레이다 신호를 이용한 딥 러닝 기반의 물체 검출에 관한 연구

Abstract

최근 4차 산업혁명 시대에 진입함에 따라 레이다 분야에서는 효율적으로 사용하기 위해 자율주행, 인공위성 등 다양한 분야에 관련된 연구가 진행되어 왔다. 딥 러닝을 활용하여 레이다 표적 탐지에서의 주요 문제점들, 특히 고해상도 처리, 클러터 억제 및 재밍 전파 방지를 해결하기 위한 다양한 연구가 진행되고 있다. 본 논문에서는 레이다 표적 탐지를 위한 주요 문제점 중 하나인 클러터 억제하기 위한 딥 러닝 기반의 레이다 표적 식별을 진행하였다. 입력 데이터로 데이터 세트을 활용하였으며, I/Q(Inphase/Quadrautre), FFT(Fast Fourier Transform), Amplitude/Phase, velocity 등 형태를 활용하여 적용하였다. 딥 러닝 모델은 ResNet-18 기반 CNN 모델을 설계하였으며, 레이다 신호의 클러터 제거 방법에 따른 레이다 분류 성능을 비교하였다. 추가적으로, 딥 러닝 모델은 CNN(Convolutional Neural Network)와 auto-encoder 기반의 U-Net, Res-Net과 auto-encoder 기반의 Res-UNet 등을 활용하여 모델을 설계하였으며, 레이다 데이터에 따른 주요 parameter를 고려하여, 레이다 신호에 따른 분류 성능을 비교하였다.