As the market for drones grows rapidly in recent years, drones are getting smaller, faster, and smarter because of artificial intelligence. As a result, serious problems such as privacy violations and terrorism are rapidly increasing as well as problems such as crashes and falls of drones. To cope with these threats, it is necessary to develop a radar capable of detecting small drones.
In this paper, I propose frequency modulated continuous wave (FMCW) radar systems for small drone detection. Compared to pulse radar, FMCW radar is excellent in price, peak power, and resolution. Also, in the manner of operation, the pulse radar has a limitation on the minimum detection range, while the FMCW radar has no limitation. However, due to the way the FMCW radar emits signals continuously, the leakage signal from the transmitter to the receiver causes several problems. Among them, the problem that the phase noise of the leakage signal seriously degrades the SNR (Signal to Noise Ratio) in the FMCW radar affects the direct detection. In this paper, the FMCW radar systems are designed and produced to perform the analyses on actual signals and noises, and the phase noise of leakage signal is especially analyzed in detail. Then, based on the analyses on the phase noise, novel techniques to lower the noise floor are proposed, resulting in successful detection of small drones that are difficult to detect due to the small radar cross section (RCS). In addition, the results of successfully classifying small drones based on deep learning along with the proposed techniques are shown.
More specific research in this paper are as follows. First, I propose the stationary point concentration (SPC) technique that greatly increases the SNR by concentrating the phase noise of the leakage signal, which appears as a voltage or current noise, at the stationary point on a sinusoidal signal. The theory and realization method of the proposed SPC technique are presented, its performance is predicted based on the simulation results, and finally, the SPC technique is applied to the produced FMCW radar to verify its performance. In the experiments of verification, commercial drones, DJI Inspire 1 and DJI Spark, a small palm-sized drone, were used. Experimental results show that the degree of improvement predicted by simulations is almost matched with the actual degree of improvement and that the SPC technique significantly lowers the noise floor up to about 10.5 dB and at least about 5.2 dB so that improves SNR for small drones. The proposed SPC technique is an original and novel leakage mitigation method that is completely different from the traditional approach, it has the advantage of being realized only by digital signal processing through the strategic frequency planning and oversampling without additional hardware. Moreover, by compensating for delays within radar hardware systems, more accurate distance information of targets can be obtained.
Additionally, through detection experiments using a little-finger sized micro-drone, CHERSON CX-10A, it is shown that the signal of micro-drone buried in the noise floor is detected successfully after the SPC technique is applied. This experiment is an unprecedented ultra-small drone detection experiment, and it is significant in that it has set a new record for ultra-small drone detection by applying the SPC technique.
Second, for detecting small moving drones, the SPC technique is extended to a range-Doppler (r-D) map, the result of the two-dimensional (2-D) Fourier transform. In the r-D map, the leakage signal has a problem that increases the entire two-dimensional noise floor. In addition, in practical radar systems, distorted velocity information of small moving drones are measured in the r-D map due to the problem of the Doppler shift in the radar system. In this study, the theoretical analyses on the causes of these problems are presented and verified experimentally. Then, the theory and experiments verify that the SPC technique not only reduces the 2-D noise floor but also resolves the problem of the Doppler shift by making radar coherent through the phase calibration effect. As a result of applying the SPC technique to a problematic radar system where the 2-D noise floor is raised by the leakage signal and the Doppler frequency changes at every measurement, it is shown that the SPC technique significantly lowers the 2-D noise floor up to about 23.3 dB and at least about 6.7 dB, and resolves the problem of randomly changed Doppler frequency. Therefore, the SNR of small moving drone, DJI Spark, is improved and its accurate velocity information can be obtained. Thanks to the aforementioned effects, the SPC technique can be used not only for simple target detection, but also for other radar applications such as coherent integration, static clutter suppression, motion detection/identification, micro-Doppler signature (MDS) classification, meteorological radar, synthetic aperture radar (SAR), and inverse SAR (ISAR).
Third, the advanced-SPC (A-SPC) technique, which improves the realization method of the SPC technique is proposed. In realizing the SPC technique, the A-SPC technique introduces a quadrature demodulator so that it enables the SPC technique to be implemented without the strategic frequency planning and oversampling, which were required by the original SPC technique. This allows all the effects of the SPC technique to be obtained while eliminating the limitation in frequency planning and reducing the costs of analog to digital converter (ADC) and memory that can occur due to oversampling. Besides, the A-SPC technique can obtain the aforementioned effects of the SPC technique regardless of the shape of the phase noise, so it can be applied in all kinds of FMCW radar systems regardless of the radar architecture. The results of experiments for the verification of the A-SPC technique show that the A-SPC technique improves the SNR additionally as well as expected effects. In addition, if the sampling frequency for the A-SPC technique is the same as the oversampling frequency in the SPC technique, it is possible to obtain a maximum unambiguous range of two times more than in the SPC technique. Moreover, it is proved that while the SPC technique can only be applied in the heterodyne FMCW radar, the A-SPC technique can be applied well in both the heterodyne FMCW radar, which has no range correlation effect, and the homodyne FMCW radar, which has the range correlation effect.
