물의 두께에 대한 학습 결과를 이용하여, 타겟 장애물의 두께를 추정할 수 있다.
장애물의 재질 및 두께에 대한 학습 방법은 도 5에서 보다 상세히 설명하기로 한다.
다시 도 2로 돌아와, 거리 측정 장치는 타겟 장애물의 재질에 따른 유전율 및 두께를 이용하여, 타겟 대상체까지의 거리를 계산(S240)한다.
보다 구체적으로 거리 측정 장치는 반사된 레이더 신호의 속도 및 반사된 레이더 신호의 수신 시간을 이용하여, 타겟 대상체까지의 제1거리를 계산하고, 타겟 장애물의 유전율 및 두께에 따른 오차 보상 값을 생성한다. 그리고 제1거리에 오차 보상 값을 반영하여, 타겟 대상체까지의 제2거리를 계산한다.
도 1을 참조하면, 타겟 장애물(130)에서의 레이더 신호의 속도(vwall)는 [수학식 1]과 같이 계산될 수 있으며, 제1거리(dmeasure)는 시간, 속도, 거리 사이의 관계에 따라 [수학식 2]와 같이 계산될 수 있다. [수학식 2]는 [수학식 3]과 같이 정리될 수 있으며, 제2거리(dreal)는 타겟 장애물의 두께(dwall)와 타겟 장애물 및 타겟 대상체 사이의 거리(dx)의 합이므로, 거리 측정 장치는 [수학식 4]를 이용하여, 제2거리를 계산할 수 있다.
여기서, c는 광속이며, ε는 타겟 장애물의 유전율을 나타낸다.
한편, 실시예에 따라서, 거리 측정 장치는 레퍼런스 레이더 신호의 파형을 이용한 장애물의 유전율 학습 결과 및 반사된 레이더 신호의 파형을 이용하여, 타겟 장애물의 유전율을 추정할 수 있다.
도 5는 본 발명의 일실시예에 따른 레이더를 이용하여 거리를 측정하기 위한 학습 방법을 설명하기 위한 도면이다. 도 6은 학습에 이용되는 레퍼런스 레이더 신호의 포락선을 나타내는 도면이며, 도 7은 학습에 이용되는 레퍼런스 신호의 주파수 성분을 나타내는 도면이다. 도 8은 레이더 신호에서 주파수 성분이 추출되는 영역을 표시한 도면이다.
본 발명에 따른 학습 방법은 전술된 거리 측정 장치 또는 프로세서를 포함하는 별도의 학습 장치에서 수행될 수 있으며, 별도의 학습 장치에서 학습이 이루어지는 경우, 학습 장치의 학습 결과가 거리 측정 장치로 제공될 수 있다. 도 5에서는 학습 장치에서 수행되는 학습 방법이 일실시예로서 설명된다.
본 발명에 따른 학습 장치는 장애물을 통과하여 수신된 레이더 신호의 파형 정보 및 장애물의 재질 정보를 입력받고(S510), 레이더 신호의 파형에 대한 장애물의 재질을 학습(S520)한다. 그리고 레이더 신호의 주파수 특성 정보 및 장애물의 두께 정보를 입력받아(S530), 레이더 신호의 주파수 특성에 대한 장애물의 두께를 학습(S504)한다. 학습 결과는 데이터 베이스에 저장되며, 거리 측정 장치 데이터 베이스에 저장되는 학습 결과를 이용하여 타겟 장애물의 재질 및 두께를 추정할 수 있다.
여기서, 레이더 신호는 학습 데이터 즉, 전술된 학습을 위한 레이더 신호로서 전술된 레퍼런스 신호에 대응된다. 학습을 위한 레이더 신호의 개수는 실시예에 따라서 달라질 수 있다.
단계 S510에서 레이더 신호의 파형 정보는 일실시예로서, 레이더 신호의 포락선 정보일 수 있다. 장애물의 재질(벽돌, 단열재, 시트)에 따라 신호의 파형이 달라지므로 포락선 역시 도 6에 도시된 바와 같이, 달라질 수 있다. 레이더 신호의 포락선을 통해 학습이 수행된 경우, 거리 측정 장치는 타겟 대상체로부터 반사된 레이더 신호의 포락선을 이용하여 타겟 장애물의 재질을 추정할 수 있다. 포락선은 일예로서 힐버트 변환(Hilbert transform)을 통해 구해질 수 있다.
