KR20230086321A - 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치 - Google Patents
노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치 Download PDFInfo
- Publication number
- KR20230086321A KR20230086321A KR1020210174829A KR20210174829A KR20230086321A KR 20230086321 A KR20230086321 A KR 20230086321A KR 1020210174829 A KR1020210174829 A KR 1020210174829A KR 20210174829 A KR20210174829 A KR 20210174829A KR 20230086321 A KR20230086321 A KR 20230086321A
- Authority
- KR
- South Korea
- Prior art keywords
- signal
- weather
- filtering
- unit
- filtering condition
- Prior art date
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 228
- 238000012545 processing Methods 0.000 title claims abstract description 59
- 238000012805 post-processing Methods 0.000 claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000006870 function Effects 0.000 claims abstract description 21
- 238000006243 chemical reaction Methods 0.000 claims description 49
- 238000012937 correction Methods 0.000 claims description 17
- 238000013480 data collection Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000003321 amplification Effects 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000010287 polarization Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 21
- 230000000694 effects Effects 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 30
- 238000012795 verification Methods 0.000 description 10
- 238000013500 data storage Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- G01S7/35—Details of non-pulse systems
- G01S7/352—Receivers
- G01S7/358—Receivers using I/Q processing
-
- 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
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
- G01S13/951—Radar or analogous systems specially adapted for specific applications for meteorological use ground based
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M1/00—Analogue/digital conversion; Digital/analogue conversion
- H03M1/12—Analogue/digital converters
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M1/00—Analogue/digital conversion; Digital/analogue conversion
- H03M1/66—Digital/analogue converters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
본 발명은 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치에 관한 것으로서, 더욱 상세히는 기상 레이다에서 제공하는 IF 신호를 기상 레이다가 위치하는 환경 특성을 기반으로 후처리하여 얻어진 후처리 영상과 유사한 영상을 후처리 과정 없이 생성할 수 있도록 학습 기반으로 상기 IF 신호의 노이즈에 대한 필터링 기능을 지원하는 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치에 관한 것이다. 본 발명은, 사용자에 의해 기상 레이다가 배치되는 지역의 환경 특성을 반영하여 기상 영상을 후처리하는 과정 없이 최적 필터링 조건을 통해 기상 레이다로부터 수신된 IF 신호에서 환경 특성에 의해 나타나는 노이즈를 제거하는 과정으로 해당 후처리를 통해 생성된 영상과 최대한 유사한 기상 영상을 획득할 수 있도록 지원하여 기상 레이다를 운영하는 사용자의 편의성을 높임과 아울러 노이즈 제거를 통해 비기상 요소가 제거된 신뢰성 높은 기상 영상을 획득할 수 있도록 지원하는 효과가 있다.
Description
본 발명은 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치에 관한 것으로서, 더욱 상세히는 기상 레이다에서 제공하는 IF 신호를 기상 레이다가 위치하는 환경 특성을 기반으로 후처리하여 얻어진 후처리 영상과 유사한 영상을 후처리 과정 없이 생성할 수 있도록 학습 기반으로 상기 IF 신호의 노이즈에 대한 필터링 기능을 지원하는 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치에 관한 것이다.
기상 레이다는 전파(전자기파 또는 펄스 또는 레이다 빔)를 송신하여 목표물인 비나 눈 입자(수상체)에 반사되어 되돌아온 신호의 수신 전력과 수신시간을 통해 관측 체적(sampling volume) 내 목표물의 평균 반사 강도와 위치를 측정하는 장비이다.
상기 기상 레이다는 안테나를 0~360도의 방위각과 0~90도의 고도각을 변화시켜 관측함으로써 극좌표계(polar coordination) 형식으로 대기의 3차원(볼륨)적인 상태를 관측할 수 있다.
이러한 기상 레이다는 전파를 송신한 후 목표물에 반사되어 전파를 수신하는 과정에서 눈이나 비 또는 안개 등과 같은 기상(氣象) 요소가 아닌 목표물에 반사된 전파가 수신되거나 기상 레이다 인근에서 전파를 송신하는 비행기나 다른 레이다 장비 등에 의해 송신된 외부 전파가 상기 기상 레이다에 수신되며, 이로 인해 강수(降水)와 같은 기상과 관련된 목표물에 반사된 전파를 기초로 생성한 정상적인 관측 에코 이외에 전파간섭에 따른 비정상 에코가 상기 기상 레이다에서 제공하는 IF 신호에 노이즈로서 포함된다.
따라서, 기상 레이다와 연결되어 기상 레이다가 제공하는 IF 신호를 처리하여 관측 영상을 생성하는 신호 처리 장치에서 상기 IF 신호에 포함된 노이즈를 필터링하는 것이 요구된다.
그러나, 기존의 신호 처리 장치는 신호 처리 장치의 제조사가 설정한 환경 특성에만 최적화되어 해당 환경 특성과 상이한 환경 특성을 가진 특정 지역에서 기상 레이다를 운영하는 경우 상기 특정 지역에 대응되는 환경에서만 발생하는 노이즈를 필터링하기 어려우며, 이러한 제조사가 아닌 신호 처리 장치의 노이즈 필터링 조건을 사용자가 파악하기 어려워 사용자가 신호 처리 장치의 필터링 기능을 수정하기 어려우므로 상기 기상 레이다에서 제공하는 IF 신호를 기초로 생성된 영상에 대해 사용자가 수작업으로 후처리를 통해 노이즈를 직접 제거해야 하는 불편이 존재한다.
따라서, 기상 레이다의 IF 신호에 대한 신호 처리를 수행하는 신호 처리 장치의 필터링 기능을 기상 레이다가 위치하는 환경 특성을 고려하여 최적화할 수 있는 방안이 요구되고 있다.
본 발명은 기상 레이다가 전송하는 IF 신호에 포함된 노이즈를 필터링하기 위한 조건을 지속적으로 변경하면서 필터링을 통해 생성된 영상이 기상 레이다가 배치된 환경의 특성을 고려하여 상기 IF 신호를 후처리한 영상과 최대한 유사한 결과를 얻을 수 있는 최적의 필터링 조건을 학습하도록 지원하여, IF 신호에 대한 별도의 후처리 과정을 거칠 필요없이 학습된 최적의 필터링 조건을 기반으로 기상 레이다가 배치된 환경 특성에 따른 노이즈를 효율적으로 제거한 영상을 생성할 수 있도록 지원하는데 그 목적이 있다.
본 발명의 실시예에 따른 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치는, 기상 레이다로부터 수신된 RF 신호를 기초로 생성된 IF 신호를 수신하여 미리 설정된 필터링 조건에 따라 상기 IF 신호를 필터링하여 생성된 필터링 신호를 기초로 I 신호 및 Q 신호를 생성하는 디지털 영상 변환부와, 상기 I 신호 및 Q 신호를 기초로 아날로그 IF 신호를 생성하는 아날로그 영상 변환부와, 상기 I 신호 및 Q 신호를 기초로 상관 계수를 산출한 후 상기 상관 계수를 기반으로 기상 모멘트를 산출하며, 상기 기상 모멘트를 기초로 미리 설정된 하나 이상의 기상 변수별 산출값을 산출하는 신호 처리부 및 상기 기상 변수별 산출값에 따른 기상 영상을 사용자 입력에 따라 후처리하여 생성된 후처리 영상에 대한 기상변수별 산출값을 수신한 후 상기 신호 처리부로부터 수신된 기상 변수별 산출값과 상호 비교하여 상기 필터링 조건에 대응되는 유사도 점수를 산출하며, 상기 필터링 조건에 대응되는 상기 IF 신호를 기초로 생성한 원본 데이터와 상기 필터링 조건에 대응되는 상기 아날로그 IF 신호를 기초로 생성한 보정 데이터 및 필터링 조건을 미리 설정된 학습 모델에 상기 필터링 조건에 대응되는 유사도 점수와 함께 학습시키면서 상기 유사도 점수가 상승하는 예측 필터링 조건을 상기 학습 모델을 통해 산출한 후 상기 디지털 영상 변환부의 필터링 조건을 상기 예측 필터링 조건으로 변경하는 노이즈 학습부를 포함할 수 있다.
