지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 한동석.
- 발행연도
- 2018
- 저작권
- 경북대학교 논문은 저작권에 의해 보호받습니다.
이용수5
이 논문의 연구 히스토리 (3)
2018
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
음파 탐지기를 이용한 수중에서의 위협을 탐지하기 위한 연구가 활발히 진행되고 있다. 소나로부터 얻은 표적에 대한 방위, 거리에 대한 정보로 추적이 이루어진다. 그러나 수중 환경 특성상 해저 지형이나 클러터에 의한 오탐지 신호들이 많이 발생을 하기 때문에 원하는 표적 신호만을 선택하여 추적을 하는 것이 중요하다. 여러 탐지 신호들 중 하나를 선택하기 위하여 자료 연관 기법을 사용한다. 기존의 자료 연관 기법은 해상 환경에 따른 추적 성능의 차이가 크다. 이러한 문제점을 해결하기 위하여 본 논문에서는 인공 신경망을 활용한 표적 추적 기법을 제안한다.
제안하는 표적 추적 기법은 게이팅 단계 까지는 기존의 기법과 동일하다. 가장 먼저 첫 번째 핑의 모든 탐지 신호에 대해서 추적을 시작한다. 칼만 필터는 이전 상태의 표적 정보로 다음 상태를 예측하는 것이다. 그러나 가장 처음 핑은 이전 정보가 없으므로 탐지 신호가 예측값이 된다. 이후에 각 예측값에서 일정 범위 안의 탐지 신호만을 고려하기 위하여 게이팅을 수행한다. 이 때, 일정 범위 안에 존재하는 탐지 신호를 유효한 신호라고 하며 다음 상태로의 갱신에 사용된다.
다음은 유효한 신호들의 특징 인자를 인공 신경망의 입력으로 넣어준다. 이 때 출력으로는 각 유효한 신호가 표적일 확률과 클러터일 확률이 나오게 된다. 유효한 신호 중 표적일 확률이 가장 높은 신호를 다음 상태로 갱신을 한다.
제안하는 표적 추적 기법은 한국의 해상에서 실험한 데이터로 성능을 검증하였다. 또한 NNKF(nearest neighbor Kalman filter)와 PDAF(probabilistic data association filter)를 비교대상으로 사용했다. 원하는 표적을 추적하는 성능에서는 기존의 표적 추적 기법과 비슷한 성능을 보였으며, 원하지 않는 표적에 의해 생긴 오추적 경로의 수는 가장 적었다. 다양한 환경에서의 데이터가 학습만 되어 있다면 기존의 표적 추적 기법의 성능을 따라갈 수 있을 것이라 판단된다.
제안하는 표적 추적 기법은 게이팅 단계 까지는 기존의 기법과 동일하다. 가장 먼저 첫 번째 핑의 모든 탐지 신호에 대해서 추적을 시작한다. 칼만 필터는 이전 상태의 표적 정보로 다음 상태를 예측하는 것이다. 그러나 가장 처음 핑은 이전 정보가 없으므로 탐지 신호가 예측값이 된다. 이후에 각 예측값에서 일정 범위 안의 탐지 신호만을 고려하기 위하여 게이팅을 수행한다. 이 때, 일정 범위 안에 존재하는 탐지 신호를 유효한 신호라고 하며 다음 상태로의 갱신에 사용된다.
다음은 유효한 신호들의 특징 인자를 인공 신경망의 입력으로 넣어준다. 이 때 출력으로는 각 유효한 신호가 표적일 확률과 클러터일 확률이 나오게 된다. 유효한 신호 중 표적일 확률이 가장 높은 신호를 다음 상태로 갱신을 한다.
제안하는 표적 추적 기법은 한국의 해상에서 실험한 데이터로 성능을 검증하였다. 또한 NNKF(nearest neighbor Kalman filter)와 PDAF(probabilistic data association filter)를 비교대상으로 사용했다. 원하는 표적을 추적하는 성능에서는 기존의 표적 추적 기법과 비슷한 성능을 보였으며, 원하지 않는 표적에 의해 생긴 오추적 경로의 수는 가장 적었다. 다양한 환경에서의 데이터가 학습만 되어 있다면 기존의 표적 추적 기법의 성능을 따라갈 수 있을 것이라 판단된다.
목차
I. Introduction 1II. Background Knowledge 32.1 Kalman Filter for Target Tracking 32.2 Nearest Neighbor based Data Association 52.3 Probabilistic Data Association 72.4 Neural Network 11III. Proposed Target Tracking Algorithm using Neural Network 14IV. Experiments and Analysis 18V. Conclusion 40References 42
최근 본 자료
댓글(0)
0