인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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
