레이더 표적에 관한 최적의 산란점 추출 및 식별

Abstract

본 논문에서는 레이더 표적 식별에서 식별 성능에 가장 큰 영향을 주는 특징점 추출 단계에 사용되는 데이터로 표적의 산란점 (Scattering Center) 정보를 사용하는 것을 제안하였으며, 공대공 탐지와 같은 제한된 측정 데이터만 얻을 수 있는 환경에서도 원본 데이터와 유사하게 복원할 수 있는 압축 센싱 (CS : Compressive Sensing)과 설계 변수가 많은 문제를 잘 해결할 수 있는 고차원 최적화 (High-dimensional Optimization) 알고리즘을 사용하여 기존의 산란점 추출 기법보다 더 정확하며 연산 속도의 저하를 줄일 수 있는 산란점 추출 알고리즘을 제안하였다. 이에 대한 검증을 위해 수치해석적 방법을 통해 얻어진 원시 데이터에 대한 식별 성능을 확인하였으며, 실제 측정 실험을 통해 검증을 수행하였다. 먼저 표적 식별에 사용되는 레이더 수신 신호를 획득하는 과정과 모델링에 대해 설명하였으며, 다음으로 본 논문에서 제시하는 최적의 산란점 추출 알고리즘의 기반이 되는 CS 알고리즘과 고차원 최적화 알고리즘에 대한 구체적인 원리를 설명하였다. 기존의 CS 알고리즘 중 하나인 orthogonal matching pursuit (OMP) 알고리즘에서 연산 속도를 향상시킨 새로운 OMP 알고리즘을 제시하고 간단한 산란점 추출 문제에 적용하여 기존의 OMP보다 81.2%의 연산 시간을 줄이면서 동일한 산란점 정보를 추출하는 것을 확인하였다. 다음으로 본 논문에서 해결하려는 산람점 추출과 같이 설계 변수가 많은 고차원 최적화 문제의 경우에 강점을 보이는 혼합 유전 알고리즘 (Hybrid Genetic Algorithm)을 제시하였다. 나선형 교차 방식을 선택하여 고차원 문제를 잘 풀 수 있도록 하였으며, 최적 해를 잘 찾으며 수렴 속도를 증가시키기 위해 해 집단을 여러 그룹으로 나누어 각 그룹 별로 다른 교차 방식을 수행하였다. 그에 대한 검증을 위해 여러 시험 함수와 산란점 추출 문제에 적용하였으며 기존의 최적화 알고리즘과의 비교를 수행하여 제안한 알고리즘이 고차원 문제를 해결하는데 가장 뛰어남을 보였다. 최적의 산란점을 추출하기 위해 앞서 제시한 향상된 OMP 알고리즘과 혼합 유전 알고리즘을 결합하였다. 먼저 레이더 수신 신호에 향상된 OMP 알고리즘을 적용하여 산란점을 추출하였다. 추출된 산란점 정보를 초기값으로 하여 혼합 유전 알고리즘을 적용하여 보다 정확한 산란점 정보를 추출하였으며, 혼합 유전 알고리즘의 단점인 연산 시간의 증가를 64.87% 줄일 수 있었다. 획득한 산란점 정보를 이용하여 표적 식별을 수행하였는데, 식별기로 최적화가 가능한 서포트 벡터 머신 (SVM : Support Vector Machine)을 이용하였다. 검증을 위해 시뮬레이션 데이터와 실제 측정 데이터에 앞서 제시한 최적의 산란점 추출 기법을 적용하고, 최적화된 SVM을 이용한 식별 성능을 확인해 보았다. 그 결과, 3개의 관측 방위각과 같이 적은 측정 데이터에도 높은 식별 성공률을 보임을 확인할 수 있었으며, SNR 20dB의 잡음 환경에서도 성공적으로 식별됨을 확인하였다. 식별 수행에서 획득할 수 있는 표적의 관측각은 제한적이며, 획득한 산란점 정보의 정확성도 떨어지게 되는데, 이러한 제한적인 상황에서 본 논문에서 제시하는 알고리즘을 적용하면 보다 정확하게 표적을 식별하는데 도움이 될 것으로 보인다.

In this paper, it is proposed to use the scattering center information of the target as a feature used in the feature extraction step that has the greatest influence on the identification performance in radar target identification. A technique combining a compressive sensing (CS) that can reconstruct data similar to the original data in case of limited measurement like air to air detection, and a high-dimensional optimization algorithm is proposed. This technique is more accurate than the conventional scattering center extraction method and can reduce a decrease in computation speed. To verify this technique, the identification using a raw data obtained through the numerical analysis method was performed. And verification was also conducted through actual measurement experiment. First, the acquisition process and modeling of the received radar signal used for target identification was explained, and then the specific principles of the CS algorithm and the high-dimensional optimization algorithm that are the basis of the optimal scattering center extraction algorithm presented in this paper were described. A CS algorithm with improved computational speed, which is modified from the orthogonal matching pursuit (OMP) algorithm, which is one of the conventional CS algorithms, is presented and verified by applying it to a simple scattering center extraction problem. It was confirmed that the same scattering center information was extracted while reducing the computational time of 81.2% than the conventional OMP. Next, in this paper, we proposed a hybrid genetic algorithm that shows strength in solving high-dimensional optimization problems with many design variables, such as extraction of scattering center. Spiral crossover was selected to solve high-dimensional problems well, and in order to find an optimal solution and to increase the convergence speed, solution groups were divided into several groups, and different crossover methods were performed for each group. To verify the algorithm, it was applied to several test functions and scattering center extraction problem and compared with the conventional optimization algorithm. In order to extract the optimal scattering point, the improved OMP algorithm and the hybrid genetic algorithm presented above were combined. First, scattering centers were extracted by applying an improved OMP algorithm to the received radar signal. More accurate scattering center information was extracted by applying the hybrid genetic algorithm using the extracted scattering center as an initial value. As a result, the increase in computational time, which is a disadvantage of the hybrid genetic algorithm, was reduced by 64.87%. Target identification was performed using the obtained scattering center information. As an identifier, a support vector machine (SVM) capable of optimization was used. For verification, the optimal scattering center extraction technique is applied to the simulation data and actual measurement data, and identification is performed with the SVM identifier. As a result, it was confirmed that it showed a high identification success rate even with small measurement data such as three observation azimuth angles, and it was confirmed that it was successfully identified even in a noise environment of SNR 20 dB. The observation angle of the target that can be obtained in the identification performance is limited, and the accuracy of the acquired scattering center information is also reduced. In this limited situation, applying proposed algorithm will help to more accurately identify the target.