본 발명과 관련된 일 예로서, 상기 디지털 영상 변환부는, 상기 필터링 조건에 따라 상기 IF 신호를 필터링하여 필터링 신호를 생성하는 제 1 필터링부와, 상기 필터링 신호를 증폭하는 제 1 증폭부와, 상기 제 1 증폭부를 통해 증폭된 필터링 신호를 디지털 신호로 변환하여 기상 데이터를 생성하는 아날로그 디지털 변환부 및 상기 기상 데이터를 I 신호 및 Q 신호로 변환하여 상기 노이즈 학습부에 제공하는 DDC(Digital Down Converter)부를 포함할 수 있다.
본 발명과 관련된 일 예로서, 상기 아날로그 영상 변환부는, 상기 I 신호 및 Q 신호를 IF 디지털 신호로 변환하는 DUC(Digital Up Converter)부와, 상기 IF 디지털 신호를 아날로그 IF 신호로 변환하는 디지털 아날로그 변환부와, 상기 아날로그 IF 신호를 필터링하는 제 2 필터링부 및 상기 제 2 필터링부를 통해 필터링된 상기 아날로그 IF 신호를 증폭하여 상기 노이즈 학습부에 제공하는 제 2 증폭부를 포함할 수 있다.
본 발명과 관련된 일 예로서, 상기 신호 처리부는, 상기 I 신호 및 Q 신호를 기초로 이중편파 교차 상관계수와 시간영역 상관 계수를 포함하는 상관계수 데이터를 산출하는 상관 계수 산출부와, 상기 상관계수 산출부를 통해 산출된 상기 상관계수 데이터를 기초로 임계 변수를 산출한 후 상기 임계변수를 기초로 기상 모멘트를 산출하는 기상 모멘트 산출부 및 상기 기상 모멘트를 기초로 상기 기상변수별 산출값을 산출하여 상기 노이즈 학습부에 제공하는 기상 변수 산출부를 포함할 수 있다.
본 발명과 관련된 일 예로서, 상기 기상변수는, 반사도, 시선속도, 스펙트럼폭, 교차상관계수, 차등위상차 중 적어도 하나를 포함하는 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 디지털 영상 변환부는, 상기 예측 필터링 조건이 설정되면 상기 기상 레이다로부터 수신된 IF 신호를 상기 예측 필터링 조건에 따라 필터링하여 생성된 필터링 신호를 기초로 상기 예측 필터링 조건에 대응되는 I 신호 및 Q 신호를 생성하고, 상기 아날로그 영상 변환부는, 상기 예측 필터링 조건에 대응되는 I 신호 및 Q 신호를 기초로 상기 예측 필터링 조건에 대응되는 아날로그 IF 신호를 생성하며, 상기 신호 처리부는, 상기 예측 필터링 조건에 대응되는 I 신호 및 Q 신호를 기초로 상기 기상변수별 산출값을 산출하고, 상기 노이즈 학습부는, 상기 예측 필터링 조건에 대응되는 기상 변수별 산출값에 따른 기상 영상을 사용자 입력에 따라 후처리하여 생성된 후처리 영상에 따른 기상변수별 산출값을 수신한 후 상기 신호 처리부로부터 수신된 상기 예측 필터링 조건에 대응되는 상기 기상변수별 산출값과 비교하여 유사도 점수를 산출하고, 상기 예측 필터링 조건에 대응되는 상기 IF 신호를 기초로 생성한 원본 데이터와 상기 예측 필터링 조건에 대응되는 상기 아날로그 IF 신호를 기초로 생성한 보정 데이터 및 상기 예측 필터링 조건을 미리 설정된 학습 모델에 상기 예측 필터링 조건에 대응되는 유사도 점수와 함께 학습시키면서 상기 유사도 점수가 상승하는 다른 예측 필터링 조건을 상기 학습 모델을 통해 산출한 후 상기 다른 예측 필터링 조건으로 상기 디지털 영상 변환부에 설정된 기존 필터링 조건을 변경하는 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 노이즈 학습부는, 미리 설정된 시간 동안 수신된 모든 IF 신호에 대해 상기 유사도 점수가 미리 설정된 기준치 이상으로 산출되는 경우 상기 IF 신호를 기초로 생성한 데이터를 상기 학습 모델에 적용하여 상기 학습 모델을 통해 상기 IF 신호에 대응되는 최적 필터링 조건을 산출한 후 상기 디지털 영상 변환부에 설정하는 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 기상 레이다용 신호 처리 장치는, 상기 노이즈 학습부로부터 상기 신호 처리부로부터 수신된 기상변수별 산출값을 기초로 기상 영상을 생성하여 제공하고, 상기 기상 영상에 대한 사용자 입력에 따른 후처리를 통해 상기 후처리 영상을 생성한 후 상기 후처리 영상에 따른 기상변수별 산출값을 생성하여 상기 노이즈 학습부에 제공하는 후처리 데이터 수집부를 더 포함하는 것을 특징으로 할 수 있다.
본 발명과 관련된 일 예로서, 상기 노이즈 학습부는, 상기 IF 신호를 디지털 변환하여 상기 원본 데이터를 생성하고, 상기 아날로그 IF 신호를 디지털 변환하여 상기 보정 데이터를 생성하는 것을 특징으로 할 수 있다.
본 발명은 기상 레이다로부터 수신된 IF 신호를 필터링 조건에 따라 필터링한 신호를 기초로 얻어진 기상변수별 산출값에 따른 기상 영상과 상기 기상 영상에 대해 사용자에 의한 후처리 과정을 통해 얻어진 후처리 영상 사이의 유사도를 산출하고, 해당 유사도와 상기 필터링 조건과 필터링 조건에 따라 IF 신호로부터 얻어진 필터링된 신호 및 IF 신호 사이의 상관 관계를 학습모델에 학습시켜 필터링된 신호로부터 얻어지는 기상 영상이 후처리 영상과 최대한 유사해지는 최적 필터링 조건을 산출하도록 학습 모델을 학습시킬 수 있으며, 이를 통해 사용자에 의해 기상 레이다가 배치되는 지역의 환경 특성을 반영하여 기상 영상을 후처리하는 과정 없이 최적 필터링 조건을 통해 IF 신호에서 환경 특성에 의해 나타나는 노이즈를 제거하는 과정으로 해당 후처리를 통해 생성된 영상과 최대한 유사한 기상 영상을 획득할 수 있도록 지원하여 기상 레이다를 운영하는 사용자의 편의성을 높임과 아울러 노이즈 제거를 통해 비기상 요소가 제거된 신뢰성 높은 기상 영상을 획득할 수 있도록 지원하는 효과가 있다.
