본 논문에서는 광대역 레이다 측정 신호를 이용하여 5기종의 스케일 모델에 대해 표적 구분 실험을 수행하였다. 대역폭의 크기에 따른 표적 구분 성능을 비교하기 위해 2 GHz(2~4 GHz), 4 GHz(2~6 GHz), 그리고 6 GHz(2~8 GHz)의 대역폭을 이용하였고, 시간-주파수 영역 해석법인 STFT와 CWT를 이용하여 각 표적에 대한 특성벡터를 추출하였다. 여기서 추출된 특성 벡터들은 multi-layerd perceptron(MLP) 신경망 구분기의 입력으로 사용되어 표적 구분 성능을 비교한 결과, 사용하는 주파수 대역폭이 넓을수록 표적 구분 성능이 향상되는 것을 확인할 수 있었다.
In this paper, we performed radar target classification for the five scale models using ultra-wideband measured signal. In order to compare the performance, the 2 GHz(2~4 GHz), 4 GHz(2~6 GHz), and 6 GHz(2~8 GHz) bandwidth were used. Short time Fourier transform(STFT) and continuous wavelet transform(CWT) are used for target feature extraction. Extracted feature vectors are used as input for the multi-layerd perceptron(MLP) neural network classifier. The results show that as the bandwidth is wider, the performance is better.
