| 1 |
1
전자파 신호를 이용하는 제1 센서를 통해 탐색 영역 내에 존재하는 타겟에 의해 반사된 제1 훈련 신호들을 수신하는 단계;상기 제1 센서와는 종류가 서로 다른 제2 센서를 통해 상기 탐색 영역 내에 존재하는 타겟에 의해 반사된 제2 훈련 신호들을 수신하는 단계;상기 수신된 제1 훈련 신호들 및 제2 훈련 신호들 각각에 대한 최대 신호, 평균 신호, 표준 편차 및 최대 피크 값을 이용하여 제1 특징 벡터 및 제2 특징 벡터를 추출하는 단계;검출하고자 하는 상기 타겟의 속성에 따라 상기 추출된 제1 특징 벡터 및 제2 특징 벡터에 서로 다른 가중치를 제공함으로써 훈련 세트를 생성하는 단계; 및상기 생성된 훈련 세트에 대해 기계학습을 수행함으로써 상기 타겟의 속성을 검출하기 위한 학습 모델을 결정하는 단계를 포함하고,상기 훈련 세트는,상기 검출하고자 하는 타겟의 속성이 존재 여부인 경우, 상기 제2 특징 벡터 보다 제1 특징 벡터에 높은 가중치를 제공하고, 상기 검출하고자 하는 타겟의 속성이 움직임 여부인 경우, 상기 제1 특징 벡터 보다 상기 제2 특징 벡터에 높은 가중치를 제공함으로써 생성되는 타겟 검출 방법
|
| 2 |
2
제1항에 있어서,상기 제1 훈련 신호들 및 제2 훈련 신호들을 수신하는 단계는,상기 수신된 제1 훈련 신호들 및 제2 훈련 신호들에 포함된 클러터 성분을 제거하는 단계; 및상기 클러터 성분이 제거된 제1 훈련 신호들 및 제2 훈련 신호들의 감쇄 성분을 보정하는 단계를 더 포함하는 타겟 검출 방법
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
제1항에 있어서,상기 학습 모델은,상기 타겟의 존재 여부 및 상기 타겟이 고정 타겟인지 또는 이동 타겟인지의 여부를 판단하기 위해 이용되는 타겟 검출 방법
|
| 7 |
7
제1항에 있어서,상기 학습 모델은,상기 생성된 훈련 세트를 서포터 벡터 머신(Support Vector Machine, SVM)을 이용하여 학습함으로써 결정되는 타겟 검출 방법
|
| 8 |
8
제1항에 있어서,상기 제1 센서는,초광대역통신(Ultra Wide Band, UWB)을 위한 훈련 신호를 송수신하는 타겟 검출 방법
|
| 9 |
9
학습 모델을 이용한 타겟 검출 방법에 있어서,전자파 신호를 이용하는 제1 센서를 통해 탐색 영역 내에 존재하는 타겟에 의해 반사된 제1 측정 신호들을 수신하는 단계;상기 제1 센서와는 종류가 서로 다른 제2 센서를 통해 상기 탐색 영역 내에 존재하는 타겟에 의해 반사된 제2 측정 신호들을 수신하는 단계;상기 수신된 제1 측정 신호들 및 제2 측정 신호들 각각에 대한 최대 신호, 평균 신호, 표준 편차 및 최대 피크 값을 이용하여 제1 특징 벡터 및 제2 특징 벡터를 추출하는 단계;상기 추출된 제1 특징 벡터 및 제2 특징 벡터를 이용하여 테스트 신호를 추출하는 단계; 및상기 추출된 테스트 신호를 상기 학습 모델에 적용함으로써 상기 탐색 영역 내에 존재하는 타겟을 검출하는 단계를 포함하고,상기 학습 모델은,검출하고자 하는 타겟의 속성이 존재 여부인 경우, 상기 제2 특징 벡터 보다 제1 특징 벡터에 높은 가중치를 제공하고, 상기 검출하고자 하는 타겟의 속성이 움직임 여부인 경우, 상기 제1 특징 벡터 보다 상기 제2 특징 벡터에 높은 가중치를 제공함으로써 생성된 훈련 세트를 이용하여 결정되는 타겟 검출 방법
|
| 10 |
10