또한, 본 발명은 기상 레이다가 배치된 지역의 환경 특성을 고려하여 기상 영상에 대한 후처리를 통해 생성된 후처리 영상에 사용한 사용자가 설정한 기준과 유사한 기준을 가진 필터링 조건을 학습 기반으로 자동 파악할 수 있으며, 이를 통해 다양한 지역에 배치된 서로 다른 기상 레이다에 대해 적응적으로 환경 특성을 자동 파악하여 신호 처리 장치가 연결된 기상 레이다의 IF 신호에 대한 최적의 필터링 조건을 자동으로 설정할 수 있어 신호 처리 장치의 운용에 대한 편의성 및 효율성을 크게 높일 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치의 구성도.
도 2는 본 발명의 실시예에 따른 기상 영상에 나타나는 노이즈에 대한 예시도.
도 3은 본 발명의 실시예에 따른 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치의 상세 구성도.
도 4는 본 발명의 실시예에 따른 노이즈 학습부의 상세 구성도.
도 5는 본 발명의 실시예에 따른 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치에 의해 생성된 기상 영상에 대한 예시도.
도 2는 본 발명의 실시예에 따른 기상 영상에 나타나는 노이즈에 대한 예시도.
도 3은 본 발명의 실시예에 따른 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치의 상세 구성도.
도 4는 본 발명의 실시예에 따른 노이즈 학습부의 상세 구성도.
도 5는 본 발명의 실시예에 따른 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치에 의해 생성된 기상 영상에 대한 예시도.
이하, 도면을 참고하여 본 발명의 상세 실시예를 설명한다.
도 1은 본 발명의 실시예에 따른 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치(이하, 신호 처리 장치)의 구성 환경도이다.
도시된 바와 같이, 본 발명의 실시예에 따른 신호 처리 장치(100)는 기상 레이다(radar)(1)에서 송신한 전파가 목표물에 반사되어 수신되는 반사파인 RF(radio frequency) 신호를 수신할 수 있으며, 상기 신호 처리 장치(100)는, 상기 RF 신호로부터 얻어진 IF(Intermediate Frequency) 신호를 기초로 기상 영상을 생성하여 제공할 수 있다.
이때, 도 2에 도시된 바와 같이, 상기 기상 레이다(1)에서 전송한 전파가 목표물에 반사되어 상기 기상 레이다(1)에 수신되는 과정에서 강수(降水)와 같은 기상 요소가 아닌 지형이나 지물에 반사된 비기상 에코(echo)나 기상 레이다(1)가 송신한 전파가 아닌 외부 전파와의 간섭 신호, 지면이나 해면에 의해 반사된 클러터(clutter) 등과 같은 각종 노이즈(noise)가 상기 IF 신호에 포함된다.
또한, 이러한 노이즈는 기상 레이다(1)가 배치된 배치 위치 주변의 기상 변화 패턴 및 해당 위치를 포함하는 주변 영역의 지형 형태 등을 포함하는 주변 환경에 대한 환경 특성과 밀접한 관련이 있으며, 이에 따라 서로 다른 환경에 위치하는 복수의 기상 레이다(1)에서 제공하는 복수의 IF 신호 상호 간 이러한 노이즈 역시 서로 다르게 나타난다.
이에 따라, 상기 복수의 기상 레이다(1) 중 어느 하나가 위치하는 환경 특성을 고려하여 IF 신호에서 노이즈를 필터링하는 필터링 조건을 다른 하나에 그대로 적용하는 경우 상기 다른 하나의 기상 레이다(1)가 위치하는 환경 특성에 적합하지 않아 노이즈가 정상적으로 제거되지 않는 문제가 발생한다.
이에 따라, 기존에는 신호 처리 장치(100)에서 IF 신호를 기초로 생성한 기상 영상에 대해 수작업으로 노이즈를 제거하는 별도의 후처리 과정을 수행하여야 하는 번거로움이 존재한다.
따라서, 본 발명의 실시예에 따른 신호 처리 장치(100)는 기상 레이다(1)가 위치하는 환경 특성에 따라 IF 신호에 나타나는 노이즈를 제거하기 위해 상기 IF 신호를 다양한 필터링 조건으로 필터링하여 얻어진 기상 영상과 후처리 과정을 통해 해당 기상 영상으로부터 생성된 후처리 영상 사이의 유사도가 높아지는 필터링 조건을 학습하도록 미리 설정된 학습 모델을 학습시켜, 이러한 학습 모델의 학습 완료시 기상 레이다(1)가 위치하는 환경 특성에 최적화된 최적의 필터링 조건을 설정하여 별도의 후처리 과정이 필요하지 않은 노이즈가 제거된 기상 영상을 제공할 수 있도록 동작하는데, 이를 이하 도면을 참고하여 설명한다.
도 3은 본 발명의 실시예에 따른 신호 처리 장치(100)의 상세 구성도이다.
도시된 바와 같이, 본 발명의 실시예에 따른 신호 처리 장치(100)는, RF 수신부(110), 디지털 영상 변환부(120), 아날로그 영상 변환부(140), 데이터 저장부(150), 후처리 데이터 수집부(160) 및 제어부(130)를 포함하여 구성될 수 있다.
상기 RF 수신부(110)는, 상기 기상 레이다(1)와 통신할 수 있으며, 상기 기상 레이다(1)로부터 RF 신호를 수신한 후 상기 RF 신호로부터 IF 신호를 생성하여 상기 디지털 영상 변환부(120)에 제공할 수 있다.
또한, 상기 디지털 영상 변환부(120)는, 상기 RF 수신부(110)를 통해 상기 기상 레이다(1)로부터 수신된 IF 신호를 미리 설정된 필터링 조건에 따라 필터링하여 생성된 필터링 신호를 기초로 I 신호 및 Q 신호를 생성하고, 상기 I 신호 및 Q 신호를 상기 제어부(130)에 제공할 수 있다.
이를 위해, 상기 디지털 영상 변환부(120)는, 제 1 필터링부(121), 제 1 증폭부(122), 아날로그 디지털 변환부(ADC(analog digital converter)부)(123), DDC(digital down converter)부(124)를 포함하여 구성될 수 있다.
이때, 상기 제 1 필터링부(121)는, 미리 설정된 상기 필터링 조건에 따라 상기 IF 신호를 필터링하여, 필터링된 IF 신호인 필터링 신호를 생성할 수 있으며, 이하에서 설명하는 상기 제어부(130)에 의해 상기 제 1 필터링부(121)에 예측 필터링 조건이 설정되면 상기 예측 필터링 조건에 따라 상기 IF 신호를 필터링하여 필터링 신호를 생성할 수 있다.
또한, 상기 제 1 증폭부(122)는, 상기 필터링 신호를 증폭하여 상기 아날로그 디지털 변환부(123)에 제공할 수 있다.
또한, 상기 아날로그 디지털 변환부(123)는, 상기 제 1 증폭부(122)를 통해 증폭된 필터링 신호를 디지털 신호로 변환하여 기상 데이터를 생성할 수 있다.
또한, 상기 DDC부(124)는, 상기 기상 데이터를 I 신호 및 Q 신호로 변환하여 상기 제어부(130)에 제공할 수 있다.
이때, 상기 DDC부(124)는, 상기 I 신호 및 Q 신호를 상기 제어부(130)에 포함된 노이즈 학습부(132)에 제공할 수 있다.
