KR20180135546A - 드론의 다각적 판별 시스템 및 그 방법 - Google Patents

드론의 다각적 판별 시스템 및 그 방법 Download PDF

Info

Publication number
KR20180135546A
KR20180135546A KR1020170073669A KR20170073669A KR20180135546A KR 20180135546 A KR20180135546 A KR 20180135546A KR 1020170073669 A KR1020170073669 A KR 1020170073669A KR 20170073669 A KR20170073669 A KR 20170073669A KR 20180135546 A KR20180135546 A KR 20180135546A
Authority
KR
South Korea
Prior art keywords
signal
image
drones
antenna
pattern
Prior art date
Application number
KR1020170073669A
Other languages
English (en)
Other versions
KR102010130B1 (ko
Inventor
박성욱
강현성
김병관
Original Assignee
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020170073669A priority Critical patent/KR102010130B1/ko
Publication of KR20180135546A publication Critical patent/KR20180135546A/ko
Application granted granted Critical
Publication of KR102010130B1 publication Critical patent/KR102010130B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/04—Systems determining presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/505—Systems of measurement based on relative movement of target using Doppler effect for determining closest range to a target or corresponding time, e.g. miss-distance indicator
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/024—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using polarisation effects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/024—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using polarisation effects
    • G01S7/025—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using polarisation effects involving the transmission of linearly polarised waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system
    • G01S7/4026—Antenna boresight
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G01S2007/403—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 발명은 감지 대상에 대한 마이크로 도플러(Micro­Doppler) 특성 분석과 머신 러닝 기법을 이용하여 다각도의 드론을 판별하는 드론의 다각적 판별 시스템 및 그 방법에 관한 것으로, 두 가지 편파를 이용하는 편광분석(Polarimetric) 측정 방식을 사용하여 드론 프로펠러의 수평방향 측정에 대한 해결책을 제공할 수 있다.