단계 S520에서 주파수 특성 정보는 레이더 신호의 주파수 성분 중, 상위 n개의 피크값 및 피크값에 대응되는 주파수를 포함할 수 있다. 레이더 신호의 주파수 성분 중 상위 n개의 피크값 및 피크값에 대응되는 주파수를 통해 학습이 수행된 경우, 거리 측정 장치는 타겟 대상체로부터 반사된 레이더 신호의 주파수 성분 중, 상위 n개의 피크값 및 피크값에 대응되는 주파수를 이용하여 타겟 장애물의 두께를 추정할 수 있다.
5.5cm 및 11cm 두께의 벽돌 장애물에 대한 주파수 성분을 나타내는 도 7을 참조하면, 학습 장치는 일예로서 상위 5개의 피크값 및 피크값에 대응되는 주파수를 이용하여 장애물의 두께에 대해 학습을 수행할 수 있다. 도 7에서 y축인 매그니튜드는 주파수 영역의 전체 에너지로 정규화된 형태로 표시되어 있으며, 스펙트럼이 대칭으로 나타나므로, 어느 한쪽의 피크값만으로 학습이 수행될 수 있다.
[표 1] 및 [표 2]는 도 7(a) 및 도 7(b)에서의 최대 피크값에서부터 상위 5개의 정규화된 피크값(value) 및 5개의 피크값에 대응되는 주파수(sample index)를 나타낸다. 도 7은 4차례 실험을 통한 총 4개의 레퍼런스 레이더 신호에 대한 주파수 성분을 도시하고 있으며, 그에 따라 [표 1] 및 [표 2]도 4개의 레퍼런스 레이더 신호에 대한 피크값 및 주파수를 나타내고 있다.
Brick 5.5cm | ||||
Sample Index / Value | ||||
Point Index | 177 / 0.0182 | 178 / 0.0199 | 178 / 0.0239 | 183 / 0.0201 |
162 / 0.0139 | 159 / 0.0105 | 160 / 0.0095 | 163 / 0.0099 | |
193 / 0.0097 | 148 / 0.0102 | 148 / 0.0063 | 148 / 0.0072 | |
148 / 0.0062 | 168 / 0.0102 | 203 / 0.0028 | 206 / 0.0030 | |
133 / 0.0009 | 191 / 0.0092 | 134 / 0.0012 | 133 / 0.0011 |
Brick 11cm | ||||
Sample Index / Value | ||||
Point Index | 178 / 0.0206 | 162 / 0.0125 | 182 / 0.0158 | 181 / 0.0181 |
163 / 0.0079 | 193 / 0.0120 | 155 / 0.0097 | 155 / 0.0084 | |
156 / 0.0067 | 183 / 0.0102 | 196 / 0.0037 | 162 / 0.0074 | |
194 / 0.0049 | 153 / 0.0073 | 214 / 0.0014 | 204 / 0.0023 | |
139 / 0.0014 | 213 / 0.0019 | 132 / 0.0010 | 214 / 0.0013 |
벽돌 뿐만 아니라 다른 재질의 장애물의 두께에 따른 주파수 특성 정보에 대해서도 학습이 이루어질 수 있다.
한편, 레이더 신호 전체를 주파수 변환하면 불필요한 자원이 낭비될 수 있으므로, 학습 장치는 레이더 신호의 기 설정된 분석 영역의 주파수 특성 정보에 대해 학습을 수행할 수 있다. 도 8에 도시된 바와 같이, 시간 축인 X축을 기준으로 특정 시간 범위를 포함하고, 진폭 축인 Y축 전체를 포함하는 특정 분석 영역(810)에 대해 주파수 성분을 분석하여 학습에 이용할 수 있다.
