LS-based Self-Positioning in GPS-Denied Environment using Stepped-Frequency Radar and CNN-based Target Association

본 논문은 GPS(global positioning system)가 제한된 환경에서 자기 위치 추정을 위해 계단 주파수 레이다와 네 개의 기준 표적을 활용하는 방법을 제안한다. 레이다 측정 시뮬레이션을 통해 얻은 range profile에서 EP(evolutionary programming)-based CLEAN 알고리즘을 적용하여 산란 중심 정보를 정밀하게 추출하고, 동시에 CNN(convolutional neural network) 분류기를 통해 기준 표적 구분하여 98.8%의 인식 정확도를 달성하였다. 식별된 표적 정보에 최소자승법을 적용해 최종적으로 위치를 추정하였다. SNR(signal-to-noise ratio) 15, 10, 5 dB 환경에서 100회 몬테카를로 시뮬레이션을 수행한 결과 RMSE(root mean square error)는 각각 0.80 m, 0.93 m, 1.26 m로 나타났다. 이를 통해 GPS가 제한된 환경에서도 레이다와 기준 표적을 이용한 자기 위치 추정의 가능성을 입증하였다.