메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이동은 (한양대학교) 김윤지 (한양대학교) 서동호 (LIG넥스원) 윤우진 (LIG넥스원) 윤동원 (한양대학교)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제61권 제3호(통권 제556호)
발행연도
2024.3
수록면
3 - 13 (11page)
DOI
10.5573/ieie.2024.61.3.3

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
상대방에 대한 사전 정보 없이 수집된 레이더 신호의 변조를 식별하는 기술은 전자기전에서 매우 중요한 역할을 수행하며, 이를 통해 획득한 변조 방식에 관한 정보는 전자기전에서 전략 수립과 우위 확보를 위해 활용될 수 있다. 본 논문에서는 딥러닝 모델을 이용하여 37종의 단일 및 복합 변조 레이더 신호를 식별하는 시퀀스 데이터 기반의 레이더 신호 변조 식별 기법을 제안하고 시퀀스 데이터와 딥러닝 모델에 따른 변조 식별 성능을 분석한다. 제안하는 기법은 수신 레이더 신호를 시간 또는 주파수 영역에서 분석하여 시퀀스 데이터를 생성한 후, 이를 딥러닝 모델에 입력하여 변조 방식을 식별한다. 이때, 모델에 입력되는 시퀀스 데이터로 레이더 신호의 실수부 및 허수부로 구성한 시간 영역 데이터와 이산 푸리에 변환의 실수부 및 허수부로 구성한 주파수 영역 데이터를 고려하며, 딥러닝 모델로는 ResNet, DenseNet, Inception-v3를 고려한다. 컴퓨터 모의실험을 통해 주파수 영역 데이터를 모델 입력으로 사용하는 것이 시간 영역 데이터를 사용하는 것보다 변조 식별 성능이 우수함을 보이며, 본 논문에서 고려한 딥러닝 모델이 기존에 제안된 시퀀스 데이터 기반 레이더 변조 식별 딥러닝 모델보다 우수한 변조 식별 성능을 가짐을 확인한다. 또한, 딥러닝 모델별 변조 식별 성능을 비교하여 DenseNet201을 사용하는 경우에 가장 높은 변조 식별 성능을 보임을 입증한다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 시스템 모델 및 레이더 신호 변조 방식
Ⅲ. 딥러닝 모델
Ⅳ. 제안하는 시퀀스 데이터 기반 레이더 신호 변조 식별 기법
Ⅴ. 모의실험 및 성능 분석
Ⅵ. 결론
REFERENCES

참고문헌 (24)

참고문헌 신청

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0