Description

드론의 다각적 판별 시스템 및 그 방법{DRONE DETECTION SYSTEM OF VARIOUS ANGLES USING MICRO­DOPPLER AND METHOD THEREOF}
본 발명은 드론의 다각적 판별 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 감지 대상에 대한 마이크로 도플러(Micro­Doppler) 특성 분석과 머신 러닝 기법을 이용하여 다각도의 드론을 판별하는 기술에 관한 것이다.
최근에는 상업용 또는 개인용의 소형 드론(drone)에 대한 사용이 급격히 증가하고 있다. 대부분의 개인용 드론은 취미생활의 일환으로 소비되고 있으나, 군용 혹은 상업용 드론이나 일부 개인용 드론은 잘못된 사용으로 시설에 대한 치명적인 공격을 가맹하는 문제점이 존재하였다.
그러나, 낮은 레이더 반사면적(Radar Cross Section; RCS)을 갖는 드론을 탐지할 수 있는 레이더 시스템은 거의 없기 때문에 이를 규제하기 힘든 실정이다. 특히, 드론의 낮은 RCS는 조류의 RCS와 비슷한 값을 갖기 때문에 비행체에 대한 탐지뿐만 아니라 드론 또는 조류 등의 식별이 중요하다.
조류와 드론의 가장 큰 차이점은 비행방식이다. 그에 따라 레이더 반사파에 포함되는 마이크로 도플러(Micro­Doppler)가 상이하므로 이를 이용하여 비행체에 대해 식별할 수 있다.
마이크로 도플러가 사용되는 일예로 미국특허공보 제US9229234호(등록일자 2016년 1월 5일), "Micro Doppler presentations in head worn computing"에서 도플러 레이더를 사용하여 입을 수 있는 컴퓨터의 환경 정보 및 위치 정보를 추정하였다.
드론의 경우에는 프로펠러로 비행을 하기 때문에 마이크로 도플러의 주기가 짧고 도플러(Doppler) 주파수가 크다. 반면, 조류의 경우에는 날개 움직임의 주기가 짧고 도플러 주파수가 크지 않다. 따라서, 조류와 드론의 구별하기 위해서 마이크로 도플러 분석이 필수적으로 요구된다.
그러나 드론 프로펠러의 수평 방향으로 레이더의 전파를 송출하는 경우, 마이크로 도플러가 거의 발생하지 않는 특성이 있다.
드론의 마이크로 도플러는 상당히 주기성이 짧고 복잡한 구조로 형성되어 있으므로 이미지 패턴을 분석하여 알고리즘을 생성하기에는 한계가 존재한다.
또한, 기존의 수직(Tx)­수직(Rx) 편파를 사용하는 경우, 드론 프로펠러의 수평방향으로 레이더 신호를 송출시키면 마이크로 도플러 신호가 잘 나타나지 않으며, 마이크로 도플러가 발생하더라도 도플러 이미지를 식별할 수 있는 알고리즘을 생성하기 매우 어렵다는 한계가 존재한다.
한국공개특허 제10­2016­0142945호(2016.12.14 공개), "주파수 변조 연속파 레이더 시스템 망 및 이를 이용한 무인 항공기 감지 방법" 한국등록특허 제10­1697542호(2017.01.12 등록), "모션 감지용 펄스 도플러 레이더 장치 및 모션감지 방법"
종래 기술은 드론 프로펠러의 수평방향으로 레이더의 전파가 이루어지는 경우 드론의 마이크로 도플러가 거의 수집되지 않는 문제점이 존재하였다.
이러한 문제점을 해결하기 위한 본 발명의 목적은 다각적 방향으로 접근하는 드론을 식별 및 판별할 수 있는 드론의 다각적 판별 시스템 및 그 방법을 제공하고자 한다.
또한, 본 발명의 목적은 머신 러닝 기법을 사용하여 드론의 마이크로 도플러 패턴을 효율적으로 식별할 수 있는 드론의 다각적 판별 시스템 및 그 방법을 제공하고자 한다.
또한, 본 발명의 목적은 두 가지 편파를 이용하는 편광분석(Polarimetric) 측정 방식을 사용하여 드론 프로펠러의 수평방향 측정에 대한 해결책을 제공할 수 있는 드론의 다각적 판별 시스템 및 그 방법을 제공하고자 한다.
본 발명의 실시예에 따른 드론의 다각적 판별 시스템은 송신 안테나를 통해 시간에 따라 변하는 송신 신호를 송출하는 송신부, 수신 안테나를 통해 상기 송신 신호에 대응하여 탐지 영역 내 감지 대상으로부터 반사된 신호 정보를 수신하는 수신부, 상기 수신된 신호 정보를 기반으로 연속적인 도플러 변화로부터 상기 감지 대상에 대한 마이크로 도플러(Micro­Doppler)의 패턴 특성을 추출하는 연산부, 상기 마이크로 도플러의 패턴 특성을 이미지화하여 저장하는 저장부 및 상기 저장된 이미지와 데이터베이스부에 저장되어 유지되는 판별 물체에 대한 이미지를 비교하여 드론 여부를 판별하는 제어부를 포함한다.
상기 송신 안테나 및 상기 수신 안테나 중 어느 하나는 선형 주파수 변조(linear frequency modulation; LFM) 신호 발생기에서 생성되는 선형 주파수 변조 신호(LFM 신호)를 연속적으로 송출 및 수신할 수 있다.
상기 송신부는 주파수 상향 변환기(Up converter)를 이용하여 상기 선형 주파수 변조 신호를 타겟 주파수로 변환하고, 증폭시켜 상기 송신 안테나를 통해 송출할 수 있다.
상기 송신부는 수직방향의 단일 편파를 사용하는 상기 송신 안테나를 포함할 수 있다.
상기 수신부는 수직방향 또는 수평방향의 복수 편파를 사용하는 상기 수신 안테나를 포함할 수 있다.
상기 수신부는 상기 감지 대상에 반사된 전파를 상기 복수 편파의 안테나로 각각 수신하며, 저잡음 증폭기(Low Noise Amplifier)를 통해 상기 수신된 신호 정보의 수신 감도를 향상시킬 수 있다.
상기 연산부는 상기 감지 대상에 대한 상기 수신된 신호 정보와, 상기 선형 주파수 변조 신호를 혼합하여 생성된 중간 주파수(Intermediate Frequency; IF) 신호로부터 추출되는 기저대의 I/Q 신호를 획득할 수 있다.
상기 연산부는 상기 I/Q 신호로부터 일정 시간 동안의 도플러 편이를 산출하여 상기 연속적인 도플러 변화를 획득하며, 상기 감지 대상에 대한 상기 마이크로 도플러(Micro­Doppler)의 패턴 특성을 추출할 수 있다.
상기 제어부는 상기 저장부에 저장된 상기 감지 대상에 대한 이미지에 콘볼루션 신경망(Convolution Neural Network) 알고리즘을 적용하여 상기 감지 대상에 대한 이미지의 패턴을 분석할 수 있다.
상기 제어부는 상기 분석 결과를 기반으로 상기 데이터베이스부에 저장되어 유지되는 상기 판별 물체에 대한 이미지의 패턴을 비교하여 상기 감지 대상의 드론 여부를 판별할 수 있다.
상기 제어부는 상기 감지 대상에 대한 판별이 불가능한 경우, 수직방향 또는 수평방향의 복수 편파를 사용하는 상기 수신 안테나의 편파를 제어할 수 있다.
상기 제어부는 상기 감지 대상의 회전축과 상기 송신 신호의 전파 방향이 수직 또는 수평한 방향이 되도록 상기 송신 안테나의 위치를 제어할 수 있다.
본 발명의 실시예에 따른 드론의 다각적 판별 방법은 송신 안테나를 통해 시간에 따라 변하는 송신 신호를 송출하는 단계, 수신 안테나를 통해 상기 송신 신호에 대응하여 탐지 영역 내 감지 대상으로부터 반사된 신호 정보를 수신하는 단계, 상기 수신된 신호 정보를 기반으로 연속적인 도플러 변화로부터 상기 감지 대상에 대한 마이크로 도플러(Micro­Doppler)의 패턴 특성을 추출하는 단계, 상기 마이크로 도플러의 패턴 특성을 이미지화하여 저장하는 단계 및 상기 저장된 이미지와 데이터베이스에 저장되어 유지되는 판별 물체에 대한 이미지를 비교하여 드론 여부를 판별하는 단계를 포함한다.
