Earticle

본 논문에서는 드론을 효과적으로 탐지하기 위해 사용되고 있는 주파수 호핑(Frequency Hopping) 신호 분석 방법과 그 정확도를 비교하였다. 일반적으로 다중 드론의 탐지와 추적을 위해 사용되는 수신 신호의 FFT(Fast Fourier Transform)와 K-평균(K-means) 군집화 기법은 복잡한 운용 환경에서의 간섭 신호와 호핑 시퀀스가 교란(Perturbed)된 상황에서 탐지 정확도가 저하되는 문제가 있다. 본 연구에서는 다수의 드론으로부터 수신되는 신호를 디지털 하향 변환 (Digital Down Conversion), 비교 대상 신호와의 컨볼루션(Convolution) 기반 매칭, 가중치 기반 K-평균(Weighted K-means) 군집화 기법을 사용하여 호핑 신호 탐지 정확도를 비교하였다. 제안된 방법은 낮은 SNR(≤-5dB) 환경에서도 기존 FFT 기법 대비 우수한 탐지 성능을 보였으며, 잡음과 주파수 호핑 시퀀스의 교란(10% perturbed) 상황에서도 우수 한 특성을 나타냈다. 본 연구 결과는 실제 다중 경로 반사 등의 복잡한 드론 운용 환경에서 신뢰성 있는 호핑 신호 탐지 기법으로 활용될 수 있으며, 특히 군용 군집 무인기(UAV) 탐지 및 추적 시스템에 널리 사용될 수 있을 것으로 판단된다.

This paper presents the accuracy of frequency hopping signal analysis techniques used to effectively detect drones. In general, the FFT(Fast Fourier Transform) of the received signals and K-means clustering technique, which are used for multiple drone detection and tracking, have a problem on detection accuracy in complex operating environments with interference signals and perturbed hopping sequences. In this study, we compare the accuracy of hopping signal detection using digital down conversion, convolution-based matching with the reference signals, and weighted K-means clustering techniques for multiple drone signals. The proposed method demonstrates reliable performance in low-SNR(≤-5dB) environments and shows robustness against 10% perturbed hopping signal conditions. The results presented in this study can be utilized as a reliable hopping signal detection technique in such environments involving multipath reflections and other RF interferences. In particular, it is expected to be widely applicable to the military unmanned aerial vehicle (UAV) swarm detection and tracking systems.

본 논문에서는 단순화한 색상 정보에 기반한 컨벌류션 정합(Convolution Matching)을 이용하여 차량을 검출하는 기법을 제안한다. 입력 영상을 화소 색상 벡터의 방향을 고려해 8방향 색상(Red, Green, Blue Cyan, Yellow, Magenta, White, Black)으로 표현한다. 8 방향 색상의 표현은 조명이나 환경 변화에 강인한 영상을 제공한다. 본 논문의 차량 검출 단계는 크게 후보 영역 검출 단계와 차량 검증 단계로 구성된다. 후보 영역 검출 단계에서는 수직 에지와 그림자 등을 고려하여 차량의 후보 영역을 결정한다. 차량 검증 단계에서는 차량을 판별하기 위해 컨벌류션 정합과 후보 영역내의 에지 복잡도를 사용한다. 제안하는 차량 검출 알고리즘은 조명이나 환경이 변화하는 다양한 실험들에서 빠르고 높은 검출률을 보였다.

This paper presents a vehicle detection method that uses convolution matching method based on a simple color information. An input image is expressed as 8 oriented color expression(Red, Green, Blue, White, Black, Cyan, Yellow, Magenta) considering an orientation of a pixel color vector. It makes the image very reliable and strong against changes of illumination condition or environment. This paper divides the vehicle detection into a hypothesis generation step and a hypothesis verification step. In the hypothesis generation step, the vehicle candidate region is found by vertical edge and shadow. In the hypothesis verification step, the convolution matching and the complexity of image edge are used to detect real vehicles. It is proved that the proposed method has the fast and high detection rate on various experiments where the illumination source and environment are changed.