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.
피인용 0
초록·키워드
해면 클러터의 도플러 대역 내에 은닉하여 접근하는 소형 무인수상정은 반사 신호가 강한 클러터 성분과 중첩됨에 따라 신호 대 클러터 비가 급격히 저하되어, 전통적인 기법으로 표적의 조기 탐지가 매우 제한된다. 복소수 신경망(CV-NN, complex-valued neural network) 및 생성적 적대 신경망(GAN, generative adversarial network) 기반의 기존 기법들은 수신 신호로부터 표적을 직접 예측하는 구조로 인해, 표적 반사 신호와 해면 클러터가 거리-도플러(RD, range-Doppler) 영역에서 분리되지 않는 환경에서 학습이 불안정하고 희소 표적이 함께 제거되는 표적 억제 현상이 발생한다. 본 논문에서는 이를 극복하기 위해 클러터 예측(CP, clutter-predictive) GAN을 제안한다. CP-GAN은 RD 맵의 실수부와 허수부를 2채널로 연결한 실수 합성곱 신경망으로 점유 밀도가 높은 해면 클러터를 직접 예측하고, 이를 입력 신호에서 채널별로 상쇄하여 표적 반사 신호를 복원한다. 복합 K-분포 기반 합성 RD 데이터를 이용한 해상 상태(SS, sea state)별 평가에서 제안 기법은 평균 탐지확률 0.869를 달성하였으며, 기존 기법 대비 절반의 파라미터 수와 1/4 수준의 연산량으로 약 5.7배 빠른 추론 속도를 보였다.
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