상기 송신 신호를 송출하는 단계는 수직방향의 단일 편파를 사용하는 상기 송신 안테나를 통해 상기 송신 신호를 송출할 수 있다.
상기 신호 정보를 수신하는 단계는 수직방향 또는 수평방향의 복수 편파를 사용하는 상기 수신 안테나를 통해 상기 신호 정보를 수신할 수 있다.
상기 마이크로 도플러의 패턴 특성을 추출하는 단계는 상기 감지 대상에 대한 상기 수신된 신호 정보와, 선형 주파수 변조(linear frequency modulation; LFM) 신호 발생기에서 생성되는 선형 주파수 변조 신호(LFM 신호)를 혼합하여 생성된 중간 주파수(Intermediate Frequency; IF) 신호로부터 추출되는 기저대의 I/Q 신호를 획득할 수 있다.
상기 마이크로 도플러의 패턴 특성을 추출하는 단계는 상기 I/Q 신호로부터 일정 시간 동안의 도플러 편이를 산출하여 상기 연속적인 도플러 변화를 획득하며, 상기 감지 대상에 대한 상기 마이크로 도플러(Micro­Doppler)의 패턴 특성을 추출할 수 있다.
상기 드론 여부를 판별하는 단계는 상기 저장된 이미지에 콘볼루션 신경망(Convolution Neural Network) 알고리즘을 적용하여 상기 감지 대상에 대한 이미지의 패턴을 분석할 수 있다.
상기 드론 여부를 판별하는 단계는 상기 분석 결과를 기반으로 상기 데이터베이스에 저장되어 유지되는 상기 판별 물체에 대한 이미지의 패턴을 비교하여 상기 감지 대상의 드론 여부를 판별할 수 있다.
본 발명의 실시예에 따르면, 다각적 방향으로 접근하는 드론을 식별 및 판별할 수 있다.
또한, 본 발명의 실시예에 따르면, 머신 러닝 기법을 사용하여 드론의 마이크로 도플러 패턴을 효율적으로 식별할 수 있다.
또한, 본 발명의 실시예에 따르면, 두 가지 편파를 이용하는 편광분석(Polarimetric) 측정 방식을 사용하여 드론 프로펠러의 수평방향 측정에 대한 해결책을 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 드론의 다각적 판별 시스템의 구성을 나타내는 블록도를 도시한 것이다.
도 2는 본 발명의 실시예에 따른 드론의 다각적 판별 시스템의 감지 대상에 대한 감지 동작을 설명하기 위해 도시한 것이다.
도 3a 내지 도 3d는 본 발명의 실시예에 따른 두 가지 편파의 안테나를 이용하여 획득되는 감지 대상에 대한 마이크로 도플러의 그래프 결과를 도시한 것이다.
도 4는 본 발명의 실시예에 따른 드론의 다각적 판별 방법의 흐름도를 도시한 것이다.
도 5는 본 발명의 실시예에 따른 드론의 다각적 판별 알고리즘 예를 도시한 것이다.
이하, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 또한, 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
또한, 본 명세서에서 사용되는 용어(terminology)들은 본 발명의 바람직한 실시예를 적절히 표현하기 위해 사용된 용어들로서, 이는 시청자, 운용자의 의도 또는 본 발명이 속하는 분야의 관례 등에 따라 달라질 수 있다. 따라서, 본 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 실시예에 따른 드론의 다각적 판별 시스템의 구성을 나타내는 블록도를 도시한 것이다.
도 1을 참조하면, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템은 탐지 영역 내 감지 대상에 대한 마이크로 도플러(Micro­Doppler)의 패턴 특성을 추출하고, 추출된 패턴 특성의 이미지와 저장되어 유지되는 드론의 이미지를 비교하여 드론 여부를 판별한다.
이에 따른, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템(100)은 송신부(110), 수신부(120), 연산부(130), 저장부(140) 및 제어부(150)를 포함한다.
이때, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템(100)은 마이크로 도플러(Micro­Doppler)를 추출할 수 있는 주파수 변조 연속파(Frequency Modulated Continuous Wave; FMCW) 시스템일 수 있다.
송신부(110)는 송신 안테나(113)를 통해 시간에 따라 변하는 송신 신호를 송출한다.
예를 들면, 송신 안테나(113) 및 수신 안테나(121)는 선형 주파수 변조(Linear Frequency Modulation; LFM) 신호 발생기(170)에서 생성되는 선형 주파수 변조 신호(LFM 신호)를 연속적으로 송출 및 수신할 수 있다.
송신부(110)는 주파수 상향 변환기(Up converter, 111), 파워엠프(112) 및 송신 안테나(113)를 포함할 수 있으며, 주파수 상향 변환기(Up converter, 111)를 이용하여 선형 주파수 변조 신호를 타겟 주파수로 변환하고, 파워엠프(112)를 사용하여 송신 신호를 증폭시킬 수 있다.
이후, 송신부(110)는 Tx용 송신 안테나(113)를 사용하여 송신 신호를 송출하며, 송신 안테나(113)의 편파는 수직방향의 단일 편파일 수 있다.
수신부(120)는 Rx용 수신 안테나(121)를 통해 송신 신호에 대응하여 탐지 영역 내 감지 대상으로부터 반사된 신호 정보를 수신한다.
예를 들면, 수신부(120)는 두 가지 편파의 수신 안테나(121), 저잡음 증폭기(Low Noise Amplifier; LNA, 122), 믹서(Mixer, 123), 로컬 오실레이터(Local Oscillator, 124) 및 IF 믹서(Intermediate Frequency Mixer, 125)를 포함할 수 있다.
수신부(120)는 감지 대상에 반사된 전파를 수직방향 편파 및 수평방향 편파의 수신 안테나(121)로 각각 수신할 수 있으며, 실시예에 따라서 수신 안테나(121)는 수직방향의 편파 및 수평방향의 편파인 두 개의 안테나일 수 있다.
이후, 수신부(120)는 저잡음 증폭기(122)를 통해 수신된 신호 정보를 증폭시키고, 잡음을 줄여주는 수신 감도를 향상시킬 수 있다. 또한, 높은 주파수의 수신 신호를 처리 가능한 대역으로 주파수 변환을 하기 위하여 믹서(123)를 사용할 수 있다.
이후, IF 믹서(125)는 LFM 신호 발생기(170)로부터 처음 생성된 선형 주파수 변조 신호와, 수신 안테나(122)로부터 수신되어 처리 가능한 대역으로 주파수 변환된 신호를 믹싱(mixing)하여 중간 주파수 신호(IF signal)에 비트 주파수(beat frequency)가 결합된 신호를 출력할 수 있다.
예를 들면, IF 믹서(125)는 수신 안테나(122)로부터 수신되어 믹서(123)를 통해 처리 가능한 대역으로 주파수 변환되며, 로컬 오실레이터(124)로부터 수신되는 로컬 오실레이팅 신호와, 선형 주파수 변조 신호를 혼합하여 중간 주파수 신호를 출력할 수 있다.
이후, IQ 복조기(IQ demodulator, 180)는 IF 대역을 수신하여 최종적으로 기저대의 I/Q 신호를 추출할 수 있다.
실시예에 따라서, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템(100)은 I/Q 신호를 디지털 신호로 변환하여 출력하는 디지털 변화기(미도시)를 더 포함할 수도 있다.
또한 도 1을 참조하면, IQ 복조기(180)는 수신부(120) 및 연산부(130) 사이에 위치하고 있으나, 실시예에 따라서는 연산부(130)에 포함될 수도 있다.