분석 영역은 실시예에 따라서 임의의 영역으로 설정되거나 또는 장애물에 따라 결정될 수 있다. 도 8의 분석 영역(810)은 장애물에 의해 발생된 파형을 포함하는 영역으로서, 장애물에 따라 결정된 분석 영역을 나타낸다. 도 3을 참조하면, 일반적으로 장애물에 의한 특정한 파형 패턴은 X축을 기준으로 중반 이전에 발생하므로, 이러한 장애물의 의한 특정 파형의 발생 시점을 고려하여 분석 영역이 결정될 수 있다.
장애물별로 특정한 파형 패턴이 유지되는 구간이 다를 수 있으므로, 분석 영역은 비교적 넓게 설정될 수 있으며, 거리 측정을 위한 반사된 레이더 신호에서 주파수 성분을 분석할 경우에, 학습에 이용된 분석 영역에 대응되도록 분석 영역이 설정될 수 있다.
한편, 실시예에 따라서, 학습 장치는 장애물을 통과하여 수신된 레이더 신호의 파형 정보 및 장애물의 유전율 정보를 입력받고, 레이더 신호의 파형에 대한 장애물의 유전율을 학습할 수 있다.
도 9는 SVM 알고리즘을 설명하기 위한 도면이며, 도 10은 인공 신경망을 설명하기 위한 도면이다.
본 발명에 따른 학습 장치는 일실시예로서, SVM 알고리즘을 이용하여 레이더 신호의 파형에 대한 장애물의 재질을 학습할 수 있다. 또한 학습 장치는 일실시예로서, 인공 신경망(Neural Network)을 이용하여 레이더 신호의 파형에 대한 장애물의 두께를 학습할 수 있다.
도 9를 참조하면, SVM은 다수의 데이터들 중에서 가장 외곽에 위치한 데이터를 서포트 벡터(support vector)로 결정하고, 서포트 벡터 사이를 통과하는 분리 경계면(hyperplane, 910)을 통해 데이터를 서로 다른 클래스로 분류하는 알고리즘이다. 이 때, 분리 경계면(910)과 서포트 벡터 사이의 마진이 최대가 되도록 분리 경계면(910)이 결정될 수 있다.
학습 과정을 통해, 장애물의 재질별 레이더 신호의 파형을 서로 다른 클래스로 분류하는 분리 경계면(910)이 결정될 수 있으며, 학습 이후 입력되는 레이더 신호의 파형이 어떠한 클래스에 속하는지가 결정될 수 있다. 클래스는 장애물의 재질별로 구분될 수 있다.
도 10을 참조하면, 인공 신경망은 입력층(L1), 은닉층(L2) 및 출력층(L3)으로 구성될 수 있다. 인공 신경망은 최근 딥러닝(deep learning) 관련하여 많이 이용되고 있는 기술로서, 훈련(training) 모드에서 노드를 연결하는 연결선의 가중치가 조정되며, 분류(classification) 모드에서 입력값에 대한 분류 결과가 출력된다.
훈련 모드에서, 레퍼런스 레이더 신호의 주파수 특성 정보 및 장애물의 두께 정보가 이용되어 학습이 수행된다. 분류 모드에서, 타겟 대상체로부터 반사된 레이더 신호의 주파수 특성 정보가 입력되면, 장애물의 두께가 출력된다.
은닉층의 개수 및 은닉층의 노드의 개수는 인공 신경망 알고리즘에 따라 다양하게 설정될 수 있으며, 출력층의 노드는 최종적으로 분류되는 값에 따라 결정될 수 있다.
앞서 설명한 기술적 내용들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예들을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 하드웨어 장치는 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.
Claims (11)
- 타겟 장애물을 투과하여 타겟 대상체로부터 반사된 레이더 신호를 수신하는 단계;
레퍼런스 레이더 신호의 파형을 이용한 장애물의 재질 학습 결과 및 상기 반사된 레이더 신호의 파형을 이용하여, 상기 타겟 장애물의 재질을 추정하는 단계;
상기 레퍼런스 레이더 신호의 주파수 특성을 이용한 상기 장애물의 두께 학습 결과 및 상기 반사된 레이더 신호의 주파수 특성을 이용하여, 상기 타겟 장애물의 두께를 추정하는 단계; 및
상기 타겟 장애물의 재질에 따른 유전율 및 상기 타겟 장애물의 두께를 이용하여, 상기 타겟 대상체까지의 거리를 계산하는 단계
를 포함하는 레이더를 이용한 거리 측정 방법.
