Small-sized Unmanned Aerial Vehicle (UAV) or drone becomes one of fast-growing techniques. Based on these social changes, a radar system for detecting and tracking a drone also becomes important. However, conventional radar systems are not efficient for drones. Characteristics of a drone signal affect to traditional detection algorithms, so they cause low detection accuracy. In this paper, we propose the detection algorithm which uses neural network-based machine learning technique and FMCW radar system. With neural networks, the proposed algorithm can distinguish changeable drone signal and others in real time. Therefore, the radar system can achieve higher accuracy than conventional radar systems. We experiment various detection processes of reflected drone signal with different neural networks, and implement our own appropriate neural network. We compare the proposed detection algorithm with a traditional detection algorithm based on reflected drone signal from FMCW radar system. Results shows that the proposed MLP-based detection algorithm makes 42.1% lower detection fault rate in average. It also achieves 35.7% higher detection accuracy in average with the first experiment. In the second experiment, it achieves 33.0% higher detection accuracy in average with 5MHz ADC sampling rate. For drone tracking, the proposed algorithm can track the drone beat frequency with the similar accuracy to the traditional algorithm. Moreover, the neural network-based detection algorithm takes about 45ms from receiving signal data stream as an input to returning a detection result.
드론(drone)으로 대표되는 소형 무인기 기술은 사회 전반에 걸쳐 매우 빠르게 확장되고 있다. 이 같은 사회 변화에서 드론을 활용하는 기술과 함께 운항 중인 드론을 탐지하고 경로를 추적하는 레이다 시스템(radar system)도 중요한 기술로써 각광받고 있다. 하지만 이전까지 운용되었던 레이다 시스템은 드론을 탐지하고 추적하는데에 효율적이지 못하다. 드론에 대한 레이다 반사 신호의 특수성은 기존의 탐지 기법에 영향을 주며, 결과적으로 레이다 시스템의 탐지율을 크게 저하시키는 원인으로 작용한다. 본 논문에서는 인공 신경망(neural network) 기반의 드론 탐지 기법과 이를 적용한 FMCW 레이다 시스템을 제안한다. 본 논문에서 제안하는 탐지 기법은 인공 신경망을 이용하여 실시간으로 변화하는 드론 및 주위 환경의 신호를 학습한다. 이를 바탕으로 기존의 탐지 기법보다 높은 정확도로 드론 탐지 및 추적이 가능하다. 본 논문에서는 다양한 종류의 인공 신경망을 이용하여 드론의 신호 탐지를 수행하였고, 드론 탐지에 최적화 된 인공 신경망을 설계 및 구현하였다. 실제 FMCW 레이다 시스템에서 탐지한 드론의 반사 신호를 바탕으로 기존의 탐지 기법과 본 논문에서 구현한 탐지 기법을 비교하였다. 제시한 기법을 통해 오탐지 발생률은 평균 42.1% 감소하였고 탐지 정확도는 첫 번째 실험에서 평균 35.7%, 두 번째 실험에서 5MHz ADC sampling rate 기준 평균 33.0% 증가하였다. 드론 추적에 대해서는 기존 탐지 기법과 비슷한 수준의 정확도를 보였다. 추가적으로 레이다 신호를 입력으로 받아 드론 신호 탐지를 완료하기까지 평균 45ms가 소요됨을 확인하였다.