연산부(130)는 수신된 신호 정보를 기반으로 연속적인 도플러 변화로부터 감지 대상에 대한 마이크로 도플러(Micro­Doppler)의 패턴 특성을 추출한다.
예를 들면, 연산부(130)는 감지 대상에 대해 수신된 신호와, 선형 주파수 변조 신호를 혼합하여 생성된 중간 주파수(Intermediate Frequency; IF) 신호로부터 추출되는 기저대의 I/Q 신호를 획득할 수 있다.
이후, 연산부(130)는 I/Q 신호로부터 일정 시간 동안의 도플러 편이를 산출하여 연속적인 도플러 변화를 획득하며, 감지 대상에 대한 마이크로 도플러(Micro­Doppler)의 패턴 특성을 추출할 수 있다.
상기 일정 시간은 사용자에 의해 기 설정된 시간일 수 있으며, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템(100)이 적용되는 실시예에 의해 다양하게 설정될 수 있으므로 한정하지 않는다.
저장부(140)는 마이크로 도플러의 패턴 특성을 이미지화하여 저장한다.
예를 들면, 저장부(140)는 연산부(130)를 통해 추출되는 탐지 영역 내 감지 대상에 대한 마이크로 도플러의 패턴 특성을 하기의 도 3a 내지 도 3d에 도시된 바와 같은 컬러 이미지로 이미지화하여 저장할 수 있다.
제어부(150)는 저장된 이미지와 데이터베이스부(Data Base, 160)에 저장되어 유지되는 판별 물체에 대한 이미지를 비교하여 드론 여부를 판별한다.
예를 들면, 제어부(150)는 저장부(140)에 저장된 감지 대상에 대한 이미지에 콘볼루션 신경망(Convolution Neural Network; CNN) 알고리즘을 적용하여 감지 대상에 대한 이미지의 패턴을 분석할 수 있다. 이후, 제어부(150)는 분석 결과를 기반으로 데이터베이스부(160)에 저장되어 유지되는 판별 물체에 대한 이미지의 패턴을 비교하여 감지 대상의 드론 여부를 판별할 수 있다.
여기서, 상기 판별 물체는 대형 드론, 소형 드론, 군용 드론, 상업용 드론 및 개인용 드론 등의 드론, 조류, 비행체 및 무인 비행체 중 적어도 어느 하나일 수 있다.
데이터베이스부(160)는 드론에 대한 이미지 패턴, 조류에 대한 이미지 패턴, 비행체에 대한 이미지 패턴, 무인 비행체에 대한 이미지 패턴 및 그 외의 대상체에 대한 이미지 패턴이 학습되어 저장되어 유지될 수 있으며, 상기 이미지 패턴들은 사용자에 의해 기 설정되거나 외부의 서버로부터 수신되어 학습된 것일 수 있다.
상기 콘볼루션 신경망은 머신 러닝(Machine Learning) 기법 중 하나로, 복잡한 패턴의 이미지 패턴 분석을 통하여 추출하고자 하는 이미지를 판별할 수 있는 식별 모델이다. 본 발명의 실시예에 따른 드론의 다각적 판별 시스템(100)은 머신 러닝 중 한가지 알고리즘인 상기 콘볼루션 신경망을 적용함으로써 드론의 마이크로 도플러 패턴을 효율적으로 식별할 수 있다.
실시예에 따라서, 제어부(150)는 연산부(130)를 통해 드론에 대한 마이크로 도플러의 패턴 특성이 추출되지 않아 감지 대상에 대한 판별이 불가능한 경우, 수직방향 또는 수평방향의 복수 편파를 사용하는 수신 안테나(121)의 편파를 제어할 수 있다.
또한, 제어부(150)는 드론 프로펠러의 회전축과 송신 신호의 전파 방향이 수직 또는 수평한 방향이 되도록 송신 안테나(113)의 위치를 제어할 수 있다.
이후, 제어부(150)는 제어된 다른 편파의 신호에서 드론의 마이크로 도플러 특성 값이 추출되는 경우, 감지 대상을 드론으로 판별할 수 있다.
예를 들면, 제어부(150)는 송신 안테나(113) 및 수신 안테나(121)를 통해 수직(Tx)­수직(Tx) 편파 또는 수직(Tx)­수평(Rx) 편파를 제어하고, 송신 안테나(113)를 통한 전파 방향이 드론 프로펠러의 수직 방향 또는 수평 방향으로 위치하도록 송신 안테나(113)의 위치를 제어함으로써, 드론의 다각도 방향에 따른 마이크로 도플러(Micro­Doppler)를 분석할 수 있다.
도 2는 본 발명의 실시예에 따른 드론의 다각적 판별 시스템의 감지 대상에 대한 감지 동작을 설명하기 위해 도시한 것이다.
본 발명의 실시예에 따른 드론의 다각적 판별 시스템(210)은 드론에 대한 마이크로 도플러의 편광분석(Polarimetric) 해석으로 다양한 방향에서의 드론에 대한 탐지 및 식별이 가능하다.
이에 따른 도 2를 참조하면, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템들(210) 각각은 선형 주파수 변조(linear frequency modulation; LFM) 신호를 연속적으로 발생시킨 주파수 변조 연속파 신호를 연직 방향으로 방사할 수 있다.
예를 들면, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템들(210) 각각이 배치되는 주변의 지형지물에 의한 클루터 신호를 최소화하도록 연직 방향으로 방사할 수 있으며, 물체의 거리 또는 속도 중 적어도 어느 하나를 측정하기 위하여 연직 방향으로 방사할 수도 있다.
이로부터 본 발명의 실시예에 따른 드론의 다각적 판별 시스템들(210) 각각은 연직 방향의 관측 망(220)을 가질 수 있다. 이때, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템들(210) 각각이 단일 망의 육각형 구조의 각 꼭지점 및 중앙에 배치됨으로써, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템들(210) 각각의 관측 망(220)은 빈틈없이 형성되어 탐지 영역 내 감지 대상을 탐지 및 식별할 수 있다.
상술한 바와 같이 본 발명의 실시예에 따른 드론의 다각적 판별 시스템(210)은 주파수 변조 연속파 신호를 이용하는 방식으로 기재하지만, 이에 제한되거나 한정되지 않고 첩 펄스(chirp pulse) 방식, CW(Continuous Wave) 방식 또는 펄스(pulse) 방식 등의 다양한 방식을 이용할 수 있다.
도 3a 내지 도 3d는 본 발명의 실시예에 따른 두 가지 편파의 안테나를 이용하여 획득되는 감지 대상에 대한 마이크로 도플러의 그래프 결과를 도시한 것이다.
보다 구체적으로, 도 3a는 본 발명의 실시예에 따른 수직­수직 편파의 안테나로 드론 프로펠러의 수직 방향을 측정한 마이크로 도플러의 그래프 결과를 도시한 것이고, 도 3b는 본 발명의 실시예에 따른 수직­수평 편파의 안테나로 드론 프로펠러의 수직 방향을 측정한 마이크로 도플러의 그래프 결과를 도시한 것이다.
또한, 도 3c는 본 발명의 실시예에 따른 수직­수직 편파의 안테나로 드론 프로펠러의 수평 방향을 측정한 마이크로 도플러의 그래프 결과를 도시한 것이고, 도 3d는 본 발명의 실시예에 따른 수직­수평 편파의 안테나로 드론 프로펠러의 수평 방향을 측정한 마이크로 도플러의 그래프 결과를 도시한 것이다.
도 3a를 참조하면, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템은 수직 편파의 송신 안테나(Tx) 및 수직 편파의 수신 안테나(Rx)를 사용하여 실제 측정된 작동 중인 드론에 대한 마이크로 도플러를 분석한 결과를 나타낸다. 이때, 두 안테나의 편파를 동일하게 사용하여 일반적인 레이더와 같은 방식의 신호를 수신할 수 있다.