- 제 1항에 있어서,
상기 목표물까지의 거리를 계산하는 단계는
상기 반사된 레이더 신호의 속도 및 상기 반사된 레이더 신호의 수신 시간을 이용하여, 상기 타겟 대상체까지의 제1거리를 계산하는 단계;
상기 타겟 장애물의 유전율 및 두께에 따른 오차 보상 값을 생성하는 단계; 및
상기 제1거리에 상기 오차 보상 값을 반영하여, 상기 타겟 대상체까지의 제2거리를 계산하는 단계
를 포함하는 레이더를 이용한 거리 측정 방법.
- 제 1항에 있어서,
상기 재질 학습 결과는
상기 레퍼런스 레이더 신호의 포락선에 대한 학습 결과이며,
상기 재질을 추정하는 단계는
상기 반사된 레이더 신호의 포락선을 이용하여 상기 재질을 추정하는
레이더를 이용한 거리 측정 방법.
- 제 1항에 있어서,
상기 두께 학습 결과는
상기 레퍼런스 레이더 신호의 주파수 성분 중, 상위 n(n은 자연수)개의 피크값 및 상기 피크값에 대응되는 주파수에 대한 학습 결과이며,
상기 두께를 추정하는 단계는
상기 반사된 레이더 신호의 주파수 성분 중, 상기 n개의 피크값 및 상기 피크값에 대응되는 주파수를 이용하여 상기 두께를 추정하는
레이더를 이용한 거리 측정 방법.
- 레이더를 이용하여 거리를 측정하기 위한 학습 방법에 있어서,
장애물을 통과하여 수신된 레이더 신호의 파형 정보 및 상기 장애물의 재질 정보를 입력받는 단계;
상기 파형에 대한 상기 장애물의 재질을 학습하는 단계;
상기 레이더 신호의 주파수 특성 정보 및 상기 장애물의 두께 정보를 입력받는 단계; 및
상기 주파수 특성에 대한 상기 장애물의 두께를 학습하는 단계
를 포함하는 학습 방법.
- 제 5항에 있어서,
상기 파형 정보는
상기 레이더 신호의 포락선 정보인
학습 방법.
- 제 5항에 있어서,
상기 장애물의 재질을 학습하는 단계는
SVM 알고리즘을 이용하여 상기 재질을 학습하는
학습 방법.
- 제 5항에 있어서,
상기 주파수 특성 정보는
상기 레이더 신호의 주파수 성분 중, 상위 n(n은 자연수)개의 피크값 및 상기 피크값에 대응되는 주파수를 포함하는
학습 방법.
- 제 5항에 있어서,
상기 장애물의 두께를 학습하는 단계는
인공 신경망을 이용하여, 상기 두께를 학습하는
학습 방법.
- 제 5항에 있어서,
상기 주파수 특성 정보는 상기 레이더 신호의 기 설정된 분석 영역의 주파수 특성 정보이며,
상기 분석 영역은 상기 장애물에 따라 결정되는
학습 방법.