한편, 상기 아날로그 영상 변환부(140)는 상기 I 신호 및 Q 신호를 기초로 아날로그 IF 신호를 생성할 수 있으며, 상기 아날로그 IF 신호를 상기 제어부(130)에 제공할 수 있다.
이를 위해, 상기 아날로그 영상 변환부(140)는, DUC(Digital Up Converter)부(144)와, 디지털 아날로그 변환부(DAC(digital analog converter)부)(143), 제 2 필터링부(142) 및 제 2 증폭부(141)를 포함하여 구성될 수 있다.
이때, 상기 DUC부(144)는, 상기 I 신호 및 Q 신호를 IF 디지털 신호로 변환할 수 있다.
또한, 상기 디지털 아날로그 변환부(143)는, 상기 IF 디지털 신호를 아날로그 IF 신호로 변환할 수 있다.
또한, 상기 제 2 필터링부(142)는, 상기 아날로그 IF 신호를 필터링하여 상기 제 2 증폭부(141)로 제공하며, 상기 제 2 증폭부(141)는, 상기 제 2 필터링부(142)를 통해 필터링된 상기 아날로그 IF 신호를 증폭하여 상기 제어부(130)에 제공할 수 있다.
이때, 상기 제 2 필터링부(142)는, 상기 증폭된 아날로그 IF 신호를 상기 제어부(130)에 포함된 노이즈 학습부(132)에 제공할 수 있다.
즉, 상기 아날로그 영상 변환부(140)는, 상기 I 신호 및 Q 신호를 역변환하여 상기 필터링 신호에 대응되는 아날로그 IF 신호를 생성할 수 있다.
한편, 상기 제어부(130)는 상기 신호 처리 장치(100)의 전반적인 제어 기능을 수행하고, 상기 제어부(130)는 RAM, ROM, CPU, GPU, 버스를 포함할 수 있으며, RAM, ROM, CPU, GPU 등은 버스를 통해 서로 연결될 수 있다.
이때, 상기 신호 처리 장치(100)를 구성하는 복수의 구성부 중 적어도 하나가 상기 제어부(130)에 포함되어 구성될 수도 있다.
상기 제어부(130)는 상기 RF 수신부(110)로부터 상기 IF 신호를 수신할 수 있으며, 상기 RF 수신부(110)로부터 수신된 IF 신호인 원본 IF 신호를 디지털 변환하여 원본 데이터를 생성한 후 상기 데이터 저장부(150)에 포함된 원본 DB에 상기 원본 데이터를 저장할 수 있으며, 상기 아날로그 영상 변환부(140)로부터 상기 원본 IF 신호에 대응되는 I 신호 및 Q 신호를 역변환하여 생성된 아날로그 IF 신호를 수신한 후 디지털 변환하여 보정 데이터를 생성한 다음 상기 데이터 저장부(150)에 포함된 보정 DB에 상기 보정 데이터를 저장할 수 있다.
이때, 상기 데이터 저장부(150)는, 각종 정보를 저장할 수 있으며, 상기 데이터 저장부(150)는 HDD(Hard Disk Drive), SSD(Solid State Drive) 등과 같은 다양한 형태로 구성될 수 있다.
또한, 상기 제어부(130)는, 신호 처리부(131) 및 노이즈 학습부(132)를 포함하여 구성될 수 있다.
우선, 상기 신호 처리부(131)는, 상기 디지털 영상 변환부(120)로부터 제공되는 상기 I 신호 및 Q 신호를 기초로 상관 계수를 산출한 후 상기 상관 계수를 기반으로 기상 모멘트를 산출하며, 상기 기상 모멘트를 기초로 미리 설정된 하나 이상의 기상 변수별 산출값을 산출할 수 있다.
이를 위해, 상기 신호 처리부(131)는, 상관계수 산출부(1311), 기상 모멘트 산출부(1312) 및 기상변수 산출부(1313)를 포함하여 구성될 수 있다.
우선, 상기 상관계수 산출부(1311)는, 상기 I 신호 및 Q 신호를 기초로 이중편파 교차 상관계수와 시간영역 상관 계수 등을 포함하는 상관계수 데이터를 산출할 수 있다.
또한, 상기 기상 모멘트 산출부(1312)는, 상기 상관계수 산출부(1311)를 통해 산출된 상기 상관계수 데이터를 기초로 임계 변수를 산출한 후 상기 임계변수를 기초로 기상 모멘트를 산출할 수 있다.
또한, 상기 기상변수 산출부(1313)는, 상기 기상 모멘트를 기초로 상기 기상변수별 산출값을 산출하고, 상기 기상변수별 산출값을 상기 노이즈 학습부(132)에 제공할 수 있다.
이때, 상기 하나 이상의 기상 변수는, 반사도, 시선속도, 스펙트럼폭, 교차상관계수, 차등위상차 등을 포함할 수 있다.
또한, 상기 노이즈 학습부(132)는, 사용자 입력에 따라 상기 기상 변수별 산출값에 따른 영상을 후처리하여 생성된 후처리 영상을 수신한 후 상기 신호 처리부(131)로부터 수신된 상기 기상 변수별 산출값에 따른 기상 영상과 상호 비교하여 상기 필터링 조건에 대응되는 유사도 점수를 산출하며, 상기 필터링 조건에 대응되는 상기 IF 신호와 상기 아날로그 IF 신호 및 필터링 조건을 미리 설정된 학습 모델에 상기 필터링 조건에 대응되는 유사도 점수와 함께 학습시키면서 상기 유사도 점수가 상승하는 예측 필터링 조건을 상기 학습 모델을 통해 산출한 후 상기 디지털 영상 변환부(120)의 필터링 조건을 상기 예측 필터링 조건으로 변경할 수 있다.
이때, 상기 노이즈 학습부(132)는, 상기 디지털 영상 변환부(120)의 제 1 필터링부(121)에 설정된 기존 필터링 조건을 상기 예측 필터링 조건으로 변경할 수 있다.
이를 도 4를 참고하여 상세히 설명하면, 도시된 바와 같이, 상기 노이즈 학습부(132)는, 아날로그 신호 필터링 관리부(1321), 입력정보 관리부(1322), 예측부(1323) 및 학습모델 검증부(1324)를 포함하여 구성될 수 있다.
우선, 아날로그 신호 필터링 관리부(1321)는, 상기 디지털 영상 변환부(120)로부터 상기 IF 신호에 대한 필터링을 통해 생성된 I 신호 및 Q 신호를 수신하여 상기 입력정보 관리부(1322)에 전송할 수 있다.
또한, 상기 아날로그 신호 필터링 관리부(1321)는, 상기 디지털 영상 변환부(120)에 상기 IF 신호의 필터링을 위한 필터링 조건을 설정할 수 있으며, 상기 필터링 조건에 대한 조건 정보를 상기 입력정보 관리부(1322)에 전송할 수 있다.
이때, 상기 아날로그 신호 필터링 관리부(1321)는, 상기 디지털 영상 변환부(120)에 최초 설정된 필터링 조건에 대한 설정 정보가 미리 설정될 수 있으며, 상기 설정 정보를 상기 조건 정보로서 상기 입력정보 관리부(1322)에 제공할 수 있다.
또한, 상기 아날로그 신호 필터링 관리부(1321)는, 상기 디지털 영상 변환부(120)에 설정된 필터링 조건에 대한 조건 정보와 상기 조건 정보에 따른 필터링 조건이 설정된 디지털 영상 변환부(120)에서 제공하는 I 신호 및 Q 신호를 상호 매칭한 매칭 정보를 상기 입력정보 관리부(1322)에 제공할 수 있다.