또한, 감지 대상인 드론 프로펠러의 회전축은 송신 안테나를 통한 레이더 송신파 전파 방향에 수직 방향으로 위치하도록 하였다. 이때, 상기 수직 방향이라 함은 드론 프로펠러의 '회전 축 방향'이 송신파 전파 방향과 수평한 방향인 것일 수 있다.
이후, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템은 드론 프로펠러의 마이크로 도플러 신호를 수신하여 단시간 푸리에 변환(ShortTime Fourier Transform; STFT) 방식으로써 수집된 시간 축 데이터를 짧은 간격으로 푸리에 변환(Fourier transform)하여 주파수 축으로 나열하고, 시간 축으로 축적시켜 분석 결과를 그래프로 도출하였다.
이에 따라서, 도 3a에 도시된 바와 같이 시간에 따른 드론의 마이크로 도플러 주파수는 상당히 넓게 분포된 것을 확인할 수 있으며, 그 주기성은 매우 짧은 것을 알 수 있다.
도 3b를 참조하면, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템은 수직 편파의 송신 안테나(Tx) 및 수평 편파의 수신 안테나(Rx)를 사용하여 실제 측정된 작동 중인 드론에 대한 마이크로 도플러를 분석한 결과를 나타낸다. 이때, 두 안테나의 편파를 다르게 사용하여 드론 프로펠러에서 생성되는 도플러 신호의 교차 편파를 측정할 수 있다.
또한, 감지 대상인 드론 프로펠러의 회전축은 도 3a와 동일하게 송신 안테나를 통한 레이더 송신파 전파 방향에 수직 방향으로 위치하도록 하였다. 이때, 상기 수직 방향이라 함은 드론 프로펠러의 '회전 축 방향'이 송신파 전파 방향과 수평한 방향인 것일 수 있다.
이후, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템은 드론 프로펠러의 마이크로 도플러 신호를 수신하여 단시간 푸리에 변환(ShortTime Fourier Transform; STFT) 방식으로써 수집된 시간 축 데이터를 짧은 간격으로 푸리에 변환(Fourier transform)하여 주파수 축으로 나열하고, 시간 축으로 축적시켜 분석 결과를 그래프로 도출하였다.
이에 따라서, 도 3b에 도시된 바와 같이 마이크로 도플러 신호가 크게 생성되지 않고, 상대적으로 평평한 신호 분포를 나타내는 것을 확인할 수 있다.
도 3c를 참조하면, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템은 수직 편파의 송신 안테나(Tx) 및 수직 편파의 수신 안테나(Rx)를 사용하여 실제 측정된 작동 중인 드론에 대한 마이크로 도플러를 분석한 결과를 나타낸다. 이때, 도 3a와 동일하게 두 안테나의 편파를 동일하게 사용하였지만, 드론 프로펠러의 회전축을 송신 안테나를 통한 레이더 송신파 전파 방향에 수평 방향으로 위치하도록 하였다. 이때, 상기 수평 방향이라 함은 드론 프로펠러의 '회전 축 방향'이 송신파 전파 방향과 수직한 방향인 것일 수 있다.
이후, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템은 드론 프로펠러의 마이크로 도플러 신호를 수신하여 단시간 푸리에 변환(ShortTime Fourier Transform; STFT) 방식으로써 수집된 시간 축 데이터를 짧은 간격으로 푸리에 변환(Fourier transform)하여 주파수 축으로 나열하고, 시간 축으로 축적시켜 분석 결과를 그래프로 도출하였다.
이에 따른 도 3c를 참조하면, 일반 레이더와 마찬가지로 송신 안테나(Tx) 및 수신 안테나(Rx)에서 같은 편파를 이용했음에도 불구하고, 드론 프로펠러의 각도로 인해 마이크로 도플러가 거의 나타나지 않음을 확인할 수 있다.
도 3d를 참조하면, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템은 수직 편파의 송신 안테나(Tx) 및 수평 편파의 수신 안테나(Rx)를 사용하여 실제 측정된 작동 중인 드론에 대한 마이크로 도플러를 분석한 결과를 나타낸다. 이때, 도 3b와 동일하게 두 안테나의 편파를 다르게 사용하여 드론 프로펠러에서 생성되는 도플러 신호의 교차 편파를 측정할 수 있다.
다만, 감지 대상인 드론 프로펠러의 회전축은 송신 안테나를 통한 레이더 송신파 전파 방향에 수평 방향으로 위치하도록 하였다. 이때, 상기 수평 방향이라 함은 드론 프로펠러의 '회전 축 방향'이 송신파 전파 방향과 수직한 방향인 것일 수 있다.
이후, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템은 드론 프로펠러의 마이크로 도플러 신호를 수신하여 단시간 푸리에 변환(ShortTime Fourier Transform; STFT) 방식으로써 수집된 시간 축 데이터를 짧은 간격으로 푸리에 변환(Fourier transform)하여 주파수 축으로 나열하고, 시간 축으로 축적시켜 분석 결과를 그래프로 도출하였다.
이에 따라서, 도 3d에 도시된 바와 같이, 드론 프로펠러에서 마이크로 도플러가 상당히 크게 발생하는 것을 확인할 수 있다. 이러한 결과는 동일한 편파를 사용한 도 3a의 결과와 유사한 주기성과 도플러 주파수 크기를 갖는다.
본 발명의 실시예에 따른 드론의 다각적 판별 시스템은 기존의 레이더 편파로 획득할 수 없었던 드론 프로펠러 수평 방향의 마이크로 도플러 신호를 획득하기 위하여 편광분석(Polarimetric) 방식의 레이더 시스템을 사용한다.
상기 편광분석 방식은 두 가지 편파, 즉 수직(Tx)­수직(Rx) 편파 및 수직(Tx)­수평(Rx) 편파를 각각 사용하여 더 많은 정보를 수집하는 기술이다. 특히, 획득하기 어려운 드론 프로펠러의 수평 방향에 대한 마이크로 도플러 특성이 수직(Tx)­수평(Rx) 편파를 사용할 경우 상당한 크기로 잡히는 것을 확인하였기 때문에(도 3d), 이를 활용하여 드론의 다각도 방향에 따른 마이크로 도플러의 분석이 가능하다.
다만, 드론 프로펠러의 마이크로 도플러 신호는 2차원으로 표시될 수 있으며, 그 주기가 짧고 도플러 주파수가 크기 때문에 패턴 자체가 상당히 복잡하다. 그러므로 특정 패턴을 찾아내기 위한 알고리즘을 생성하는 데 어려움이 존재하였다.
본 발명의 실시예에 따른 드론의 다각적 판별 시스템은 이러한 기존 방법의 한계를 극복하기 위해, 머신 러닝 기법(Machine Learning)을 사용하여 패턴의 규칙성을 학습시켜 드론의 마이크로 도플러 특성을 파악할 수 있다.
이에 따른 도 3a 내지 도 3d에 도시된 결과를 참조하면, 본 발명의 실시예에 따른 드론의 다각적 판별 시스템은 송신 안테나(Tx) 및 수신 안테나(Rx)의 편파와 드론 프로펠러의 회전축과 송신 안테나를 통한 레이더 송신파 전파 방향의 수직 및 수평 방향을 제어함으로써, 종래 기술의 한계점인 드론 프로펠러 옆면에 대한 레이더 탐지의 어려움을 해결할 수 있다.
도 4는 본 발명의 실시예에 따른 드론의 다각적 판별 방법의 흐름도를 도시한 것이다.
도 4에 도시된 방법은 도 1에 도시된 본 발명의 실시예에 따른 드론의 다각적 판별 시스템에 의해 수행될 수 있다.
단계 410에서 송신 안테나를 통해 시간에 따라 변하는 송신 신호를 송출한다.
단계 410은 수직방향의 단일 편파를 사용하는 송신 안테나를 통해 송신 신호를 송출하는 단계일 수 있다.
단계 420에서 수신 안테나를 통해 송신 신호에 대응하여 탐지 영역 내 감지 대상으로부터 반사된 신호 정보를 수신한다.
