인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
본 연구는 저피탐(Low Probability of Intercept, LPI) 레이다 신호의 실시간 분석을 위해 최신 딥러닝 분류 모델에 적합한 시간 주파수 표현 기법의 적용 방안을 탐색한다. 최근의 연구에 따르면, CWD(Choi-Williams Distribution)는 STFT(Short-Time Fourier Transform)에 비해 더 정확한 시간 주파수 이미지를 생성하여 우수한 분류 성능을 제공한다. 그러나 CWD는 계산 복잡도가 높아 실시간 레이다 시스템에 적용하기에는 한계가 있다. 본 연구는 이를 극복하기 위해 계산 효율이 높은 STFT 기반의 접근 방식을 채택하고, ResNet 및 Vision Transformer와 같은 최신 딥러닝 모델에 적합하도록 구조와 파라미터를 최적화하여, CWD에 필적하는 성능을 달성할 수 있는 가능성을 탐색하였다. 먼저 두 기법 간의 이론적 계산 복잡도를 분석하고, 이를 바탕으로 시뮬레이션을 통해 분류 성능을 평가하였다. 그 결과, 기존 CNN 기반 모델에서는 CWD가 우수한 성능을 보였지만, ResNet과 Vision Transformer와 같은 최신 모델에서는 특히 낮은 신호 대 잡음비(SNR) 조건에서 오히려 STFT가 더 뛰어난 성능을 제공함을 확인하였다. 본 연구는 효율성이 뛰어난 STFT 기반 기법이 실시간 LPI 레이다 신호 처리에 적용될 경우, 성능과 효율성을 동시에 향상시킬 수 있음을 제안한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-094002355