- 타겟 장애물을 투과하여 타겟 대상체로부터 반사된 레이더 신호를 수신하는 단계;
레퍼런스 레이더 신호의 파형을 이용한 장애물의 유전율 학습 결과 및 상기 반사된 레이더 신호의 파형을 이용하여, 상기 타겟 장애물의 유전율을 추정하는 단계;
상기 레퍼런스 레이더 신호의 주파수 특성을 이용한 상기 장애물의 두께 학습 결과 및 상기 반사된 레이더 신호의 주파수 특성을 이용하여, 상기 타겟 장애물의 두께를 추정하는 단계; 및
상기 타겟 장애물의 유전율 및 두께를 이용하여, 상기 타겟 대상체까지의 거리를 계산하는 단계
를 포함하는 레이더를 이용한 거리 측정 방법.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170012498A KR101897763B1 (ko) | 2017-01-26 | 2017-01-26 | 레이더를 이용한 거리 측정 방법 및 장치 |
PCT/KR2018/001138 WO2018139882A1 (ko) | 2017-01-26 | 2018-01-25 | 레이더를 이용한 거리 측정 방법 및 장치 |
US16/480,085 US11543490B2 (en) | 2017-01-26 | 2018-01-25 | Method and apparatus for measuring distance by means of radar |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170012498A KR101897763B1 (ko) | 2017-01-26 | 2017-01-26 | 레이더를 이용한 거리 측정 방법 및 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20180088009A true KR20180088009A (ko) | 2018-08-03 |
KR101897763B1 KR101897763B1 (ko) | 2018-09-13 |
Family
ID=62979610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170012498A KR101897763B1 (ko) | 2017-01-26 | 2017-01-26 | 레이더를 이용한 거리 측정 방법 및 장치 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11543490B2 (ko) |
KR (1) | KR101897763B1 (ko) |
WO (1) | WO2018139882A1 (ko) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021154037A1 (ko) * | 2020-01-31 | 2021-08-05 | 주식회사 유진로봇 | 3d 라이다 기반의 대상 물체 인식 방법, 장치 및 그를 이용한 이동체 |
KR20210136541A (ko) * | 2020-05-08 | 2021-11-17 | 주식회사 만도모빌리티솔루션즈 | 차량의 제어 장치 및 제어 방법 |
WO2024071507A1 (ko) * | 2022-09-27 | 2024-04-04 | 엘지전자 주식회사 | 주파수 변조 연속파 레이더 센서 및 이를 포함하는 전자기기 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018117145A1 (de) * | 2018-07-16 | 2020-01-16 | Balluff Gmbh | Multifeldzonen-Näherungssensor sowie ein Verfahren zur Messung eines Abstands eines Objekts vom Multifeldzonen-Näherungssensor |
CN113518306B (zh) * | 2021-04-21 | 2024-01-19 | Tcl通讯(宁波)有限公司 | 一种uwb定位方法、终端及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05272291A (ja) * | 1992-03-24 | 1993-10-19 | Komatsu Ltd | 物体の材質検出装置 |
JP2008051550A (ja) * | 2006-08-22 | 2008-03-06 | Nissan Motor Co Ltd | 物体識別方法と物体識別装置 |
KR20150143154A (ko) * | 2014-06-13 | 2015-12-23 | 재단법인대구경북과학기술원 | 레이더 신호 처리 방법 및 장치 |
KR20160137267A (ko) * | 2015-05-22 | 2016-11-30 | 영남대학교 산학협력단 | 레이저 스캐너 기반의 장애물 인식 장치 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004031626A1 (de) | 2004-06-30 | 2006-02-02 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Materialstärkenbestimmung auf Hochfrequenzbasis |
US9229102B1 (en) * | 2009-12-18 | 2016-01-05 | L-3 Communications Security And Detection Systems, Inc. | Detection of movable objects |
US20120235849A1 (en) * | 2010-11-19 | 2012-09-20 | Tatoian James Z | Method and apparatus for through the wall radar imaging |
KR101440085B1 (ko) | 2013-02-14 | 2014-09-12 | 삼성탈레스 주식회사 | 레이저 거리 측정기 및 그 동작 방법 |
KR20150014315A (ko) * | 2013-07-29 | 2015-02-06 | 삼성전자주식회사 | 횡파를 이용한 초음파 진단 방법 및 장치 |
CA2993021A1 (en) * | 2014-07-21 | 2016-01-28 | Omid TAHERI | Methods and system for determining pulse temporal coordinates overlapping pulses in a reflected radar signal |
US10009734B2 (en) * | 2015-02-09 | 2018-06-26 | Winitech Co., Ltd | Indoor location measurement system and method using radio signal transmitters |
-
2017
- 2017-01-26 KR KR1020170012498A patent/KR101897763B1/ko active IP Right Grant
-
2018
- 2018-01-25 WO PCT/KR2018/001138 patent/WO2018139882A1/ko active Application Filing