이때, 상기 매칭 정보는 I 신호와 Q 신호 및 상기 조건 정보를 포함할 수 있다.
또한, 상기 입력정보 관리부(1322)는, 상기 아날로그 신호 필터링 관리부(1321)로부터 수신된 매칭 정보에 따른 I 신호 및 Q 신호를 상기 신호 처리부(131)에 제공할 수 있으며, 상기 신호 처리부(131)로부터 상기 I 신호 및 Q 신호에 대응되는 하나 이상의 기상변수별 산출값을 수신할 수 있다.
또한, 상기 입력정보 관리부(1322)는 상기 매칭 정보에 따른 I 신호 및 Q 신호를 상기 아날로그 영상 변환부(140)에 제공하고, 상기 아날로그 영상 변환부(140)로부터 상기 I 신호 및 Q 신호를 기초로 상기 아날로그 영상 변환부(140)에 의해 생성된 아날로그 IF 신호를 수신할 수 있다.
즉, 상기 아날로그 영상 변환부(140)는, 상기 디지털 영상 변환부(120)에서 IF 신호를 필터링 조건에 따라 필터링하여 생성한 I 신호 및 Q 신호를 기초로 필터링된 IF 신호인 상기 필터링 신호를 복원하여 상기 필터링 신호에 대응되는 아날로그 IF 신호를 상기 입력정보 관리부(1322)에 제공할 수 있다.
또한, 상기 입력정보 관리부(1322)는, 상기 아날로그 신호 필터링 관리부(1321)로부터 수신된 매칭 정보에 대응되는 상기 기상 변수별 산출값을 상기 학습모델 검증부(1324)에 제공할 수 있다.
또한, 상기 학습모델 검증부(1324)는, 상기 신호 처리 장치(100)에 구성된 후처리 데이터 수집부(160)로 상기 매칭 정보에 대응되는 기상변수별 산출값을 제공할 수 있다.
한편, 후처리 데이터 수집부(160)는 노이즈 학습부(132)의 학습모델 검증부(1324)로부터 상기 매칭 정보에 대응되는 기상변수별 산출값을 수신하고, 상기 매칭 정보에 대응되는 기상 변수별 산출값에 따른 기상 영상을 생성할 수 있으며, 상기 매칭 정보에 대응되는 기상 영상에 대해 사용자 입력에 따라 후처리를 수행하여 후처리 영상을 생성한 후 상기 후처리 영상에 따른 기상변수별 산출값을 상기 학습모델 검증부(1324)에 제공할 수 있다.
즉, 상기 후처리 데이터 수집부(160)는, 사용자에 의해 상기 기상 영상에서 노이즈를 제거하여 후처리한 후처리 영상에 따른 기상변수별 산출값을 생성하여 상기 학습모델 검증부(1324)에 제공할 수 있다.
또한, 상기 학습모델 검증부(1324)는, 상기 매칭 정보에 대응되는 상기 기상 영상에 대한 기상변수별 산출값과 상기 매칭 정보에 대응되는 상기 후처리 영상에 대한 기상 변수별 산출값을 상호 비교하여, 상기 기상 영상과 상기 후처리 영상 사이의 유사도에 대한 유사도 점수를 상기 매칭정보에 대응되도록 산출하여 상기 예측부(1323)에 제공할 수 있다.
한편, 상기 노이즈 학습부(132)의 입력정보 관리부(1322)는, 상기 RF 수신부(110)로부터 상기 원본 IF 신호를 수신하고, 상기 원본 IF 신호를 디지털 변환하여 원본 데이터를 생성한 후 상기 데이터 저장부(150)에 포함된 원본 DB에 상기 원본 데이터를 저장할 수 있으며, 상기 아날로그 영상 변환부(140)로부터 상기 원본 IF 신호에 대응되는 I 신호 및 Q 신호를 역변환하여 생성된 아날로그 IF 신호를 수신한 후 디지털 변환하여 보정 데이터를 생성한 다음 상기 데이터 저장부(150)에 포함된 보정 DB에 상기 보정 데이터를 저장할 수 있다.
또한, 상기 입력정보 관리부(1322)는, 상기 매칭 정보 수신시 상기 매칭 정보에 대응되는 원본 데이터를 상기 원본 DB로부터 추출하고, 상기 매칭 정보에 대응되는 보정 데이터를 상기 보정 DB로부터 추출한 후, 상기 매칭 정보에 대응되는 원본 데이터 및 보정 데이터와 상기 매칭 정보에 포함된 조건 정보를 상기 예측부(1323)에 제공할 수 있다.
또한, 상기 예측부(1323)는, 학습 모델이 미리 설정될 수 있으며, 상기 입력정보 관리부(1322) 및 상기 학습모델 검증부(1324)와 연동하여 상기 입력정보 관리부(1322)로부터 제공되는 원본 데이터와 보정 데이터 및 조건 정보를 상기 학습모델 검증부(1324)로부터 제공되는 유사도 점수와 상호 매칭하여 학습 데이터를 생성하고, 상기 학습 데이터를 미리 설정된 학습 모델에 학습시킬 수 있다.
이때, 상기 학습 모델은 딥러닝(Deep Learning) 알고리즘으로 구성될 수 있으며, 상기 딥러닝 알고리즘은 하나 이상의 신경망 모델로 구성될 수 있다.
또한, 본 발명에서 설명하는 신경망 모델(또는 신경망)은 입력층(Input Layer), 하나 이상의 은닉층(Hidden Layers) 및 출력층(Output Layer)으로 구성될 수 있으며, 상기 신경망 모델에는 DNN(Deep Neural Network), RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), SVM(Support Vector Machine) 등과 같은 다양한 종류의 신경망이 적용될 수 있다.
이에 따라, 상기 학습 모델은 상기 학습 데이터를 학습함과 동시에 입력으로 수신된 학습 데이터를 기초로 상기 원본 IF 신호를 상기 아날로그 IF 신호로 변환하는 필터링 조건에 대응되도록 생성된 기상 영상과 사용자에 의해 기상 레이다(1)가 위치하는 위치 주변의 환경 특성에 따라 상기 기상 영상을 후처리하여 생성된 후처리 영상 사이의 유사 정도를 상기 유사도 점수를 통해 판단하고, 학습을 통해 생성된 알고리즘을 기반으로 상기 유사도 점수를 상승시키기 위한 예측 필터링 조건을 출력으로 산출할 수 있다.
또한, 상기 예측부(1323)는 상기 학습 모델을 통해 산출한 상기 예측 필터링 조건을 상기 아날로그 신호 필터링 관리부(1321)에 전송할 수 있다.
또한, 상기 아날로그 신호 필터링 관리부(1321)는 상기 예측 필터링 조건으로 상기 디지털 영상 변환부(120)에 설정된 기존 필터링 조건을 대체할 수 있으며, 이를 통해 상기 디지털 영상 변환부(120)에 설정된 상기 기존 필터링 조건을 상기 예측 필터링 조건으로 변경할 수 있다.
이때, 상기 아날로그 신호 필터링 관리부(1321)는, 상기 설정 정보에 설정된 기존 필터링 조건을 상기 예측 필터링 조건으로 변경할 수 있다.
