우리 학부 박성욱 교수와 박사과정 강현성 학생이 CNN(Convolutional neural network, 인공신경망의 한 종류)으로 MDS (micro-Doppler signature, 드론을 레이더로 감지하기 위한 신호 중 하나)를 분류하여 실제 드론의 이륙 각도를 감지하는 기술을 개발하였습니다.
드론에 대한 기술이 빠르게 발전함에 따라, 농업, 화물 운송, 영상 수집 등 그에 따른 많은 장점도 있으나 불법적으로 드론을 악용하는 사례나 드론으로 인한 사고로 인한 문제점이 늘어가고 있습니다. 이로 인한 문제점을 지속적으로 관리하고 방지하기 위해, 공중에 떠 있는 드론을 정확하게 인식하고 그 위치를 파악하는 연구가 활발하게 진행되고 있습니다. 하지만 현재의 기술은 대부분 수 킬로미터 한정의 레이더 감지가 가능하며, 공간적인 한계를 극복하기 위해 넓게 분포된 저렴한 레이더 네트워크 방식이 쓰였으나 이로 인해 하나의 레이더가 감지해야 할 이륙 각도의 범위가 넓어지게 되었습니다. 하지만 대부분의 레이더는 팬 빔 (fan beam)을 회전시키면서 스캔하므로 정확한 이륙 각도의 감지가 어렵습니다.
본 연구팀은 이러한 레이더의 한계를 극복하면서도 값싼 레이더 네트워크 방식을 유지하기 위해, 드론에서부터 얻을 수 있는 MDS 라는 신호와 CNN (합성곱신경망)을 이용해 드론의 이륙 각도를 비교적 정확하게 분류하는 방식을 개발하였습니다. 또한, 이러한 인공 신경망의 분류 효율을 높이기 위해 다양한 극성 (polarization) 변수도 이용하였습니다. 결과적으로, 극성 변수의 종류를 늘려감에 따라 84.75%의 효율에서 97.9%의 효율까지 정확해진 결과를 발표하였습니다.
본 성과는 “IEEE Geoscience and remote sensing letters” 에 2020년 11월 2일자에 온라인 출판되었습니다. 자세한 내용은 아래 링크에서 확인하실 수 있습니다.
논문: https://ieeexplore.ieee.org/document/9246564
그림: 레이더 네트워크를 이용한 드론 이륙각도 인식에 대한 개요
