| 1 |
1
다채널 레이더에서의 딥러닝 알고리즘을 이용한 타겟 드론의 고도각 실시간 추정 시스템에 의해 수행되는 타겟 드론의 고도각 실시간 추정 방법에 있어서, 송신부에서 선형 주파수 변조(Linear Frequency Modulation, LFM) 신호를 생성하고 RF(Radio Frequency) 증폭하여 출력하는 단계; 수신부에서 상기 송신부로부터 출력되는 송신 신호에 대응하여 탐지 영역에서 타겟에 반사되어 들어오는 신호를 복수개의 편파로 수신하는 단계; IQ 복조기에서 상기 수신부에서 수신된 신호와 상기 송신부의 믹싱(mixing)을 통해 추출된 비트(beat) 신호를 이용하여 기저대역의 I 신호 및 Q 신호를 추출하는 단계; 연산부에서 상기 I 신호 및 Q 신호에 대해 신호처리적으로 타겟 드론을 탐지하고 상기 타겟 드론의 고도 추정을 위한 식별부의 입력 데이터를 생성하는 단계; 및 식별부에서 학습된 딥러닝 기반 모델을 이용하여 상기 연산부에서 생성된 입력 데이터를 입력하여 상기 타겟 드론의 고도를 추정하는 단계를 포함하는, 타겟 드론의 고도각 실시간 추정 방법
|
| 2 |
2
제1항에 있어서,상기 복수개의 편파로 수신하는 단계는, 우선회 원편파 안테나, 수직 편파 안테나, 수평 편파 안테나 및 좌선회 원편파 안테나를 이용하여 네 가지의 편파에 대한 정보를 수집하는 것을 특징으로 하는, 타겟 드론의 고도각 실시간 추정 방법
|
| 3 |
3
제1항에 있어서, 상기 타겟 드론의 고도를 추정하는 단계는, 상기 복수개의 편파에 따라 다르게 생성되는 감지 대상의 고유 특징인 마이크로 도플러(micro-Doppler) 특성을 이용하여 상기 타겟 드론의 고도를 추정하는 것을 특징으로 하는, 타겟 드론의 고도각 실시간 추정 방법
|
| 4 |
4
제1항에 있어서, 상기 타겟 드론의 고도를 추정하는 단계는, 상기 타겟 드론의 각도에 따라 수집한 데이터를 STFT(Short Time Fourier Transform)을 이용하여 수집된 시간 축 데이터를 짧은 간격으로 푸리에 변환(Fourier Transform)시켜 주파수 축으로 나열하고 시간 축으로 축적시켜 생성한 2D 이미지를 획득하며, 상기 타겟 드론의 각도에 따라 다르게 생성되는 감지 대상의 고유 특징인 마이크로 도플러(micro-Doppler) 특성을 이용하여 상기 타겟 드론의 고도를 추정하는 것을 특징으로 하는, 타겟 드론의 고도각 실시간 추정 방법
|
| 5 |
5
제1항에 있어서,상기 딥러닝 기반 모델은, 1D 순차 데이터(sequential data) 식별에 강한 순환 신경망(Recurrent Neural Network, RNN)을 식별 모델로 사용하는 것을 특징으로 하는, 타겟 드론의 고도각 실시간 추정 방법
|
| 6 |
6
다채널 레이더에서의 딥러닝 알고리즘을 이용한 타겟 드론의 고도각 실시간 추정 시스템에 있어서, 선형 주파수 변조(Linear Frequency Modulation, LFM) 신호를 생성하고 RF(Radio Frequency) 증폭하여 출력하는 송신부; 상기 송신부로부터 출력되는 송신 신호에 대응하여 탐지 영역에서 타겟에 반사되어 들어오는 신호를 복수개의 편파로 수신하는 수신부; 상기 수신부에서 수신된 신호와 상기 송신부의 믹싱(mixing)을 통해 추출된 비트(beat) 신호를 이용하여 기저대역의 I 신호 및 Q 신호를 추출하는 IQ 복조기; 상기 I 신호 및 Q 신호에 대해 신호처리적으로 타겟 드론을 탐지하고 상기 타겟 드론의 고도 추정을 위한 식별부의 입력 데이터를 생성하는 연산부; 및 학습된 딥러닝 기반 모델을 이용하여 상기 연산부에서 생성된 입력 데이터를 입력하여 상기 타겟 드론의 고도를 추정하는 식별부를 포함하는, 타겟 드론의 고도각 실시간 추정 시스템
|
| 7 |
7
제6항에 있어서, 상기 수신부는, 우선회 원편파 안테나, 수직 편파 안테나, 수평 편파 안테나 및 좌선회 원편파 안테나를 이용하여 네 가지의 편파에 대한 정보를 수집하는 것을 특징으로 하는, 타겟 드론의 고도각 실시간 추정 시스템
|
| 8 |
8
제6항에 있어서, 상기 식별부는, 상기 복수개의 편파에 따라 다르게 생성되는 감지 대상의 고유 특징인 마이크로 도플러(micro-Doppler) 특성을 이용하여 상기 타겟 드론의 고도를 추정하는 것을 특징으로 하는, 타겟 드론의 고도각 실시간 추정 시스템
|
| 9 |
9
제6항에 있어서,상기 딥러닝 기반 모델은, 1D 순차 데이터(sequential data) 식별에 강한 순환 신경망(Recurrent Neural Network, RNN)을 식별 모델로 사용하는 것을 특징으로 하는, 타겟 드론의 고도각 실시간 추정 시스템
|
| 10 |
10
다채널 레이더에서의 딥러닝 알고리즘을 이용한 타겟 드론의 고도각 실시간 추정 시스템에 의해 수행되는 타겟 드론의 고도각 실시간 추정 방법에 있어서, 고도 및 편파 별로 다르게 생성되는 마이크로 도플러(micro-Doppler) 특징을 추출하는 딥러닝 기반 모델을 이용하여 학습을 통해 최적화된 파라미터를 선택하는 단계; 및 상기 파라미터가 설정된 상기 딥러닝 기반 모델을 이용함에 따라 타겟 드론에 대한 데이터를 입력하여 상기 타겟 드론의 고도를 실시간으로 추정하는 단계를 포함하는, 타겟 드론의 고도각 실시간 추정 방법
|