단계 420은 수직방향 또는 수평방향의 복수 편파를 사용하는 수신 안테나를 통해 신호 정보를 수신하는 단계일 수 있다.
예를 들면, 송신 안테나 및 수신 안테나는 선형 주파수 변조(linear frequency modulation; LFM) 신호 발생기에서 생성되는 선형 주파수 변조 신호를 연속적으로 송출 및 수신할 수 있다.
단계 430에서 수신된 신호 정보를 기반으로 연속적인 도플러 변화로부터 감지 대상에 대한 마이크로 도플러(Micro­Doppler)의 패턴 특성을 추출한다.
예를 들면, 단계 430은 감지 대상에 대해 수신된 신호 정보와, 선형 주파수 변조 신호 발생기에서 생성되는 선형 주파수 변조 신호(LFM 신호)를 혼합하여 생성된 중간 주파수(Intermediate Frequency; IF) 신호로부터 추출되는 기저대의 I/Q 신호를 획득할 수 있다. 여기서, 상기 I/Q 신호는 IQ 복조기(IQ demodulator)에 의해 추출될 수 있다.
이후, 단계 430은 I/Q 신호로부터 일정 시간 동안의 도플러 편이를 산출하여 연속적인 도플러 변화를 획득하며, 감지 대상에 대한 마이크로 도플러의 패턴 특성을 추출하는 단계일 수 있다.
단계 440에서 마이크로 도플러의 패턴 특성을 이미지화하여 저장한다.
예를 들면, 감지 대상에 대한 마이크로 도플러의 패턴 특성은 도 3a 내지 도 3d에 도시된 바와 같은 컬러 이미지로 이미지화되어 저장될 수 있다.
단계 450에서 저장된 이미지와 데이터베이스에 저장되어 유지되는 판별 물체에 대한 이미지를 비교하여 드론 여부를 판별한다.
단계 450은 저장된 이미지에 머신 러닝 기법인 콘볼루션 신경망(Convolution Neural Network) 알고리즘을 적용하여 감지 대상에 대한 이미지의 패턴을 분석할 수 있다.
상기 콘볼루션 신경망은 머신 러닝(Machine Learning) 기법 중 하나로, 복잡한 패턴의 이미지 패턴 분석을 통하여 추출하고자 하는 이미지를 판별할 수 있는 식별 모델이다.
이후, 단계 450은 분석 결과를 기반으로 데이터베이스에 저장되어 유지되는 판별 물체에 대한 이미지의 패턴을 비교하여 감지 대상의 드론 여부를 판별하는 단계일 수 있다.
도 5는 본 발명의 실시예에 따른 드론의 다각적 판별 알고리즘 예를 도시한 것이다.
도 5에 도시된 알고리즘은 도 1에 도시된 본 발명의 실시예에 따른 드론의 다각적 판별 시스템 또는 도 4에 도시된 본 발명의 실시예에 따른 드론의 다각적 판별 방법에 의해 수행될 수 있다.
도 5를 참조하면, 본 발명은 편광분석(Polarimetric) 방법을 사용하여 드론의 다각도를 측정할 수 있다.
단계 510에서 본 발명은 송신 안테나를 통해 시간에 따라 변하는 송신 신호를 송출하고, 송신 신호에 대응하여 탐지 영역 내 감지 대상으로부터 반사된 신호 정보를 수신한다.
이후, 단계 520에서 목표물인 감지 대상을 탐지한다. 실시예에 따라서, 상기 감지 대상을 식별하기 위한 정보로서 감지 대상의 길이를 획득할 수 있으며, 감지 대상의 길이는 레이더 영상을 이용하여 추정될 수 있다.
그러므로, 단계 520에서 일정 이상의 신호 대 잡음비(signal to noise ratio)를 갖는 감지 대상(목표물)이 탐지되는 경우, 단계 530은 감지 대상을 식별하기 위한 레이더 신호의 신호 정보로부터 마이크로 도플러 신호를 생성하여 분석한다.
이때, 상기 마이크로 도플러 신호는 도 3a 내지 도 3d와 같은 2차원 컬러 이미지로 이미지화되어 저장될 수 있다.
이후, 단계 540은 저장된 감지 대상에 대한 마이크로 도플러 이미지와, 데이터베이스에 학습시켜 저장된 드론의 이미지에 대한 특성 분석을 진행한다.
예를 들면, 본 발명은 저장된 감지 대상에 대한 마이크로 도플러 이미지에 머신 러닝 기법인 콘볼루션 신경망(Convolution Neural Network; CNN) 알고리즘을 적용하여 감지 대상에 대한 이미지의 패턴을 분석할 수 있다. 이후, 단계 540은 분석 결과를 기반으로 데이터베이스에 저장되어 유지되는 판별 물체에 대한 이미지의 패턴을 비교할 수 있다.
이에 따른 단계 550에서, 본 발명은 단계 540를 통해 수신된 비교 결과로부터 드론 여부를 판별한다.
단계 550에서 감지 대상에 대한 이미지 패턴과 데이터베이스에 저장되어 유지되는 드론 이미지의 패턴이 일치하는 경우, 단계 560은 감지 대상을 드론으로 결정하여 표기한다.
실시예에 따라서, 단계 560은 화면을 통해 드론을 나타내는 모형, 형태, 숫자, 이미지 및 글씨 중 적어도 어느 하나 이상을 디스플레이할 수 있으며, 음성, 소리 및 불빛 중 적어도 어느 하나 이상을 출력하여 표기할 수도 있다. 또한, 상기 화면 외에 외부 서버 또는 사용자(또는 관리자)의 단말기로 드론에 대한 정보를 전송할 수도 있다.
다만, 단계 550에서 감지 대상에 대한 이미지 패턴과 데이터베이스에 저장되어 유지되는 드론 이미지의 패턴이 일치하지 않는 경우, 단계 570은 다각도적 분석을 위해서 다른 편파의 마이크로 도플러 특성을 분석하여 한번 더 검증을 한다.
예를 들면, 단계 570은 송신 안테나(Tx) 및 수신 안테나(Rx)의 수직 또는 수평 편파, 및 드론 프로펠러의 회전축과 송신 안테나를 통한 레이더 송신파 전파 방향의 수직 또는 수평 방향을 제어함으로써, 감지 대상에 대한 마이크로 도플러 특성 분석을 수행할 수 있다.
이후, 단계 580에서 한번 더 분석된 감지 대상에 대한 마이크로 도플러의 이미지 패턴과 데이터베이스에 저장되어 유지되는 드론 이미지의 패턴을 비교하여 드론 여부를 판별한다.
단계 580에서 한번 더 분석된 다른 편파의 마이크로 도플러로부터 드론 특성이 발견되는 경우에는 단계 560을 통해 감지 대상이 드론임을 표기하고, 단계 580에서 한번 더 분석된 다른 편파의 마이크로 도플러 또한, 드론이 아닐 경우에는 단계 590을 통해 감지 대상이 드론의 RCS(Radar Cross Section, 레이더 반사면적)와 유사한 조류임을 표기한다.
실시예에 따라서, 단계 590은 화면을 통해 조류를 나타내는 모형, 형태, 숫자, 이미지 및 글씨 중 적어도 어느 하나 이상을 디스플레이할 수 있으며, 음성, 소리 및 불빛 중 적어도 어느 하나 이상을 출력하여 표기할 수도 있다. 또한, 상기 화면 외에 외부 서버 또는 사용자(또는 관리자)의 단말기로 조류에 대한 정보를 전송할 수도 있다.
이에 따라서, 단계 560 및 단계 590에서 감지 대상에 대한 드론 또는 조류를 표기하여 본 발명의 실시예에 따른 드론의 다각적 판별 알고리즘을 종료한다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD­ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기­광 매체(magneto­optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100, 210: 드론의 다각적 판별 시스템
110: 송신부
111: 주파수 상향 변환기(Up converter)
112: 파워엠프
113: 송신 안테나
120: 수신부
121: 수신 안테나
122: 저잡음 증폭기(Low Noise Amplifier)
123: 믹서(Mixer)
124: 로컬 오실레이터(Local Oscillator)
125: IF 믹서(Intermediate Frequency Mixer)
220: 관측 망

