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
서보석 (충북대학교) 전중남 (충북대학교) 주영관 (충북대학교) 심홍석 (한화시스템) 강희석 (한화시스템)
저널정보
한국전자파학회 한국전자파학회논문지 한국전자파학회논문지 제33권 제1호(통권 제296호)
발행연도
2022.1
수록면
76 - 82 (7page)

이용수

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

초록· 키워드

오류제보하기
이 논문에서는 펄스 레이다 신호의 특성을 나타내는 무선주파수와 펄스 반복 간격이 시간에 따라 긴 주기를 가지고 변하는 경우, CNN-LSTM(convolutional neural network-long short-term memory) 기계학습을 적용하여 속성을 분류하는 방법을 제시한다. CNN은 데이터의 특징(features)을 추출하는 기능이 있고, LSTM은 순서열 데이터의 상관관계가 클 때 좋은 분류 특성을 나타낸다. 그러나 LSTM은 입력 데이터의 길이가 길 때 오히려 성능이 저하하는 문제점을 가지고 있다. 제안 방법에서는 CNN을 적용하여 긴 주기 데이터로부터 압축된 특징을 추출함으로써 LSTM에 입력되는 데이터의 길이를 축소하였다. 모의실험 결과, 제안 방법은 전체적으로 182,516개의 레이다 신호 속성 조합에 대해 데이터 누락률이 10 %일 때 95 % 이상의 식별률을 나타내었다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 펄스 레이다 신호의 속성 정의
Ⅲ. 분류기 구조
Ⅳ. 모의실험 결과
Ⅴ. 결론
REFERENCES

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