[논문 리뷰] Cognitive Dynamic Systems: A Technical Review of Cognitive Radar

Krishanth Krishnan, Taralyn Schwering외 1명|arXiv (Cornell University)|2016. 05. 26.

Radar Systems and Signal Processing참고 문헌 9인용 수 3

한 줄 요약

이 논문은 인지 기능과 인지 레이더 시스템을 인지 기능과 Perception-Action Cycle (PAC)에 기반하여 제안하며, 적응형 추적을 위해 베이지안 필터링, 동적 프로그래밍, 상태공간 모델링을 통합한다. 시뮬레이션 결과, 루트 평균 제곱 오차(RMSE)에서 쿠바처 칼만 필터(CKF)가 UKF와 EKF를 모두 능가하며, EKF는 자코비안 행렬 계산으로 인해 가장 높은 계산 부하를 보였다.

ABSTRACT

We start with the history of cognitive radar, where origins of the PAC, Fuster research on cognition and principals of cognition are provided. Fuster describes five cognitive functions: perception, memory, attention, language, and intelligence. We describe the Perception-Action Cyclec as it applies to cognitive radar, and then discuss long-term memory, memory storage, memory retrieval and working memory. A comparison between memory in human cognition and cognitive radar is given as well. Attention is another function described by Fuster, and we have given the comparison of attention in human cognition and cognitive radar. We talk about the four functional blocks from the PAC: Bayesian filter, feedback information, dynamic programming and state-space model for the radar environment. Then, to show that the PAC improves the tracking accuracy of Cognitive Radar over Traditional Active Radar, we have provided simulation results. In the simulation, three nonlinear filters: Cubature Kalman Filter, Unscented Kalman Filter and Extended Kalman Filter are compared. Based on the results, radars implemented with CKF perform better than the radars implemented with UKF or radars implemented with EKF. Further, radar with EKF has the worst accuracy and has the biggest computation load because of derivation and evaluation of Jacobian matrices. We suggest using the concept of risk management to better control parameters and improve performance in cognitive radar. We believe, spectrum sensing can be seen as a potential interest to be used in cognitive radar and we propose a new approach Probabilistic ICA which will presumably reduce noise based on estimation error in cognitive radar. Parallel computing is a concept based on divide and conquers mechanism, and we suggest using the parallel computing approach in cognitive radar by doing complicated calculations or tasks to reduce processing time.

연구 동기 및 목표

• 인간의 인지 기능, 특히 Perception-Action Cycle (PAC)와 퓨스터의 다섯 가지 인지 기능을 모델로 삼아 인지 레이더 시스템을 개발하는 것.
• 기존 필터를 CKF, UKF, EKF와 같은 고급 비선형 필터로 대체하여 레이더 추적 정확도를 향상시키는 것.
• 리스크 관리 및 확률적 독립 성분 분석(PICA)을 통해 계산 부하를 줄이고 노이즈에 대한 내성을 향상시키는 것.
• GPGPU를 통한 병렬 계산을 통합하여 레이더의 인지-행동 루프 내에서 처리 속도를 가속화하고 시스템 정밀도를 향상시키는 것.
• 병렬 상태 추정 유닛을 통합하여 실시간, 적응형, 고정밀 신호 처리를 지원하는 새로운 인지 레이더 아키텍처를 설계하는 것.

제안 방법

• 레이더를 환경을 인지하고, 정보를 처리하고, 행동하며, 피드백에 기반해 내부 모델을 업데이트하는 시스템으로 모델링하기 위해 Perception-Action Cycle (PAC)을 핵심 프레임워크로 채택한다.
• 불확실성 하에서 적응형 추정 및 의사결정을 가능하게 하기 위해 베이지안 필터링과 동적 프로그래밍을 통합한 상태공간 모델을 구현한다.
• 시뮬레이션 기반 성능 평가를 통해 세 가지 비선형 필터—쿠바처 칼만 필터(CKF), 언세티드 칼만 필터(UKF), 확장 칼만 필터(EKF)—를 비교한다.
• 특히 동적 환경에서의 노이즈 감소 및 내성 강화를 위해 파arameter 제어 최적화를 위한 리스크 관리 원칙을 통합한다.
• 인지 레이더에서 추정 오차를 기반으로 한 공간-시간 처리를 활용해 노이즈를 감소시키기 위해 확률적 독립 성분 분석(PICA)을 활용한 새로운 스펙트럼 감지 모델을 제안한다.
• 피드백 정보 모듈 내에 이중 상태 추정 블록과 의사결정 단위를 포함한 일반 목적 그래픽스 처리 장치(GPGPU) 기반 병렬 계산 아키텍처를 설계한다.

실험 결과

연구 질문

• RQ1 Perception-Action Cycle (PAC)은 인지 레이더에 효과적으로 모델링되고 구현될 수 있는가? 이를 통해 적응형 추적 성능이 향상되는가?
• RQ2 비선형 레이더 추적에서 RMSE와 계산 부하 측면에서 CKF, UKF, EKF 간의 상대적 성능은 어떠한가?
• RQ3 리스크 관리 원칙은 인지 레이더 시스템의 파라미터 제어 및 노이즈 내성 향상에 기여하는가?
• RQ4 제안된 PICA 기반 모델은 추정 오차 감소 및 스펙트럼 감지 정확도 향상에 얼마나 효과적인가?
• RQ5 GPGPU 기반 병렬 계산은 인지 레이더 시스템에서 처리 속도를 얼마나 가속화하고 정밀도를 향상시키는가?

주요 결과

• 쿠바처 칼만 필터(CKF)는 시험한 세 가지 필터 중에서 가장 낮은 루트 평균 제곱 오차(RMSE)를 기록하여 추적 정확도에서 UKF와 EKF를 모두 능가했다.
• 확장 칼만 필터(EKF)는 각 반복에서 자코비안 행렬의 해석적 유도 및 평가가 필요하여 가장 높은 계산 부하를 보였다.
• 언세티드 칼만 필터(UKF)는 EKF보다 우수한 성능를 보였지만 CKF보다는 열등했으며, 중간 정도의 계산 비용을 가졌다.
• 제안된 PICA 모델은 공간-시간 처리에서의 추정 오차를 활용해 인지 레이더의 노이즈를 감소시킬 것으로 예상되나, 실험적 검증은 진행 중이다.
• GPGPU를 통한 병렬 계산 통합은 처리 시간을 크게 단축시키고, 시스템 속도를 증가시키며, 복잡한 작업의 동시 실행을 가능하게 하여 정밀도를 향상시킬 것으로 예측된다.
• 피드백 루프 내에 이중 상태 추정 블록과 의사결정 단위를 통합한 재설계된 인지 레이더 아키텍처는 실시간 적응성과 내성 강화를 향상시킬 것으로 기대된다.