미세 도플러 영상을 이용한 심층학습 표적 분류 기법 성능 분석

Abstract

미세 도플러 (micro-Doppler) 변조는 각 개체의 구분 및 각각의 움직임에 대한 미세한 운동 상태를 나타내는 표적 특징으로서, 표적을 인식하고 분류하는 기술에 활용되고 있다. 미세 도플러 주파수는 물체의 회전과 진동 등의 기본적인 운동 특징에 의한 도플러 주파수의 변조 형태로 나타나며, 이를 이용하면 높은 표적 인식 정확도로표적을 추적하고 분류할 수 있다. 본 논문에서는 드론, 조류, 사람 표적에 따른 미세 운동 신호를 모델링하고, 미세 도플러 영상을 통해 시간-주파수 영역에서 분석하여 표적의 미세 도플러 특징을 확인한다. 그리고 서로 다른 미세 운동을 하는 표적을 분류하기 위해 미세 도플러 영상을 입력으로 하는 AlexNet, VGGNet16, GoogLeNet, ResNet34의 4가지 심층 신경망을 적용한다. 모의실험을 통해 각 표적의 레이더 실측 데이터 입력 세트에 따른 심층학습 알고리즘의 분류 성능을 분석한다. 모의실험 결과는 4가지 신경망 모두 87% 이상의 분류 정확도 성능을 가지며, ResNet34의 경우, 정확도, 정밀도, 재현도 3가지 척도에서 90% 이상의 성능으로 표적 분류 성능이 가장 우수함을 보인다.