earticle

영어

In this paper, we discuss a method using an ensemble learning technique for the reverse extrapolation of RF (Radio Frequency) threats that emit electromagnetic signals. We have studied and implemented a simulator that is capable of generating radar threats and modeling the actual electronic warfare situations. The simulator presents the reverse extrapolation accuracy of RF threats in real time. Based upon the electronic warfare signal variables of RF threats in our simulator, we propose a method to reversely identify RF threats through models compiled using ensemble learning techniques. We have measured and analyzed the reverse extrapolation accuracy of the models of RF threats, which are generated by basic machine learning algorithms and by ensemble learning algorithms as a meta-learning framework.

한국어

본 논문에서는 앙상블 학습 기법을 이용하여 전자파 신호를 발산하는 RF(Radio Frequency) 위협체를 역추정하 는 방법에 관하여 논한다. 기존 연구에서 레이더 위협을 생성하고 실제 전자전 상황을 모델링 할 수 있는 시뮬레이 터에 대하여 연구 및 구현하였다. 개발 중인 전자전 시뮬레이터는 다양한 기계학습 알고리즘을 통하여 생성한 모델 을 사용하여 RF 위협체에 대한 역추정 정확도를 실시간으로 제시한다. 본 논문은 구현한 시뮬레이터를 활용하여 RF 위협체의 수집신호변수를 생성 및 수신하며, 앙상블 학습 기법을 이용하여 생성한 역추정 모델에 의하여 위협체 를 역으로 식별하는 방법을 제안한다. 실험에서 다양한 기계학습 알고리즘으로 생성한 모델과 메타 학습 방법론인 앙상블 학습 기법을 적용한 모델을 이용하여 RF 위협체에 대한 역추정 정확도를 측정하고 실험결과를 분석하였다.