FSK 파형 기반의 드론 추적 및 식별에 관한 연구 = A Study on Drone Tracking and Classification Using FSK Waveform

국문 초록 (Abstract)

최근 드론 시장의 성장에 따라 드론 표적에 대한 추적 및 식별 기술의 중 요성이 대두되고 있다. 일반적으로 표적 추적에는 FMCW（Frequency Modulated Continuous Wave） 레이다가 활용되지만, 드론 동체의 운동에 따른 도플러 효과와 더불어 로터 블레이드의 회전에 의해 발생하는 마이 크로도플러 성분의 주기적 특성을 관측하는 데는 하드웨어적 제약이 존재 한다. 한편, 단일 톤（Single Tone） CW 레이다는 스펙트로그램 기반의 마이 크로도플러의 주기성 패턴 분석을 통한 표적 식별에 유용하지만 거리 추 정이 불가하여 표적 추적이 불가하며, 마이크로도플러 분석을 위해서는 단 일 주파수로 수십~수백 ms 수준의 긴 관측 시간이 요구된다는 제약점이 있다. 본 논문에서는 드론 표적에 대한 추적과 식별을 동시에 수행하기 위해 기 존 FSK（Frequency Shift Keying） 기반 파형을 변형한 TWO-Tone FSK 파형 을 제안한다. 제안기법은 수신 신호의 위상차를 이용하여 표적의 속도와 거리를 추정한다. 특히 위상차의 합을 이용한 Coarse-Fine 속도 추정 기법 을 통해 정밀 속도를 산출하고, 이를 기반으로 이동 표적에 의해 발생하는 도플러 위상 오차를 보상하여 거리 추정함으로써, 기존에 위상차의 차를 통해 거리를 추정하는 경우 최대 비모호 거리가 절반으로 감소하는 제약 을 해결하였다. 시뮬레이션을 통해 주파수 톤 지속시간 및 입력 SNR 변화 에 따른 속도 및 거리 추정 정확도를 분석하였으며, 마이크로도플러 기반 표적 식별에 요구되는 환경에서 유효하게 동작함을 확인하였다. 또한 드론 표적을 다중 산란점 모델로 모의하고 STFT（Short Time Fourier Transform） 기반 마이크로도플러 스펙트로그램을 생성하여 표적 식별 성 능을 검증하였다. TWO-Tone FSK 파형 사용 시 주파수 전환에 따른 위상 불연속으로 세로선 왜곡이 발생하였으나, 추정거리 기반 위상 보상을 통해 이를 완화하였다. 그 결과 단일 톤 CW 데이터로 학습된 ResNet-18 기반 CNN（Convolutional Neural Network） 분류 모델을 별도의 FSK 파형 데이터 수집이나 재학습 없이 적용할 수 있었으며, 이는 입력 SNR이 높을수록 향 상된 식별성능을 보였다. 또한 레이다 운용 파라미터가 변화하는 경우에도 위상 보상만으로 식별 성능을 유지함을 확인하였다.

목차 (Table of Contents)

• 제 1 장 서론 1
• 1.1 연구 배경 1
• 1.2 연구 목적 4
• 1.3 논문의 구성 4
• 제 2 장 FSK 파형 기반 표적 속도 및 거리 추정 6
• 2.1 레이다 시스템의 원리 및 구성 6
• 2.2 단일톤 CW（Continuous Wave)레이다의 특징과 한계점 9
• 2.3 FSK（Frequency Shift Keying)파형의 원리 11
• 2.4 제안기법 : TWO-Tone FSK 파형 16
• 2.5 위상차의 차를 이용한 거리 추정 17
• 2.6 위상차의 합을 이용한 Coarse-Fine 속도추정 기법 18
• 2.7 추정속도 기반 거리 추정 21
• 2.8 시뮬레이션 및 성능 분석 24
• 제 3 장 마이크로도플러 스펙트로그램 기반 표적 분류 35
• 3.1 마이크로도플러（Micro-Doppler)효과 35
• 3.2 마이크로도플러 스펙트로그램 (Micro-Doppler Spectrogram） 37
• 3.3 마이크로도플러 스펙트로그램과 표적 특성 39
• 3.4 마이크로도플러 신호 모의 41
• 3.5 FSK 파형 기반 마이크로도플러 스펙트로그램 54
• 3.6 CNN 기반 마이크로도플러 스펙트로그램 이미지 분류 57
• 제 4 장 결론 75
• 참고문헌 77