또한, 상기 아날로그 신호 필터링 관리부(1321)는, 상기 예측 필터링 조건이 설정된 디지털 영상 변환부(120)로부터 상기 예측 필터링 조건으로 IF 신호를 필터링하여 생성된 I 신호 및 Q 신호를 수신하면, 상기 예측 필터링 조건에 대응되는 I 신호 및 Q 신호와 상기 설정 정보에 따른 예측 필터링 조건에 대한 조건 정보를 포함하는 매칭 정보를 생성하여 상기 입력정보 관리부(1322)에 제공할 수 있다.
이에 따라, 상기 디지털 영상 변환부(120)는, 상기 예측 필터링 조건을 기초로 상기 예측 필터링 조건이 설정된 이후에 상기 RF 수신부(110)를 통해 수신되는 IF 신호인 원본 IF 신호를 필터링하여 상기 예측 필터링 조건에 대응되는 I 신호 및 Q 신호를 생성한 후 상기 제어부(130)에 제공할 수 있다.
또한, 상기 제어부(130)의 노이즈 학습부(132)는, 상기 디지털 영상 변환부(120) 및 상기 아날로그 영상 변환부(140) 및 상기 후처리 데이터 수집부(160)와 연동하여 필터링 조건에 따라 학습 데이터를 생성하는 상술한 과정과 동일하게 상기 예측 필터링 조건에 대응되는 학습 데이터를 생성할 수 있으며, 상기 학습 모델을 통해 상기 예측 필터링 조건에 대응되도록 생성된 학습 데이터에 대응되는 다른 예측 필터링 조건을 산출할 수 있다.
이때, 상기 후처리 데이터 수집부(160)는, 상기 예측 필터링 조건에 대응되도록 산출된 기상변수별 산출값을 상기 제어부(130)로부터 수신하고, 상기 예측 필터링 조건에 대응되는 기상변수별 산출값에 따른 기상 영상을 사용자 입력에 따라 후처리하여 생성한 후처리 영상에 따른 기상변수별 산출값을 상기 제어부(130)에 제공할 수 있다.
또한, 상기 제어부(130)의 노이즈 학습부(132)는, 상기 예측 필터링 조건에 대응되는 기상 영상에 따른 기상변수별 산출값과 상기 예측 필터링 조건에 대응되는 후처리 영상에 따른 기상변수별 산출값을 상호 비교하여 상기 예측 필터링 조건에 대응되는 기상 영상과 후처리 영상 사이의 유사도 점수를 산출하고, 상기 산출된 유사도 점수와 상기 예측 필터링 조건에 대응되는 원본 데이터 및 보정 데이터가 포함된 상기 예측 필터링 조건에 대응되는 학습 데이터를 생성하여 상기 학습 모델에 학습시킬 수 있다.
이에 따라, 상기 노이즈 학습부(132)는, 상기 예측 필터링 조건에 따른 학습 데이터를 학습하면서 상기 예측 필터링 조건에 따라 생성된 기상 영상과 사용자가 해당 기상 영상을 후처리한 후처리 영상 사이의 유사도 점수를 기초로, 기존 필터링 조건과 대비하여 예측 필터링 조건의 유사도 점수가 상승한 경우 예측 필터링 조건에 포함된 속성별 파라미터를 일부 유지하면서 유사도 점수를 상승시킬 수 있는 일부 속성의 파라미터를 변경한 다른 예측 필터링 조건을 생성하고, 기존 필터링 조건과 대비하여 예측 필터링 조건의 유사도 점수가 감소한 경우 예측 필터링 조건에 포함된 속성별 파라미터를 제외 대상으로 설정하면서 다른 예측 필터링 조건을 생성할 수 있다.
즉, 상기 노이즈 학습부(132)는, 학습 모델의 학습을 통해 유사도 점수를 상승시키는 예측 필터링 조건을 생성하는 방향으로 학습을 진행할 수 있다.
또한, 상기 노이즈 학습부(132)는, 상기 다른 예측 필터링 조건 산출시 상기 다른 예측 필터링 조건으로 상기 디지털 영상 변환부(120)에 설정된 기존 예측 필터링 조건을 대체하여, 상기 디지털 영상 변환부(120)에 설정된 상기 기존 예측 필터링 조건을 상기 다른 예측 필터링 조건으로 변경할 수 있다.
또한, 상기 노이즈 학습부(132)는, 미리 설정된 기준치 미만인 유사도 점수가 산출될 때마다 상술한 바와 같은 동작을 통해 기존과 다른 예측 필터링 조건을 반복해서 산출하고, 해당 산출된 예측 필터링 조건을 상기 디지털 영상 변환부(120)에 설정하여 상술한 과정을 통해 학습 모델에 대한 학습을 수행할 수 있다.
한편, 상기 노이즈 학습부(132) 또는 상기 노이즈 학습부(132)에 포함된 예측부(1323)는, 미리 설정된 시간 동안에 상기 RF 수신부(110)를 통해 수신된 모든 IF 신호에 대해 상기 유사도 점수가 미리 설정된 기준치 이상으로 산출되는 경우 상기 학습 모델에 대한 학습이 완료된 것으로 판단할 수 있다.
또한, 상기 노이즈 학습부(132)의 입력정보 관리부(1322)는 상기 예측부(1323)와 연동하여 상기 학습모델에 대한 학습이 완료된 경우 상기 RF 수신부(110)를 통해 수신되는 원본 IF 신호를 디지털 변환하여 생성된 원본 데이터만을 상기 예측부(1323)에 전송하고, 상기 예측부(1323)는 상기 원본 데이터만을 상기 학습 모델에 입력으로 적용하여, 상기 학습 모델을 통해 상기 원본 데이터에 대응되는 최적 필터링 조건을 산출한 후 상기 아날로그 신호 필터링 관리부(1321)에 전송할 수 있다.
또한, 상기 아날로그 신호 필터링 관리부(1321)는, 상기 최적 필터링 조건을 상기 디지털 영상 변환부(120)에 설정하여, 상기 디지털 영상 변환부(120)에서 상기 최적 필터링 조건에 따라 상기 IF 신호에 대한 필터링이 수행되도록 할 수 있다.
도 5는 본 발명의 실시예에 따른 신호 처리 장치(100)에서 산출한 최적 필터링 조건에 따라 IF 신호를 필터링하기 전에 대한 기상 영상과 상기 최적 필터링 조건에 따라 IF 신호를 필터링한 후에 대한 기상 영상을 나타낸 도면이다.
도시된 바와 같이, 최적 필터링 조건에 따라 IF 신호를 필터링한 후 필터링된 IF 신호를 기초로 생성한 기상 영상에서 필터링 전의 기상 영상에 나타나는 노이즈가 상당 부분 제거된 것을 확인할 수 있다.
상술한 바와 같이, 본 발명은 기상 레이다로부터 수신된 IF 신호를 필터링 조건에 따라 필터링한 신호를 기초로 얻어진 기상변수별 산출값에 따른 기상 영상과 상기 기상 영상에 대해 사용자에 의한 후처리 과정을 통해 얻어진 후처리 영상 사이의 유사도를 산출하고, 해당 유사도와 상기 필터링 조건과 필터링 조건에 따라 IF 신호로부터 얻어진 필터링된 신호 및 IF 신호 사이의 상관 관계를 학습모델에 학습시켜 필터링된 신호로부터 얻어지는 기상 영상이 후처리 영상과 최대한 유사해지는 최적 필터링 조건을 산출하도록 학습 모델을 학습시킬 수 있으며, 이를 통해 사용자에 의해 기상 레이다가 배치되는 지역의 환경 특성을 반영하여 기상 영상을 후처리하는 과정 없이 최적 필터링 조건을 통해 IF 신호에서 환경 특성에 의해 나타나는 노이즈를 제거하는 과정으로 해당 후처리를 통해 생성된 영상과 최대한 유사한 기상 영상을 획득할 수 있도록 지원하여 기상 레이다를 운영하는 사용자의 편의성을 높임과 아울러 노이즈 제거를 통해 비기상 요소가 제거된 신뢰성 높은 기상 영상을 획득할 수 있도록 지원할 수 있다.