Claims (20)

  1. 송신 안테나를 통해 시간에 따라 변하는 송신 신호를 송출하는 송신부;
    수신 안테나를 통해 상기 송신 신호에 대응하여 탐지 영역 내 감지 대상으로부터 반사된 신호 정보를 수신하는 수신부;
    상기 수신된 신호 정보를 기반으로 연속적인 도플러 변화로부터 상기 감지 대상에 대한 마이크로 도플러(Micro­Doppler)의 패턴 특성을 추출하는 연산부;
    상기 마이크로 도플러의 패턴 특성을 이미지화하여 저장하는 저장부; 및
    상기 저장된 이미지와 데이터베이스부에 저장되어 유지되는 판별 물체에 대한 이미지를 비교하여 드론 여부를 판별하는 제어부
    를 포함하는 드론의 다각적 판별 시스템.
  2. 제1항에 있어서,
    상기 송신 안테나 및 상기 수신 안테나 중 어느 하나는
    선형 주파수 변조(linear frequency modulation; LFM) 신호 발생기에서 생성되는 선형 주파수 변조 신호(LFM 신호)를 연속적으로 송출 및 수신하는 드론의 다각적 판별 시스템.
  3. 제2항에 있어서,
    상기 송신부는
    주파수 상향 변환기(Up converter)를 이용하여 상기 선형 주파수 변조 신호를 타겟 주파수로 변환하고, 증폭시켜 상기 송신 안테나를 통해 송출하는 드론의 다각적 판별 시스템.
  4. 제3항에 있어서,
    상기 송신부는
    수직방향의 단일 편파를 사용하는 상기 송신 안테나를 포함하는 것을 특징으로 하는 드론의 다각적 판별 시스템.
  5. 제1항에 있어서,
    상기 수신부는
    수직방향 또는 수평방향의 복수 편파를 사용하는 상기 수신 안테나를 포함하는 것을 특징으로 하는 드론의 다각적 판별 시스템.
  6. 제5항에 있어서,
    상기 수신부는
    상기 감지 대상에 반사된 전파를 상기 복수 편파의 안테나로 각각 수신하며, 저잡음 증폭기(Low Noise Amplifier)를 통해 상기 수신된 신호 정보의 수신 감도를 향상시키는 드론의 다각적 판별 시스템.
  7. 제2항에 있어서,
    상기 연산부는
    상기 감지 대상에 대한 상기 수신된 신호 정보와, 상기 선형 주파수 변조 신호를 혼합하여 생성된 중간 주파수(Intermediate Frequency; IF) 신호로부터 추출되는 기저대의 I/Q 신호를 획득하는 드론의 다각적 판별 시스템.
  8. 제7항에 있어서,
    상기 연산부는
    상기 I/Q 신호로부터 일정 시간 동안의 도플러 편이를 산출하여 상기 연속적인 도플러 변화를 획득하며, 상기 감지 대상에 대한 상기 마이크로 도플러(Micro­Doppler)의 패턴 특성을 추출하는 드론의 다각적 판별 시스템.
  9. 제1항에 있어서,
    상기 제어부는
    상기 저장부에 저장된 상기 감지 대상에 대한 이미지에 콘볼루션 신경망(Convolution Neural Network) 알고리즘을 적용하여 상기 감지 대상에 대한 이미지의 패턴을 분석하는 드론의 다각적 판별 시스템.
  10. 제9항에 있어서,
    상기 제어부는
    상기 분석 결과를 기반으로 상기 데이터베이스부에 저장되어 유지되는 상기 판별 물체에 대한 이미지의 패턴을 비교하여 상기 감지 대상의 드론 여부를 판별하는 드론의 다각적 판별 시스템.
  11. 제10항에 있어서,
    상기 제어부는
    상기 감지 대상에 대한 판별이 불가능한 경우, 수직방향 또는 수평방향의 복수 편파를 사용하는 상기 수신 안테나의 편파를 제어하는 것을 특징으로 하는 드론의 다각적 판별 시스템.
  12. 제11항에 있어서,
    상기 제어부는
    상기 감지 대상의 회전축과 상기 송신 신호의 전파 방향이 수직 또는 수평한 방향이 되도록 상기 송신 안테나의 위치를 제어하는 것을 특징으로 하는 드론의 다각적 판별 시스템.
  13. 드론의 다각적 판별 시스템의 동작 방법에 있어서,
    송신 안테나를 통해 시간에 따라 변하는 송신 신호를 송출하는 단계;
    수신 안테나를 통해 상기 송신 신호에 대응하여 탐지 영역 내 감지 대상으로부터 반사된 신호 정보를 수신하는 단계;
    상기 수신된 신호 정보를 기반으로 연속적인 도플러 변화로부터 상기 감지 대상에 대한 마이크로 도플러(Micro­Doppler)의 패턴 특성을 추출하는 단계;
    상기 마이크로 도플러의 패턴 특성을 이미지화하여 저장하는 단계; 및
    상기 저장된 이미지와 데이터베이스에 저장되어 유지되는 판별 물체에 대한 이미지를 비교하여 드론 여부를 판별하는 단계
    를 포함하는 드론의 다각적 판별 방법.
  14. 제13항에 있어서,
    상기 송신 신호를 송출하는 단계는
    수직방향의 단일 편파를 사용하는 상기 송신 안테나를 통해 상기 송신 신호를 송출하는 것을 특징으로 하는 드론의 다각적 판별 방법.
  15. 제13항에 있어서,
    상기 신호 정보를 수신하는 단계는
    수직방향 또는 수평방향의 복수 편파를 사용하는 상기 수신 안테나를 통해 상기 신호 정보를 수신하는 것을 특징으로 하는 드론의 다각적 판별 방법.
  16. 제13항에 있어서,
    상기 마이크로 도플러의 패턴 특성을 추출하는 단계는
    상기 감지 대상에 대한 상기 수신된 신호 정보와, 선형 주파수 변조(linear frequency modulation; LFM) 신호 발생기에서 생성되는 선형 주파수 변조 신호(LFM 신호)를 혼합하여 생성된 중간 주파수(Intermediate Frequency; IF) 신호로부터 추출되는 기저대의 I/Q 신호를 획득하는 드론의 다각적 판별 방법.
  17. 제16항에 있어서,
    상기 마이크로 도플러의 패턴 특성을 추출하는 단계는
    상기 I/Q 신호로부터 일정 시간 동안의 도플러 편이를 산출하여 상기 연속적인 도플러 변화를 획득하며, 상기 감지 대상에 대한 상기 마이크로 도플러(Micro­Doppler)의 패턴 특성을 추출하는 드론의 다각적 판별 방법.
  18. 제13항에 있어서,
    상기 드론 여부를 판별하는 단계는
    상기 저장된 이미지에 콘볼루션 신경망(Convolution Neural Network) 알고리즘을 적용하여 상기 감지 대상에 대한 이미지의 패턴을 분석하는 드론의 다각적 판별 방법.
  19. 제18항에 있어서,
    상기 드론 여부를 판별하는 단계는
    상기 분석 결과를 기반으로 상기 데이터베이스에 저장되어 유지되는 상기 판별 물체에 대한 이미지의 패턴을 비교하여 상기 감지 대상의 드론 여부를 판별하는 드론의 다각적 판별 방법.
  20. 제13항 내지 제19항 중 어느 한 항의 방법을 수행하기 위하여 컴퓨터로 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
KR1020170073669A 2017-06-13 2017-06-13 드론의 다각적 판별 시스템 및 그 방법 KR102010130B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170073669A KR102010130B1 (ko) 2017-06-13 2017-06-13 드론의 다각적 판별 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170073669A KR102010130B1 (ko) 2017-06-13 2017-06-13 드론의 다각적 판별 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20180135546A true KR20180135546A (ko) 2018-12-21
KR102010130B1 KR102010130B1 (ko) 2019-08-12