제9항에 있어서,상기 제1 측정 신호들 및 제2 측정 신호들을 수신하는 단계는,상기 수신된 제1 측정 신호들 및 제2 측정 신호들에 포함된 클러터 성분을 제거하는 단계; 및상기 클러터 성분이 제거된 제1 측정 신호들 및 제2 측정 신호들의 감쇄 성분을 보정하는 단계를 더 포함하는 타겟 검출 방법
|
| 11 |
11
제9항에 있어서,상기 검출하는 단계는,상기 학습 모델을 이용하여 상기 추출된 테스트 신호로부터 상기 타겟의 존재 여부 및 움직임 여부를 판단하는 타겟 검출 방법
|
| 12 |
12
제9항에 있어서,상기 테스트 신호로부터 상기 타겟의 심박 및 호흡을 측정하는 단계를 더 포함하는 타겟 검출 방법
|
| 13 |
13
제9항에 있어서,상기 학습 모델은,상기 제1 센서 및 제2 센서를 통해 수신된 훈련 신호에 대응하여 생성된 훈련 세트를 서포터 벡터 머신(Support Vector Machine, SVM)을 이용하여 학습함으로써 결정되는 타겟 검출 방법
|
| 14 |
14
제9항에 있어서,상기 제1 센서는,초광대역통신(Ultra Wide Band, UWB)을 위한 측정 신호를 송수신하는 타겟 검출 방법
|
| 15 |
15
제1항 내지 제2항 및 제6항 내지 제14항 중에서 어느 하나의 항의 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체
|
| 16 |
16
전자파 신호를 이용하여 탐색 영역에 존재하는 타겟을 검출하기 위한 제1 센서;상기 제1 센서와는 종류가 서로 다른 제2 센서; 및상기 제1 센서 및 제2 센서를 통해 수신된 측정 신호들을 이용하여 상기 타겟을 검출하기 위한 프로세서를 포함하고,상기 프로세서는,전자파 신호를 이용하는 제1 센서를 통해 탐색 영역 내에 존재하는 타겟에 의해 반사된 제1 측정 신호들을 수신하고, 상기 제1 센서와는 종류가 서로 다른 제2 센서를 통해 상기 탐색 영역 내에 존재하는 타겟에 의해 반사된 제2 측정 신호들을 수신하며, 상기 수신된 제1 측정 신호들 및 제2 측정 신호들 각각에 대한 최대 신호, 평균 신호, 표준 편차 및 최대 피크 값을 이용하여 제1 특징 벡터 및 제2 특징 벡터를 추출하고, 상기 추출된 제1 특징 벡터 및 제2 특징 벡터를 이용하여 테스트 신호를 추출하며, 상기 추출된 테스트 신호를 학습 모델에 적용함으로써 상기 탐색 영역 내에 존재하는 타겟을 검출하고, 상기 학습 모델은,검출하고자 하는 타겟의 속성이 존재 여부인 경우, 상기 제2 특징 벡터 보다 제1 특징 벡터에 높은 가중치를 제공하고, 상기 검출하고자 하는 타겟의 속성이 움직임 여부인 경우, 상기 제1 특징 벡터 보다 상기 제2 특징 벡터에 높은 가중치를 제공함으로써 생성된 훈련 세트를 이용하여 결정되는 타겟 검출 장치
|
| 17 |
17
제16항에 있어서,상기 학습 모델은,상기 제1 센서 및 제2 센서를 통해 수신된 훈련 신호에 대응하여 생성된 훈련 세트를 서포터 벡터 머신(Support Vector Machine, SVM)을 이용하여 학습함으로써 결정되는 타겟 검출 장치
|
| 18 |
18
제16항에 있어서,상기 프로세서는,상기 학습 모델을 이용하여 상기 추출된 테스트 신호로부터 상기 타겟의 존재 여부 및 움직임 여부를 판단하는 타겟 검출 장치
|
| 19 |
19
제16항에 있어서,상기 프로세서는,상기 하나의 테스트 신호로부터 상기 타겟의 심박 및 호흡을 측정하는 타겟 검출 장치
|
| 20 |
20
제16항에 있어서,상기 제1 센서는,초광대역통신(Ultra Wide Band, UWB)을 위한 측정 신호를 송수신하는 타겟 검출 장치
|