또한, 본 발명은 기상 레이다가 배치된 지역의 환경 특성을 고려하여 기상 영상에 대한 후처리를 통해 생성된 후처리 영상에 사용한 사용자가 설정한 기준과 유사한 기준을 가진 필터링 조건을 학습 기반으로 자동 파악할 수 있으며, 이를 통해 다양한 지역에 배치된 서로 다른 기상 레이다에 대해 적응적으로 환경 특성을 자동 파악하여 신호 처리 장치가 연결된 기상 레이다의 IF 신호에 대한 최적의 필터링 조건을 자동으로 설정할 수 있어 신호 처리 장치의 운용에 대한 편의성 및 효율성을 크게 높일 수 있다.
본 발명의 실시예들에서 설명된 구성요소는, 예를 들어, 메모리 등의 저장부, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(Field Programmable Gate Array), PLU(programmable logic unit), 마이크로프로세서 등의 하드웨어, 명령어 세트를 포함하는 소프트웨어 내지 이들의 조합 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다.
전술된 내용은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
1: 기상 레이다
100: 신호 처리 장치
110: RF 수신부 120: 디지털 영상 변환부
121: 제 1 필터링부 122: 제 1 증폭부
123: 아날로그 디지털 변환부
124: DDC부 130: 제어부
131: 신호 처리부 1311: 상관계수 산출부
1312: 기상 모멘트 산출부 1313: 기상변수 산출부
132: 노이즈 학습부 1321: 아날로그 신호 필터링 관리부
1322: 입력정보 관리부 1323: 예측부
1324: 학습모델 검증부 140: 아날로그 영상 변환부
141: 제 2 증폭부 142: 제 2 필터링부
143: 디지털 아날로그 변환부
144: DUC부 150: 데이터 저장부
160: 후처리 데이터 수집부
110: RF 수신부 120: 디지털 영상 변환부
121: 제 1 필터링부 122: 제 1 증폭부
123: 아날로그 디지털 변환부
124: DDC부 130: 제어부
131: 신호 처리부 1311: 상관계수 산출부
1312: 기상 모멘트 산출부 1313: 기상변수 산출부
132: 노이즈 학습부 1321: 아날로그 신호 필터링 관리부
1322: 입력정보 관리부 1323: 예측부
1324: 학습모델 검증부 140: 아날로그 영상 변환부
141: 제 2 증폭부 142: 제 2 필터링부
143: 디지털 아날로그 변환부
144: DUC부 150: 데이터 저장부
160: 후처리 데이터 수집부
Claims (9)
- 기상 레이다로부터 수신된 RF 신호를 기초로 생성된 IF 신호를 수신하여 미리 설정된 필터링 조건에 따라 상기 IF 신호를 필터링하여 생성된 필터링 신호를 기초로 I 신호 및 Q 신호를 생성하는 디지털 영상 변환부;
상기 I 신호 및 Q 신호를 기초로 아날로그 IF 신호를 생성하는 아날로그 영상 변환부;
상기 I 신호 및 Q 신호를 기초로 상관 계수를 산출한 후 상기 상관 계수를 기반으로 기상 모멘트를 산출하며, 상기 기상 모멘트를 기초로 미리 설정된 하나 이상의 기상 변수별 산출값을 산출하는 신호 처리부; 및
상기 기상 변수별 산출값에 따른 기상 영상을 사용자 입력에 따라 후처리하여 생성된 후처리 영상에 대한 기상변수별 산출값을 수신한 후 상기 신호 처리부로부터 수신된 기상 변수별 산출값과 상호 비교하여 상기 필터링 조건에 대응되는 유사도 점수를 산출하며, 상기 필터링 조건에 대응되는 상기 IF 신호를 기초로 생성한 원본 데이터와 상기 필터링 조건에 대응되는 상기 아날로그 IF 신호를 기초로 생성한 보정 데이터 및 필터링 조건을 미리 설정된 학습 모델에 상기 필터링 조건에 대응되는 유사도 점수와 함께 학습시키면서 상기 유사도 점수가 상승하는 예측 필터링 조건을 상기 학습 모델을 통해 산출한 후 상기 디지털 영상 변환부의 필터링 조건을 상기 예측 필터링 조건으로 변경하는 노이즈 학습부
를 포함하는 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치.
- 청구항 1에 있어서,
상기 디지털 영상 변환부는,
상기 필터링 조건에 따라 상기 IF 신호를 필터링하여 필터링 신호를 생성하는 제 1 필터링부;
상기 필터링 신호를 증폭하는 제 1 증폭부;
상기 제 1 증폭부를 통해 증폭된 필터링 신호를 디지털 신호로 변환하여 기상 데이터를 생성하는 아날로그 디지털 변환부; 및
상기 기상 데이터를 I 신호 및 Q 신호로 변환하여 상기 노이즈 학습부에 제공하는 DDC(Digital Down Converter)부;
를 포함하는 것을 특징으로 하는 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치.
- 청구항 1에 있어서,
상기 아날로그 영상 변환부는,
상기 I 신호 및 Q 신호를 IF 디지털 신호로 변환하는 DUC(Digital Up Converter)부;
상기 IF 디지털 신호를 아날로그 IF 신호로 변환하는 디지털 아날로그 변환부;
상기 아날로그 IF 신호를 필터링하는 제 2 필터링부; 및
상기 제 2 필터링부를 통해 필터링된 상기 아날로그 IF 신호를 증폭하여 상기 노이즈 학습부에 제공하는 제 2 증폭부
를 포함하는 것을 특징으로 하는 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치.
- 청구항 1에 있어서,
상기 신호 처리부는,
상기 I 신호 및 Q 신호를 기초로 이중편파 교차 상관계수와 시간영역 상관 계수를 포함하는 상관계수 데이터를 산출하는 상관 계수 산출부;
상기 상관계수 산출부를 통해 산출된 상기 상관계수 데이터를 기초로 임계 변수를 산출한 후 상기 임계변수를 기초로 기상 모멘트를 산출하는 기상 모멘트 산출부; 및
상기 기상 모멘트를 기초로 상기 기상변수별 산출값을 산출하여 상기 노이즈 학습부에 제공하는 기상 변수 산출부
를 포함하는 것을 특징으로 하는 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치.
- 청구항 1에 있어서,
상기 기상변수는, 반사도, 시선속도, 스펙트럼폭, 교차상관계수, 차등위상차 중 적어도 하나를 포함하는 것을 특징으로 하는 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치.
