• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 1999년도 하계종합학술대회 논문집
• /
• pp.683-686
• /
• 1999

In this paper, we develop an active sonar signal synthesis model to analyze the detection performance of active sonar systems in a shallow water environment. Using this model, we synthesize the return signal of a bistatic sonar system at a typical operating frequency. This signal can be used to test proper active sonar signal processing techniques for real applications.

• 한국해양공학회지
• /
• 제8권1호
• /
• pp.62-70
• /
• 1994

In order to estimate the detection range of a active SONAR system, the SONAR equation is commonly used. In this paper, an algorithm to calculate detection range in active SONAR system as function of SONAR depth and target depth is presented. For given SONAR parameters and environment, the transmission loss and background level are found, signal excess is computed. Using log-normal distribution, signal excess is converted to detection probability at each range. Then, the detection range is obtained by integrating the detection probability as function of range for each depth. The proposed algorithm have been applied to the case of omni-directional source with center frequency 30Hz for summer and winter sound profiles. It is found that the optimal search depth is the source depth since the detection range increase at source depth where the signal excess is maximized.

• 한국멀티미디어학회논문지
• /
• 제20권10호
• /
• pp.1637-1645
• /
• 2017

Target/Nontarget classification can be divided into the study of shape estimation of the target analysing reflected echo signal and of type classification of the target using acoustical features. In active sonar system, the feature vectors are extracted from the signal reflected from the target, and an classification algorithm is applied to determine whether the received signal is a target or not. However, received sonar signals can be distorted in the underwater environments, and the spatio-temporal characteristics of active sonar signals change according to the aspect of the target. In addition, it is very difficult to collect real sea-trial data for research. In this paper, target/non-target classification were performed using real sea-trial data. Feature vectors are extracted using MFCC(Mel-Frequency Cepstral Coefficients), filterbank energy in the Fourier spectrum and wavelet domain. For the performance verification, classification experiments were performed using backpropagation neural network classifiers.

• 전기전자학회논문지
• /
• 제22권4호
• /
• pp.1044-1049
• /
• 2018

CNN(Convolutional Neural Networks)은 동물의 시각정보처리과정을 모델링한 신경망으로 다양한 분야에서 좋은 성능을 보여주고 있다. 본 논문에서는 CNN을 사용하여 능동소나 신호의 스펙트로그램을 분석하고, 표적과 비표적을 식별하는 연구를 수행하였다. 데이터를 표적이 포함된 비율에 따라 8클래스로 구분하고, CNN의 학습에 사용하였다. 신호의 스펙트로그램을 프레임별로 나누어 입력으로 사용한 결과, 표적신호의 위치에서만 표적신호에 해당하는 7개 클래스의 식별 결과가 순차적으로 나타나는 특성을 사용하여 표적과 비표적을 식별해낼 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제18권1호
• /
• pp.9-16
• /
• 2015

Various approaches to process active sonar signals are under study, but there are many problems to be considered. The sonar signals are distorted by the underwater environment, and the spatio-temporal and spectral characteristics of active sonar signals change in accordance with the aspect of the target even though they come from the same one. And it has difficulties in collecting actual underwater data. In this paper, we synthesized active target echoes based on ray tracing algorithm using target model having 3-dimensional highlight distribution. Then, Fractional Fourier transform was applied to synthesized target echoes to extract feature vector. Recognition experiment was performed using probabilistic neural network classifier.

• 한국음향학회지
• /
• 제40권5호
• /
• pp.401-407
• /
• 2021

연속 송수신 소나 기술은 표적 탐지 시간간격이 짧아 표적을 탐지하고 추적하는 데 효과적인 기술이다. 연속 송수신 소나 시스템에 적합한 Generalized Sinusoidal Frequency Modulation(GSFM)펄스는 펄스 간 직교성을 유지하면서 높은 시간-주파수 곱을 얻을 수 있는 것으로 알려져 있다. 그러나 가속도를 갖는 표적이 존재할 경우 수신된 GSFM 펄스를 상관처리하는 적정한 시간 길이를 산출하는 방법에 대해서는 알려진 바가 없다. 본 논문에서는 GSFM 펄스를 사용하는 연속 송수신 소나 시스템에서 수신신호를 정합처리할 때 적합한 시간 길이를 상관도에 근거하여 산출하는 방법을 제안한다. 제안된 방법은 표적의 가속도에 따른 상관도를 계산하고 상관도에 따른 신호처리 길이를 산출한다. 부엽의 준위를 통해 제안된 방법으로 산출된 신호처리 길이를 적용할 경우 안정적인 탐지 성능을 얻을 수 있음을 보인다.

• 한국음향학회지
• /
• 제43권1호
• /
• pp.9-18
• /
• 2024

최근 수중표적의 저소음화와 해상교통량의 증가로 인한 주변 소음의 증가로 능동 소나 시스템의 중요성이 증대되고 있다. 하지만 신호의 다중 경로를 통한 전파, 다양한 클러터와 주변 소음 및 잔향 등으로 인한 반향신호의 낮은 신호대잡음비는 능동 소나를 통한 수중 표적 식별을 어렵게 만든다. 최근 수중 표적 식별 시스템의 성능을 향상 시키기 위해 머신러닝 혹은 딥러닝과 같은 데이터 기반의 방법을 적용시키려는 시도가 있지만, 소나 데이터셋의 특성 상 훈련에 충분한 데이터를 모으는 것이 어렵다. 부족한 능동 소나 데이터를 보완하기 위해 수학적 모델링에 기반한 방법이 주로 활용되어오고 있다. 그러나 수학적 모델링에 기반한 방법론은 복잡한 수중 현상을 정확하게 모의하는 데에는 한계가 있다. 따라서 본 논문에서는 심층 신경망 기반의 소나 신호 합성 기법을 제안한다. 제안하는 방법은 인공지능 모델을 소나 신호 합성 분야에 적용하기 위해, 음성 합성 분야에서 주로 사용되는 타코트론 모델의 주요 모듈인 주의도 기반의 인코더 및 디코더를 소나 신호에 적절하게 수정하였다. 실제 해상 환경에 모의 표적기를 배치해 수집한 데이터셋을 사용하여 제안하는 모델을 훈련시킴으로써 보다 실제 신호와 유사한 신호를 합성해낼 수 있게 된다. 제안된 방법의 성능을 검증하기 위해, 합성된 음파 신호의 스펙트럼을 직접 분석을 진행하여 비교하였으며, 이를 바탕으로 오디오 품질 인지적 평가(Perceptual Quality of Audio Quality, PEAQ)인지적 성능 검사를 실시하여 총 4개의 서로 다른 환경에서 생성된 반사 신호들에 대해 원본과 비교해 그 차이가 최소 -2.3이내의 높은 성적을 보여주었다. 이는 본 논문에서 제안한 방법으로 생성한 능동 소나 신호가 보다 실제 신호에 근사한다는 것을 입증한다.

• 한국해양공학회지
• /
• 제34권4호
• /
• pp.277-284
• /
• 2020

Underwater acoustics, which is the study of phenomena related to sound waves in water, has been applied mainly in research on the use of sound navigation and range (SONAR) systems for communication, target detection, investigation of marine resources and environments, and noise measurement and analysis. The main objective of underwater acoustic remote sensing is to obtain information on a target object indirectly by using acoustic data. Presently, various types of machine learning techniques are being widely used to extract information from acoustic data. The machine learning techniques typically used in underwater acoustics and their applications in passive SONAR systems were reviewed in the first two parts of this work (Yang et al., 2020a; Yang et al., 2020b). As a follow-up, this paper reviews machine learning applications in SONAR signal processing with a focus on active target detection and classification.

• 한국음향학회지
• /
• 제32권6호
• /
• pp.455-471
• /
• 2013

능동소나는 일반적으로 천해에서 존재하는 표적을 탐지하기 위해 사용된다. 신호가 송신되고 표적으로부터 반향되어 되돌아올 때, 표적 반향신호는 다중경로, 거친 해저면 또는 해수면에 의한 산란 그리고 음속구조에 의한 굴절과 같은 다양한 음파전달 특성에 의해 왜곡 되어 수신되며, 이는 표적 탐지를 어렵게 만든다. 그러므로 능동소나의 운용성능 체계에서 표적 신호 모의 시 음파전달 특성을 고려하는 것이 필요하다. 본 논문에서는 단상태 능동소나 시스템을 고려하였으며, 표적 반향, 잔향음 그리고 주변소음은 각각 시계열 함수로 모의되었다. 마지막으로 전체 수신 신호를 모의하기 위해 위 신호들을 합하였다. 표적의 특징(형태, 위치, 자세각 등)을 반영한 3차원 대표반향점 모델은 음원과 표적 사이에 각각의 다중경로를 고려하여 표적 반향 신호를 모의하였다. 본 논문의 결과는 표적 신호 모의 시 직접파만을 고려한 알고리즘의 결과와 비교하였다.

• 한국멀티미디어학회논문지
• /
• 제21권9호
• /
• pp.1062-1067
• /
• 2018

Conventional active sonar technology has relied heavily on the hearing of sonar operator, but recently, many techniques for automatic detection and classification have been studied. In this paper, we extract the image data from the spectrogram of the active sonar signal and classify the extracted data using CNN(convolutional neural networks), which has recently presented excellent performance improvement in the field of pattern recognition. First, we divided entire data set into eight classes depending on the ratio containing the target. Then, experiments were conducted to classify the eight classes data using proposed CNN structure, and the results were analyzed.