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
- Kyung-Tae Kim
- 발행연도
- 2020
- 저작권
- 과학기술연합대학원대학교 논문은 저작권에 의해 보호받습니다.
이용수4
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
This paper proposes a new target classification algorithm based on bistatic radar cross section (RCS) in passive coherent location (PCL) radar network. First, we define the expected target scenario to construct the training set consisting bistatic RCS distribution of each target from PCL radar network which has multiple transmitters and a single receiver. Next, by measuring a test set consists of bistatic RCSs, we classify each target by utilizing the statistical hypothesis test algorithms such as Z-test, Wilcoxon-test and Sign-test. It has been found that the proposed framework exhibits good performance in terms of accuracy and computational efficiency, compared to the conventional method using time-varying RCS from a monostatic radar.
목차
ABSTRACT Ⅰ목차 Ⅱ그림 목차 Ⅳ표 목차 ⅤCHAPTER 1. 서론 1CHAPTER 2. 바이스태틱 RCS 추정 52.1. 바이스태틱 레이다 방정식 52.2. 다중 바이스태틱 구조에서 거리 추정 72.3. 입사각 및 반사각의 고각, 방위각 추정 8CHAPTER 3. 통계적 가설 검정 활용 표적 식별 기법 103.1. 시나리오 구성 103.2. 통계적 가설 검정 143.2.1. Z 검정…………...………………………………………………….. 143.2.2. Wilcoxon 검정……………..……………………………………….. 153.2.3. Sign 검정…………..……………………………………………….. 173.3. 표적 식별 수행 절차 183.3.1. 점수화 과정……………….....………………..……………………..193.3.1.1. Z검정을 활용한 점수화 과정…………….....…………..203.3.1.2. Wilcoxon검정을 활용한 점수화 과정…….....…………..213.3.1.3. Sign검정을 활용한 점수화 과정……………....………..223.3.2. 점수 합산 과정………….....………………..…………………….... 243.3.3. 표적 식별 과정………….....………………..…………………….... 24CHAPTER 4. 시뮬레이션 수행 결과 264.1. 시나리오 설정 환경 264.2. RCS 훈련 데이터 구성 294.3. 시뮬레이션 운용 환경 및 SNR 확인 314.4. 시뮬레이션 수행 및 표적 식별률 분석 결과 34CHAPTER 5. 결론 38참고문헌 40
최근 본 자료
댓글(0)
0