This paper aim to apply the threshold detection model to K-Band RADAR for detection of small drones and to identify drone by utilizing micro Doppler technique.
The RADAR used in this thesis is a K-band FMCW RADAR at 24.615- 24.565GHz combined with an antenna having a narrow 3dB beam width of 1$^\circ$.
A threshold model was established with the RADAR. The Neyman-Pearson Detection Rule that provides fixed threshold and the CFAR technique that provides flexible reference lines are used for establishing the model. At this time, because the experimental design was to detect one target drone, and although it rained during the experiment, the noise caused by clutter is smaller than the SNR, so the noise was considered as homogenous. And CA-CFAR which works best in homogenous situation was applied. As a result, a model with a probability of detection greater than 99% when the probability of false alarm is fixed as $10^{-4}$% and SNR greater than 30dB was established. So, using this radar, the drones invading at low altimeter can be detected.
With detected results, the drone was identified using micro doppler technology. Results of extracting MDS from target location were compared with noise’s MDS, and the difference of result between target and noise was a periodic pattern. These periodic patterns mean periodic movements, which are effective in distinguishing drones from unwanted targets(such as birds). In other words, micro doppler is used to check the detected object is drone or not.
이 논문은 소형 드론 탐지를 위해 K밴드 레이더에 기준선 탐지 모델을 적용하고 마이크로 도플러 기법을 활용해 드론을 식별하는 것을 목표로 한다. 본 논문에서 사용되는 RADAR은 3dB 빔 너비가 1$%\circ$인 안테나와 결합된 24.615- 24.565GHz의 K-밴드 FMCW RADAR이다. RADAR과 함께 기준선 탐지 모델이 설정되었다. 고정된 임계값을 제공하는 Neyman-Pearson 검출 규칙과 유연한 임계값을 제공하는 CFAR 기법을 사용하여 모델을 설정한다. 이때 실험 설계는 대상 드론 1대를 탐지하는 것이었고, 실험 도중 비가 왔지만, 이로인한 소음이 SNR에 비해 작기 때문에 소음이 균질하다고 여겨 단일타겟에 대해 균질한 상황에서 가장 잘 작동하는 CA-CFAR이 적용되었다. 그 결과, 거짓 경보 발생 확률을 $10^{-4}$%로 고정하고 SNR이 30dB를 초과하는 검출 확률이 99%를 초과하는 모델이 확립되었다. 결과적으로 이 레이더를 이용하면 낮은 고도에서도 침입하는 드론을 탐지할 수 있다고 판단하였다. 탐지된 결과를 활용하여 마이크로 도플러 기술을 이용해 드론여부를 식별하였다. 대상 위치에서 MDS를 추출한 결과를 노이즈의 MDS와 비교했으며, 타겟과 노이즈 MDS의 가장 큰 차이는 주기적인 패턴의 유무였다. 이러한 주기적 패턴은 주기적 움직임을 의미하며, 드론과 원치 않는 표적(새 등)을 구분하는 데 효과적이다. 즉, 검출된 물체가 드론인지 아닌지를 확인하기 위해 마이크로 도플러를 사용하면 효과적으로 구분할 수 있다.