- 청구항 1에 있어서,
상기 디지털 영상 변환부는, 상기 예측 필터링 조건이 설정되면 상기 기상 레이다로부터 수신된 IF 신호를 상기 예측 필터링 조건에 따라 필터링하여 생성된 필터링 신호를 기초로 상기 예측 필터링 조건에 대응되는 I 신호 및 Q 신호를 생성하고,
상기 아날로그 영상 변환부는, 상기 예측 필터링 조건에 대응되는 I 신호 및 Q 신호를 기초로 상기 예측 필터링 조건에 대응되는 아날로그 IF 신호를 생성하며,
상기 신호 처리부는, 상기 예측 필터링 조건에 대응되는 I 신호 및 Q 신호를 기초로 상기 기상변수별 산출값을 산출하고,
상기 노이즈 학습부는, 상기 예측 필터링 조건에 대응되는 기상 변수별 산출값에 따른 기상 영상을 사용자 입력에 따라 후처리하여 생성된 후처리 영상에 따른 기상변수별 산출값을 수신한 후 상기 신호 처리부로부터 수신된 상기 예측 필터링 조건에 대응되는 상기 기상변수별 산출값과 비교하여 유사도 점수를 산출하고, 상기 예측 필터링 조건에 대응되는 상기 IF 신호를 기초로 생성한 원본 데이터와 상기 예측 필터링 조건에 대응되는 상기 아날로그 IF 신호를 기초로 생성한 보정 데이터 및 상기 예측 필터링 조건을 미리 설정된 학습 모델에 상기 예측 필터링 조건에 대응되는 유사도 점수와 함께 학습시키면서 상기 유사도 점수가 상승하는 다른 예측 필터링 조건을 상기 학습 모델을 통해 산출한 후 상기 다른 예측 필터링 조건으로 상기 디지털 영상 변환부에 설정된 기존 필터링 조건을 변경하는 것을 특징으로 하는 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치.
- 청구항 1에 있어서,
상기 노이즈 학습부는, 미리 설정된 시간 동안 수신된 모든 IF 신호에 대해 상기 유사도 점수가 미리 설정된 기준치 이상으로 산출되는 경우 상기 IF 신호를 기초로 생성한 데이터를 상기 학습 모델에 적용하여 상기 학습 모델을 통해 상기 IF 신호에 대응되는 최적 필터링 조건을 산출한 후 상기 디지털 영상 변환부에 설정하는 것을 특징으로 하는 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치.
- 청구항 1에 있어서,
상기 노이즈 학습부로부터 상기 신호 처리부로부터 수신된 기상변수별 산출값을 기초로 기상 영상을 생성하여 제공하고, 상기 기상 영상에 대한 사용자 입력에 따른 후처리를 통해 상기 후처리 영상을 생성한 후 상기 후처리 영상에 따른 기상변수별 산출값을 생성하여 상기 노이즈 학습부에 제공하는 후처리 데이터 수집부를 더 포함하는 것을 특징으로 하는 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치.
- 청구항 1에 있어서,
상기 노이즈 학습부는, 상기 IF 신호를 디지털 변환하여 상기 원본 데이터를 생성하고, 상기 아날로그 IF 신호를 디지털 변환하여 상기 보정 데이터를 생성하는 것을 특징으로 하는 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210174829A KR102654511B1 (ko) | 2021-12-08 | 2021-12-08 | 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210174829A KR102654511B1 (ko) | 2021-12-08 | 2021-12-08 | 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230086321A true KR20230086321A (ko) | 2023-06-15 |
| KR102654511B1 KR102654511B1 (ko) | 2024-04-05 |
Family
ID=86763877
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210174829A KR102654511B1 (ko) | 2021-12-08 | 2021-12-08 | 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102654511B1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100922130B1 (ko) | 2008-11-13 | 2009-10-16 | 부경대학교 산학협력단 | 도플러 기상레이더의 이차 에코 제거 방법 |
| KR101294681B1 (ko) * | 2013-04-18 | 2013-08-08 | (주) 웨더링크 | 기상 신호 처리장치 및 그 처리방법 |
| KR20160102330A (ko) * | 2015-02-19 | 2016-08-30 | 한국과학기술원 | 주파수 변조 연속파 기상 레이더 시스템을 이용한 강수량 측정 장치 및 그 방법 |
-
2021
- 2021-12-08 KR KR1020210174829A patent/KR102654511B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100922130B1 (ko) | 2008-11-13 | 2009-10-16 | 부경대학교 산학협력단 | 도플러 기상레이더의 이차 에코 제거 방법 |
| KR101294681B1 (ko) * | 2013-04-18 | 2013-08-08 | (주) 웨더링크 | 기상 신호 처리장치 및 그 처리방법 |
| KR20160102330A (ko) * | 2015-02-19 | 2016-08-30 | 한국과학기술원 | 주파수 변조 연속파 기상 레이더 시스템을 이용한 강수량 측정 장치 및 그 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102654511B1 (ko) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108229404B (zh) | 一种基于深度学习的雷达回波信号目标识别方法 | |
| CN107818330B (zh) | 使用具有广泛不同误差大小的数据进行空间滤波的系统和方法 | |
| CN104950305B (zh) | 一种基于稀疏约束的实波束扫描雷达角超分辨成像方法 | |
| CN109324315B (zh) | 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法 | |
| US8633850B2 (en) | Identifying a location of a target object using a monopulse radar system and space-time adaptive processing (STAP) | |
| CN112612006B (zh) | 基于深度学习的机载雷达非均匀杂波抑制方法 | |
| KR102013205B1 (ko) | 레이더 신호 처리 모의 장치 및 방법 | |
| CN112379341B (zh) | 一种雷达接收机的数字化建模方法 | |
| CN115685096B (zh) | 一种基于逻辑回归的二次雷达副瓣抑制方法 | |
| Hwang et al. | Neuro-fuzzy gust front detection algorithm with S-band polarimetric radar | |
| CN111983566A (zh) | 用于以流方式检测所接收的信号中的脉冲的系统和方法 | |
| Chakraborty et al. | Sea-floor classification using multibeam echo-sounding angular backscatter data: A real-time approach employing hybrid neural network architecture | |
| JPWO2017051647A1 (ja) | 降水粒子判別装置、気象レーダー装置、降水粒子判別方法、及び降水粒子判別プログラム | |
| Narayanan et al. | A multifrequency radar system for detecting humans and characterizing human activities for short-range through-wall and long-range foliage penetration applications | |
| Zhao et al. | Side scan sonar image segmentation based on neutrosophic set and quantum-behaved particle swarm optimization algorithm | |
| CN107607945A (zh) | 一种基于空间嵌入映射的扫描雷达前视成像方法 | |
| Kazemi et al. | Deep learning for direct automatic target recognition from SAR data | |
| CN110082759B (zh) | 一种随机辐射雷达快速高分辨成像处理方法 | |
| CN113093126B (zh) | 调频连续波雷达信号处理系统的性能自检方法 | |
| JP2020193904A (ja) | 目標信号分離装置、パッシブレーダー装置および目標信号分離方法 | |
| KR20230086321A (ko) | 노이즈 필터링 기능이 구비된 기상 레이다용 신호 처리 장치 | |
| KR102652181B1 (ko) | 환경 정보를 이용한 노이즈 필터링 기능을 제공하는 기상 레이다용 신호 처리 장치 | |
| CN109254273A (zh) | 风廓线雷达回波信号的处理方法和装置 | |
| CN115494472B (zh) | 一种基于增强雷达波信号的定位方法、毫米波雷达、装置 | |
| KR20240057158A (ko) | 협업 기능을 구비한 기상 레이다용 신호 처리 장치 및 이를 포함하는 신호 처리 시스템 |
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 |