Performance Analysis of ResNet-based Target Classifications using Spectral Kurtosis

미세 도플러 (micro-Doppler) 변조는 각 개체의 구분 및 각각의 움직임에 대한 미세한 운동 상태를 나타내는 표적 특징으로서, 표적을 인식하고 분류하는 기술에 활용되고 있다. 미세 도플러 주파수는 물체의 회전과 진동 등의 기본적인 운동 특징에 의한 도플러 주파수의 변조 형태로 나타나며, 이를 이용하면 높은 표적 인식 정확도로 표적을 추적하고 분류할 수 있다. 본 논문에서는 드론, 조류, 사람 표적에 따른 미세 운동 신호를 모델링하고, 미세 도플러 영상의 스펙트럼 첨도를 계산하여 표적의 미세 도플러 특징 벡터를 추출한다. 그리고 서로 다른 미세 운동을 하는 표적을 분류하기 위해 스펙트럼 첨도를 입력으로 하는 ResNet34 심층 신경망 네트워크를 적용한다. 모의실험을 통해 각 표적의 레이더 실측 데이터 입력 세트에 따른 ResNet34 알고리즘의 분류 성능을 분석한다. 모의실험 결과를 통해 제안하는 기법이 정확도, 정밀도, 재현도 측면에서 평균 95% 이상의 성능을 제시함으로써, 미세 도플러 영상을 이용하는 기존 기법보다 우수함을 보인다.