딥러닝과 동적필터를 활용한 수중표적 방위각 측정치 추적 기법 연구

Abstract

수중표적을 탐지하고 추적하기 위해서 시간에 따른 표적 신호의 방위를 기록하는 BTR(Bearing Time Records) 다이어그램을 활용한다. 하지만 수중에는 표적 외에도 다양한 클러터(Clutter)가 존재하여, 낮은 신호 대 잡음비(Signal to Noise Ratio, SNR) 환경에서 BTR 측정치를 추출하는데 어려움이 있다. BTR 측정치 정보를 획득하기 위한 기법으로 딥러닝과 동적필터를 활용하는 기법이 있다. 첫 번째는 의미론적 분할(Semantic Segmentation) 기법을 활용하여 방위선을 추출하는 기법으로 낮은 SNR 환경에서도 측정치 정보를 추출할 수 있지만, 궤적이 끊어지는 경우가 발생하고 트랙으로 관리되지 않는다. 두 번째는 동적필터를 활용하는 기법으로 측정치를 실시간으로 추적하고 트랙으로 관리할 수 있지만, 낮은 SNR 환경에서는 추적성능이 저하된다. 본 논문에서는 위의 제한사항을 보완하기 위해 딥러닝 모델을 활용하여 BTR 이미지의 방위선 궤적을 추출한 후 동적필터를 활용하여 추출된 방위선 궤적을 추적하는 기법을 제안하였다. 딥러닝 모델은 U-Net을, 동적필터는 IPSNF-m(Integrated Probabilistic Strongest Neighbor Filter with m validated measurements) 알고리즘을 사용하였으며, 제안된 기법의 성능을 확인하기 위하여 IPSNF-m 만을 활용한 BTR 측정치 추적 기법과 비교하였다. 두 기법 모두 높은 SNR 환경에서는 좋은 추적성능을 보인다. IPSNF-m 추적 기법의 경우 SNR 1 ∼ 3dB에서 추적성능 크게 저하되었지만, 제안된 기법은 동일한 조건에서도 추적성능이 양호하다. 또한 RMSE(Root Mean Square Error)를 비교한 결과 전체 SNR에서 제안된 기법의 RMSE 지표가 IPSNF-m 추적 기법보다 낮게 나왔다. 이를 통해 제안된 기법의 추적성능이 기존 IPSNF-m 추적 기법보다 향상되었음을 확인하였다.