- 2018-01-25 US US16/480,085 patent/US11543490B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05272291A (ja) * | 1992-03-24 | 1993-10-19 | Komatsu Ltd | 物体の材質検出装置 |
JP2008051550A (ja) * | 2006-08-22 | 2008-03-06 | Nissan Motor Co Ltd | 物体識別方法と物体識別装置 |
KR20150143154A (ko) * | 2014-06-13 | 2015-12-23 | 재단법인대구경북과학기술원 | 레이더 신호 처리 방법 및 장치 |
KR20160137267A (ko) * | 2015-05-22 | 2016-11-30 | 영남대학교 산학협력단 | 레이저 스캐너 기반의 장애물 인식 장치 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021154037A1 (ko) * | 2020-01-31 | 2021-08-05 | 주식회사 유진로봇 | 3d 라이다 기반의 대상 물체 인식 방법, 장치 및 그를 이용한 이동체 |
KR20210136541A (ko) * | 2020-05-08 | 2021-11-17 | 주식회사 만도모빌리티솔루션즈 | 차량의 제어 장치 및 제어 방법 |
WO2024071507A1 (ko) * | 2022-09-27 | 2024-04-04 | 엘지전자 주식회사 | 주파수 변조 연속파 레이더 센서 및 이를 포함하는 전자기기 |
Also Published As
Publication number | Publication date |
---|---|
US11543490B2 (en) | 2023-01-03 |
WO2018139882A1 (ko) | 2018-08-02 |
KR101897763B1 (ko) | 2018-09-13 |
US20200011971A1 (en) | 2020-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101897763B1 (ko) | 레이더를 이용한 거리 측정 방법 및 장치 | |
US7929375B2 (en) | Method and apparatus for improved active sonar using singular value decomposition filtering | |
KR102088426B1 (ko) | 이중 편파 레이더의 타겟 검출 장치 및 방법 | |
Tivive et al. | An improved SVD-based wall clutter mitigation method for through-the-wall radar imaging | |
CN104502911A (zh) | 一种穿墙成像雷达的墙壁参数估计方法 | |
Sharif et al. | Efficient wideband signal parameter estimation using a radon-ambiguity transform slice | |
Arsan et al. | A Clustering‐Based Approach for Improving the Accuracy of UWB Sensor‐Based Indoor Positioning System | |
Hamdollahzadeh et al. | Moving target localization in bistatic forward scatter radars: Performance study and efficient estimators | |
CN107300694A (zh) | 一种基于电磁波透射系数的未知墙体参数估计方法 | |
Li et al. | Artifact suppression of back-projection algorithm under multiple buried objects | |
Xu et al. | Multi-domain Features Based NLOS Target Localization Method for MIMO UWB Radar | |
Song et al. | Electromagnetic situation generation algorithm based on information geometry | |
CN116930963A (zh) | 一种基于无线通信系统的穿墙成像方法 | |
Durofchalk et al. | Analysis of the ray-based blind deconvolution algorithm for shipping sources | |
JP2007163271A (ja) | 地中レーダ画像処理法 | |
Oesterlein et al. | Extraction of time-frequency target features | |
Heydari et al. | Real-time TDOA-based stationary sound source direction finding | |
Song et al. | A novel weighted-distance centralized detection method in passive MIMO radar | |
CN110412553A (zh) | 一种多径情况下的导向矢量检测方法 | |
Huyen et al. | Positioning the Adjacent Buried Objects Using UWB Technology Combine with Levenberg Marquardt Algorithm | |
CN117907943B (zh) | 一种基于线性调频信号的超分辨测距方法、系统及终端 | |
Chervoniak et al. | Signal detection algorithm for aircraft localization by means of passive acoustic radar | |
Chen et al. | Study on Elevation Estimation of Low-Angle Target in Meter-Wave Radar Based on Machine-Learning | |
Anderson | Estimation and removal of multiple scattering contributions to HF surface wave radar echoes | |
Cui et al. | A high precision localization method for underwater targets incorporating direct path recognition and sound rays bending compensation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
N231 | Notification of change of applicant | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right |