딥러닝을 이용한 DEMON 그램 주파수선 추출 기법 연구
- Title
- 딥러닝을 이용한 DEMON 그램 주파수선 추출 기법 연구
- Other Titles
- A study on DEMONgram frequency line extraction method using deep learning
- Author
- 최지웅
- Keywords
- 딥러닝; 의미론적 분할; Detection of Envelope Modulation on Noise (DEMON); DEMON 그램; 주파수선 추출; Deep learning; Semantic segmentation; DEMONgram; Frequency line extraction
- Issue Date
- 2024-01-31
- Publisher
- 한국음향학회
- Citation
- 한국음향학회지(The Journal of the Acoustical Society of Korea), v. 43, no 1, page. 78-88
- Abstract
- 수중 소음 측정이 가능한 수동 소나에 수신된 선박 방사소음은 Detection of Envelope Modulation on Noise(DEMON) 분석으로 얻은 선박 정보를 사용하여 선박 식별과 분류가 가능하다. 하지만 낮은 신호대잡음비(Signal-to-Noise Ratio, SNR) 환경에서는 DEMON 그램 내 선박 정보가 담겨있는 표적 주파수선을 분석 및 파악하는데 어려움이 발생한다. 본 논문에서는 낮은 SNR 환경에서 보다 정확한 표적 식별을 위해 딥러닝 기법 중 의미론적 분할을 사용하여 표적 주파수선들을 추출하는 연구를 수행하였다. SNR과 기본 주파수를 변경시키며 생성한 모의 DEMON 그램 데이터를 사용하여 의미론적 분할 모델인 U-Net, UNet++, DeepLabv3+를 학습 후 평가하였고, 학습된 모델들을 이용하여 캐나다 조지아 해협에서 측정한 선박 방사소음 데이터셋인 DeepShip으로 제작한 DEMON 그램 예측 성능을 비교하였다. 모의 DEMON 그램으로 학습된 모델을 평가한 결과 U-Net이 성능이 가장 높았으며, DeepShip으로 만든 DEMON 그램의 표적 주파수선을 어느 정도 추출할 수 있는 것을 확인하였다.
Ship-radiated noise received by passive sonar that can measure underwater noise can be identified and classified ship using Detection of Envelope Modulation on Noise (DEMON) analysis. However, in a low Signal-to-Noise Ratio (SNR) environment, it is difficult to analyze and identify the target frequency line containing ship information in the DEMONgram. In this paper, we conducted a study to extract target frequency lines using semantic segmentation among deep learning techniques for more accurate target identification in a low SNR environment. The semantic segmentation models U-Net, UNet++, and DeepLabv3+ were trained and evaluated using simulated DEMONgram data generated by changing SNR and fundamental frequency, and the DEMONgram prediction performance of DeepShip, a dataset of ship-radiated noise recordings on the strait of Georgia in Canada, was compared using the trained models. As a result of evaluating the trained model with the simulated DEMONgram, it was confirmed that U-Net had the highest performance and that it was possible to extract the target frequency line of the DEMONgram made by DeepShip to some extent.
- URI
- https://koreascience.or.kr/article/JAKO202408737581185.pagehttps://repository.hanyang.ac.kr/handle/20.500.11754/191312
- ISSN
- 2287-3775; 1225-4428
- DOI
- https://doi.org/10.7776/ASK.2024.43.1.078
- Appears in Collections:
- COLLEGE OF SCIENCE AND CONVERGENCE TECHNOLOGY[E](과학기술융합대학) > MARINE SCIENCE AND CONVERGENCE ENGINEERING(해양융합공학과) > Articles
- Files in This Item:
There are no files associated with this item.
- Export
- RIS (EndNote)
- XLS (Excel)
- XML