Family

ID=64959904

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170073669A KR102010130B1 (ko) 2017-06-13 2017-06-13 드론의 다각적 판별 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102010130B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102317856B1 (ko) * 2021-04-22 2021-10-26 주식회사 에스아이에이 이동 물체 탐지 방법 및 장치
CN113985384A (zh) * 2021-12-28 2022-01-28 中南大学 一种基于模板匹配的空间目标平动补偿方法及装置
KR20230154672A (ko) 2022-05-02 2023-11-09 한국과학기술원 다채널 레이더에서의 딥러닝 알고리즘을 이용한 타겟 드론의 고도 실시간 추정 방법 및 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR0142945B1 (ko) 1995-09-29 1998-08-01 김태구 해치 백 자동차의 트렁크 셀프 트림 구조
JPH10293176A (ja) * 1997-04-16 1998-11-04 Nec Corp 目標信号検出方法及び装置
KR101007216B1 (ko) * 2010-08-25 2011-01-12 삼성탈레스 주식회사 장거리 탐지용 레이더 장치
JP2016133319A (ja) * 2015-01-16 2016-07-25 株式会社東芝 レーダ信号処理装置
KR101697542B1 (ko) 2016-07-29 2017-01-18 아스텔 주식회사 모션 감지용 펄스 도플러 레이더 장치 및 모션감지 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR0142945B1 (ko) 1995-09-29 1998-08-01 김태구 해치 백 자동차의 트렁크 셀프 트림 구조
JPH10293176A (ja) * 1997-04-16 1998-11-04 Nec Corp 目標信号検出方法及び装置
KR101007216B1 (ko) * 2010-08-25 2011-01-12 삼성탈레스 주식회사 장거리 탐지용 레이더 장치
JP2016133319A (ja) * 2015-01-16 2016-07-25 株式会社東芝 レーダ信号処理装置
KR101697542B1 (ko) 2016-07-29 2017-01-18 아스텔 주식회사 모션 감지용 펄스 도플러 레이더 장치 및 모션감지 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Matthew Ritchie 외 2명. Monostatic and bistatic radar measurements of birds and micro-drone. 2016 IEEE Radar Conference (RadarConf). 6 May 2016, pp.1-5. *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102317856B1 (ko) * 2021-04-22 2021-10-26 주식회사 에스아이에이 이동 물체 탐지 방법 및 장치
CN113985384A (zh) * 2021-12-28 2022-01-28 中南大学 一种基于模板匹配的空间目标平动补偿方法及装置
CN113985384B (zh) * 2021-12-28 2022-05-24 中南大学 一种基于模板匹配的空间目标平动补偿方法及装置
KR20230154672A (ko) 2022-05-02 2023-11-09 한국과학기술원 다채널 레이더에서의 딥러닝 알고리즘을 이용한 타겟 드론의 고도 실시간 추정 방법 및 시스템

Also Published As

Publication number Publication date
KR102010130B1 (ko) 2019-08-12

Similar Documents

Publication Publication Date Title
Ezuma et al. Micro-UAV detection and classification from RF fingerprints using machine learning techniques
KR102516367B1 (ko) 레이더 데이터를 처리하는 장치 및 방법
US11340332B2 (en) Method and apparatus for processing radar data
US20160187477A1 (en) Surveillance apparatus having a radar sensor
KR101695547B1 (ko) Gps 누설 신호를 이용한 무인기 감지 방법 및 시스템
EP3293536B1 (en) Systems and methods for spatial filtering using data with widely different error magnitudes
US10663561B2 (en) Radar signal processing device
KR102010130B1 (ko) 드론의 다각적 판별 시스템 및 그 방법
US10768292B2 (en) Surveillance apparatus having a radar sensor
US20200319302A1 (en) Radar-Based Multi-Dimensional Motion Measurement For Gesture Recognition
EP3167309B1 (en) Encoder-less lidar positioning technique for detection and alarm
Paredes et al. A Gaussian Process model for UAV localization using millimetre wave radar
Pisane et al. Automatic target recognition for passive radar
KR20210060844A (ko) 레이더 센서를 이용한 3차원 위치 측정 방법 및 장치
EP3293537B1 (en) Systems and methods for adding functional grid elements to stochastic sparse tree grids for spatial filtering
US20230139751A1 (en) Clustering in automotive imaging
JP2017211348A (ja) 軌跡推定装置、軌跡推定方法及びプログラム
CN110488239A (zh) 基于调频连续波雷达的目标检测方法
US11892558B2 (en) Method and apparatus for estimating direction of arrival of radar reception signal using antenna array extrapolation
Liang et al. An improved sensing method using radio frequency detection
Mata-Moya et al. 4d passive radar for drone detection and tracking
Zhou et al. Unmanned aerial vehicle detection based on channel state information
Yang et al. Human Intrusion Detection System using mm Wave Radar
Singh et al. Co-channel interference between WiFi and through-wall micro-doppler radar
Sreekantamurthy et al. A proposed concept for metacognitive configuration switching for tracking radar systems

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant