콘텐츠 본문
논문 국내 국내전문학술지(KCI급) OFDM 레이다를 위한 딥러닝 기반 표적의 거리 및 속도 추정 기법
- 학술지 구분 국내전문학술지(KCI급)
- 게재년월 2022-01
- 저자명 정의림공동(교신),최재웅
- 학술지명 한국정보통신학회논문지
- 발행처명 한국정보통신학회
- 발행국가 국내
- 논문언어 한국어
- 전체저자수 2
논문 초록 (Abstract)
고속의 멀티미디어 통신서비스 수요 증가에 따라 주파수 스펙트럼 자원이 부족하고 이에 따라 동적인 환경에서의 고속 서비 스 제공에 문제가 발생하고 있다. 따라서, 추가 주파수 자원 할당 없이 통신과 레이다 기능을 동시에 지원하는 OFDM(Orthogonal Frequency Division Multiplexing) Radar를 사용함으로써 주파수 자원을 절약할 수 있고, 동적인 환경에 서도 고속의 서비스 지원이 가능하다. 본 논문에서는 OFDM Radar 시스템과 CNN(Convolution Neural Network)을 사용하 여 레이다가 감지한 표적의 거리와 속도를 동시에 추정하는 모델을 제안한다. 표적이 1개인 경우(단일 물체)와 표적이 2개인 경우(다중 물체)의 성능을 비교하였다. 단일 이미지 입력일 때 SNR 2dB 기준, 단일 물체와 다중 물체의 거리 및 속도 추정 MAE(Mean Absolute Error) 차이는 각각 1.03m, 4.53km/h로 다중 물체 대비 단일 물체의 MAE 성능이 우수하다. 다중 이미 지 입력일 때 역시 모든 SNR 구간에서 단일 물체의 거리 및 속도 추정 MAE가 우수하다. 그 원인을 파악하기 위해 두 물체 간의 최소 간격을 조정해 실험한 결과, SNR(Signal-to-Noise Ratio) 2dB 기준 두 물체 사이의 최소 간격이 커질수록 거리 및 속도 추정 CNN의 성능이 개선됨을 확인하였다. 이는 두 물체의 최소 간격이 에러 발생 확률에 영향을
