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 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김기엽 (LIG Nex1) 윤용수 (LIG Nex1)
저널정보
한국통신학회 한국통신학회지(정보와통신) 한국통신학회지 (정보와통신) 제37권 제10호
발행연도
2020.9
수록면
39 - 46 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
군사용 목적으로 사용되는 능동 소나(SONAR, Sound Navigation and Ranging)는 수중 환경에서 음파를 활용하여 적군 잠수함 및 기뢰와 같은 수중 표적들을 탐지, 식별하는 장치이다. 수중 음향신호는 전파될 때 환경 조건 등의 요인에 영향을 받아 시간, 공간적으로 다양하게 변화하기 때문에, 수중 표적 탐지를 위한 다양한 기술이 적용되고 있다. 반면 신호처리 된 소나 탐지 정보를 통하여 최종적으로 표적을 식별할 때에는 표적DB와 이를 종합하여 판단할 수 있는 음탐사의 경험이 필요하며, 이 점이 수중 표적 식별을 어렵게 만든다.
본 논문에서는 능동 소나의 표적 식별 시 운용자의 경험에 의존하는 표적 식별 정확도를 향상시키고 운용자 의사결정을 지원하기 위한 효율적인 인공 신경망 구조를 연구하였다. 컨볼루션 신경망(Convolutional neural network, CNN), 다층 퍼셉트론(Multilayer Perceptron, MLP)을 기반으로 각각 계층 깊이를 조정한 3 가지 구조를 고안하여 학습 성능, 속도를 비교하였다. 비교 결과, CNN기반 인공신경망을 적용시켰을 때보다 MLP기반의 인공신경망을 적용시켰을 때 더 높은 성능을 보였으며 학습시간이 적게 소요되었다. 이는 주파수벡터로 구성된 능동 소나 반향음 데이터에 대해서는 CNN보다 MLP를 적용하는 것이 효율적일 수 있음을 보여준다.

목차

요약
I. 서론
II. 소나 수중 표적 탐지
III. 관련 연구
IV. 데이터셋
V. 인공 신경망 구조
VI. 구현
VII. 평가
VIII. 결론
참고문헌

참고문헌 (0)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0