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

주제분류

사회과학
경영학 경제학 관광학 교육학 군사학 무역학 문헌정보학 법학 사회과학일반 사회복지학 사회학 신문방송학 심리과학 정치외교학 지리/지역개발학 지역학 행정학
공학
건축공학 공학일반 기계공학 산업공학 자원/재료공학 전자/제어계측공학 전자/정보통신공학 조선/해양공학 컴퓨터학 토목/환경공학 항공우주공학 화학/생물공학
자연과학
물리학 생물학 생활과학 수학/통계학 자연과학일반 전문/지구과학
의약학
간호학 수의학 약학 의학 의학일반 치의학 한의학
인문학
독일어문학 러시아어문학 문학 언어학 역사학 영어문학 인문학일반 일본어문학 종교학/신학 중국어문학 철학 프랑스어문학 한국어문학
예술체육학
건축 디자인 무용 미술 미용 사진 연극 영화 예술체육학일반 음악 의상 체육
농수해양학
농수해양학일반 농학 수산학 식품과학 임학 축산학 해상운송학
복합학
과학기술학/기술정책 뇌/인지과학 여성학 학제간연구

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.
고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
0
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

이 논문의 연구 히스토리 (3)

2022

미세 도플러 영상을 이용한 메타 학습 기반의 표적 분류 성능 분석
김지현 ,  권순영 ,  김형남 한국통신학회 학술대회논문집 2022.11 학술대회자료

2021

미세 도플러 영상을 이용한 심층학습 표적 분류 기법 성능 분석
김지현 ,  박도현 ,  김형남 한국통신학회논문지 2021.03 학술저널
미세 도플러 영상을 이용한 ResNet 기반의 표적 분류 성능 분석
김지현 ,  박도현 ,  김형남 한국통신학회 학술대회논문집 2021.02 학술대회자료

초록·키워드

오류제보하기
미세 도플러 (micro-Doppler) 변조는 각 개체의 구분 및 각각의 움직임에 대한 미세한 운동 상태를 나타내는 표적 특징으로서, 표적을 인식하고 분류하는 기술에 활용되고 있다. 미세 도플러 주파수는 물체의 회전과 진동 등의 기본적인 운동 특징에 의한 도플러 주파수의 변조 형태로 나타나며, 이를 이용하면 높은 표적 인식 정확도로표적을 추적하고 분류할 수 있다. 본 논문에서는 드론, 조류, 사람 표적에 따른 미세 운동 신호를 모델링하고, 미세 도플러 영상을 통해 시간-주파수 영역에서 분석하여 표적의 미세 도플러 특징을 확인한다. 그리고 서로 다른 미세 운동을 하는 표적을 분류하기 위해 미세 도플러 영상을 입력으로 하는 AlexNet, VGGNet16, GoogLeNet, ResNet34의 4가지 심층 신경망을 적용한다. 모의실험을 통해 각 표적의 레이더 실측 데이터 입력 세트에 따른 심층학습 알고리즘의 분류 성능을 분석한다. 모의실험 결과는 4가지 신경망 모두 87% 이상의 분류 정확도 성능을 가지며, ResNet34의 경우, 정확도, 정밀도, 재현도 3가지 척도에서 90% 이상의 성능으로 표적 분류 성능이 가장 우수함을 보인다.

Micro-Doppler modulation is a target signature that represents micro-motion state for each individual movement, it is used in the technology of recognizing and classifying targets. The micro-Doppler frequency appears in the form of transition of the Doppler frequency by basic movement characteristics such as rotation and vibration of an object, and thus it can make it possible to track a target and classify it with high recognition accuracy. In this paper, we model micro-motion signals of a drone, a bird, and human targets, and analyze them in the time-frequency domain through micro-Doppler images to confirm the micro-Doppler images to confirm the micro-Doppler characteristics of the target. To classify targets performing micro-movement, we apply four deep neural networks, such as AlexNet, VGGNet16, GoogLeNet, and ResNet34, to micro-Doppler images input. Through simulation, we analyze the classification performance of deep learning algorithms according to the radar measurement data input set of each target. Simulation results show that all four neural networks have more than 87% classification accuracy performance, and in the case of ResNet34, target classification performance is the best with more than 90% performance on three scales of accuracy, precision and recall.
#Micro-Doppler #characteristic vector #target classification #target detection #deep learning algorithm

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 신호 모델링 및 미세 도플러 특성
Ⅲ. 심층학습 신경망 모델
Ⅳ. 모의실험 결과
Ⅴ. 결론
References

참고문헌 (18)

참고문헌 신청
G.-H. Park, D.-G. Kim, H.-J. Kim, J.-O. Park, W.-J. Lee, J. H. Ko, and H.-N. Kim, “Performance analysis of interference cancelation algorithms for an FM Based PCL system,” J. KICS, vol. 42, no. 4, pp. 819-830, Apr. 2017. google schola S. Choi, D. Crouse, P. Willett, and S. Zhou, “Multistatic target tracking for passive radar in a DAB/DVB network: Initiation,” IEEE Trans. Aerospace and Electron. Syst., vol. 51, no. 3, pp. 2460-2469, Jul. 2015. google schola F. Colone, T. Martelli, C. Bongioanni, D. Pastina, and P. Lombardo, “Wifi-based PCL for monitoring private airfields,” IEEE Trans. Aerospace and Electron. Syst., vol. 32, no. 2, pp. 22-29, Feb. 2017. google schola H. Ma, M. Antoniou, D. Pastina, F. Santi, F. Pieralice, M. Bucciarelli, and M. Cherniakov, “Maritime moving target indication using GNSS-Based bistatic radar,” IEEE Trans. Aerospace and Electron. Syst., vol. 54, no. 1, pp. 115-130, Feb. 2018. google schola V. Chen, “The Micro-Doppler Effect in Radar ,” Artech House, Norwood, MA, 2011. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

자동차 주행환경에서 보행자 분류를 위한 딥러닝 모델의 전이학습 및 성능비교
변영현 ,  곽근창 한국정보기술학회논문지 2018.10
Drone movement classification based on deep learning using micro-Doppler signature images
Dong-Yeob Lee ,  Jae-In Lee ,  Dong-Wook Seo Journal of Advanced Marine Engineering and Technology (JAMET) 2021.08
Deep Learning for Object Detection Using Micro-Doppler Signatures in Autonomous Vehicles
Godwin B ,  own Tunze ,  Jae-Min Lee 외 1명 한국통신학회 학술대회논문집 2021.02
딥러닝을 활용한 다발성 골절 분류
이상현 ,  한찬식 ,  최승명 외 1명 한국지능시스템학회 논문지 2019.08
사람 걸음 탐지 및 배경잡음 분류 처리를 위한 도플러 레이다용 딥뉴럴네트워크
권지훈 ,  하성재 ,  곽노준 한국전자파학회논문지 2018.07

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-567-001580078