[논문 리뷰] Cognitive Radars: A Reality?

Maria Greco, Fulvio Gini외 2명|arXiv (Cornell University)|2018. 02. 28.

Radar Systems and Signal Processing참고 문헌 45인용 수 4

한 줄 요약

이 논문은 환경 조건에 실시간으로 적응하는 인지 레이다 시스템을 탐구하며, 능동 및 수동 레이다 모두에 인지 원리를 적용한다. 간섭이 많은 스펙트럼에서 동적 웨이브폼 적응과 수동 레이다에서의 기회원천 선택을 제안하며, 환경 학습과 적응 센싱을 통해 임무 목표를 최적화함으로써 실현 가능성과 성능 향상을 입증한다.

ABSTRACT

This paper describes some key ideas and applications of cognitive radars, highlighting the limits and the path forward. Cognitive radars are systems based on the perception-action cycle of cognition that sense the environment, learn from it relevant information about the target and the background, then adapt the radar sensor to optimally satisfy the needs of their mission according to a desired goal. The concept of cognitive radar was introduced originally for active radar only. In this paper we describe how this paradigm can be applied also to passive radar. In particular, we describe (i) cognitive active radars that work in a spectrally dense environment and change the transmitted waveform on-the-fly to avoid interference with the primary user of the channel, such as broadcast or communication systems, (ii) cognitive active radars that adjust transmit waveform parameters to achieve a specified level of target tracking performance, and (iii) cognitive passive radars, that contrary to the active radars cannot directly change the transmitted waveforms, but can instead select the best source of opportunity to improve detection and tracking performance.

연구 동기 및 목표

• 실시간으로 인지, 학습, 적응 행동을 통합하는 인지 레이다 시스템의 실현 가능성을 조사하는 것.
• 인지 레이다 개념을 능동 레이다에서 수동 레이다 시스템으로 확장하는 것.
• 방송 및 통신 시스템과 같은 정식 사용자와의 간섭을 피하기 위해 인지 능동 레이다가 스펙트럼 혼잡을 해결하는 데 기여하는 것.
• 전송 웨이브폼 파rameter의 동적 조정을 통해 타깃 추적 성능을 최적화하는 것.
• 환경 학습을 기반으로 최적의 가용 기회원천을 선택하여 수동 레이다의 탐지 및 추적 성능을 향상시키는 것.

제안 방법

• 인지 능동 레이다 시스템은 실시간 스펙트럼 감지를 통해 정식 사용자를 탐지하고, 간섭을 피하기 위해 전송 웨이브폼을 동적으로 재구성한다.
• 환경 피드백과 임무 목표에 기반하여 대역폭, 중심 주파수, 펄스 압축 등의 웨이브폼 파rameter가 조정된다.
• 레이다가 환경을 감지하고, 타깃 및 배경 특성을 학습한 후 전송 전략을 이를 바탕으로 적응시키는 인지-행동 순환 구조가 구현된다.
• 수동 레이다의 경우, 신호 강도, 도플러, 방향성에 기반하여 최적의 기회원천(예: TV 또는 라디오 신호)을 선택하는 데에 학습이 이루어진다.
• 인지 엔진은 환경 데이터를 최적의 레이다 구성으로 매핑하기 위해 기계 학습 및 최적화 기법을 사용한다.
• 추적 정확도와 탐지 성능에 기반한 피드백 루프를 통합하여 웨이브폼 및 기회원천 선택을 지속적으로 개선한다.

실험 결과

연구 질문

• RQ1 인지 레이다 원리가 능동 레이다에서 수동 레이다 시스템으로 효과적으로 확장될 수 있는가?
• RQ2 스펙트럼이 농도인 환경에서 인지 능동 레이다가 정식 사용자와의 간섭을 피하기 위해 웨이브폼을 어떻게 동적으로 적응시킬 수 있는가?
• RQ3 수동 레이다에서 탐지 및 추적 성능을 극대화하기 위해 최적의 기회원천 선택을 위한 기준은 무엇이어야 하는가?
• RQ4 실시간 학습과 적응이 인지 레이다 시스템의 타깃 추적 정확도 향상에 어느 정도 기여하는가?
• RQ5 인지 레이다를 실현 가능한 기술로 구현하는 데 있어 실질적인 제약 조건과 구현 과제는 무엇인가?

주요 결과

• 인지 능동 레이다 시스템은 실시간 스펙트럼 감지에 대응하여 웨이브폼을 동적으로 재구성함으로써 정식 사용자와의 간섭을 성공적으로 피할 수 있다.
• 적응형 웨이브폼 제어 기법은 다양한 환경 조건과 간섭 수준에서도 일관된 타깃 추적 성능을 유지할 수 있도록 한다.
• 환경 학습 기반의 지능적인 기회원천 선택을 통해 수동 인지 레이다 시스템은 탐지 및 추적 성능을 향상시킬 수 있다.
• 폐쇄형 시스템 내에서 인지, 학습, 행동의 통합은 레이다 시스템의 적응성과 임무 효율성을 크게 향상시킨다.
• 이 논문은 인지 레이다가 이론적으로 타당할 뿐 아니라 실질적으로도 실현 가능하며, 능동 및 수동 레이다 아키텍처 모두에 대한 명확한 구현 경로를 확인한다.