Forth, using the A-SPC technique, MDS images originated from the propellers of small drones are extracted, and the small drones are classified based on the self-designed Convolutional Neural Network (CNN). The A-SPC technique makes the MDS of small drones more vivid, thereby showing the features of MDS of each drone more clear so that it proves the classification rate of the small drones can be improved. Besides, unlike existing methods that mainly use the transfer learning with the well-known networks such as GoogLeNet, applying the A-SPC technique can achieve a high level of classification rate even with a light CNN using much fewer network parameters.
Fifth, the A-SPC technique is applied to SAR to improve the quality of a SAR image. After building automobile SAR (AutoSAR), which uses a car as a moving platform for SAR, and conducting SAR experiments, it is verified that the quality of the SAR image is improved when the SAR signal processing is performed with the A-SPC technique.
Additionally, I analyze the uncorrelated phase noise (UPN), which occurs in the heterodyne FMCW radar, and based on the analyses, I propose a strategic decision method for parameter values in FMCW radar for low noise floor over middle-long range. A formula for the degree of improvement due to the proposed decision method is devised, and the performance of the proposed method is verified with the experiments.
Through these studies in this paper, I verify that the proposed core technique, the SPC/A-SPC technique, greatly contributes to the successful detection and classification of small drones that pose serious threats to both civil and military recently. In addition, by applying the SPC/A-SPC technique to MDS extraction and SAR to improve their image quality, I verify that the proposed SPC/A-SPC technique has sufficient potential as a source technology for the FMCW radar.
최근 드론 시장이 빠르게 성장함에 따라, 드론은 더 작아지고, 빨라지고 있으며, 인공지능 기술 등으로 인해 영리해지고 있다. 이에 따라 드론의 충돌, 추락 등의 문제뿐만 아니라, 사생활 침해, 테러 등의 심각한 문제들도 빠르게 증가하고 있다. 이러한 위협에 대처하기 위해, 소형 드론을 탐지할 수 있는 레이다의 개발이 필요하다.
본 논문에서는 소형 드론 탐지를 위한 FMCW (Frequency Modulated Continuous Wave) 레이다 시스템을 제안한다. 펄스 레이다와 비교했을 때, FMCW 레이다는 비용, 첨두 출력 전력, 그리고 해상도에 있어 우수하다. 또한, 작동 방식에 있어, 펄스 레이다는 최소 탐지 범위에 제한이 있는 반면에, FMCW 레이다는 제한이 없다. 하지만, FMCW 레이다에는 신호를 연속적으로 방사하기 때문에, 송신기에서 수신기로 누설되는 누설 신호가 여러 문제를 초래한다. 그중에서도 누설 신호의 위상 잡음이 FMCW 레이다에서의 SNR (Signal to Noise Ratio)을 심각하게 저하하는 문제가 직접적인 탐지에 영향을 미친다. 본 논문에서는 FMCW 레이다 시스템을 설계 및 제작하여 실제 신호와 노이즈에 대한 분석을 수행하며, 특히 누설 신호의 위상 잡음에 대해 깊은 분석을 수행 한다. 그리고 위상 잡음에 대한 분석을 기반으로, 노이즈 층을 낮추는 방법들을 제안하여 작은 radar cross section (RCS) 로 인해 탐지가 어려운 소형 드론들을 성공적으로 탐지하는 결과를 낸다. 또한, 탐지뿐만 아니라 제안한 방법들과 함께 딥러닝을 기반으로 소형 드론들을 성공적으로 식별하는 결과도 보인다.
본 논문에서의 더욱 구체적인 연구내용은 다음과 같다. 첫 번째로, 전압/전류 노이즈로써 나타나는 누설 신호의 위상 잡음을 정현 신호상의 정류점에 집중시킴으로써 SNR을 증가시키는 방법인 정류점 집중 기법 (Stationary Point Concentration, SPC)을 제안한다. 제안하는 SPC 기법에 대한 이론과 실제 구현 방법을 제시하고, 시뮬레이션 결과를 기반으로 그 성능을 예측하며, 최종적으로 SPC 기법을 실제 제작한 FMCW 레이다에 적용하여 그 성능을 검증한다. 검증을 위한 실험에는 상용 드론들인 DJI 社의 Inspire 1과 손바닥 크기의 소형 드론 Spark가 이용되었다. 실험 결과를 통해, 전력 스펙트럼 전반에 걸쳐 시뮬레이션으로 예측한 개선 정도와 실제 개선 정도가 거의 일치하고, 노이즈 층을 최대 10.5 dB, 최소 5.2 dB 정도 상당히 낮추어 소형 드론들에 대한 SNR을 확보하는 것을 확인할 수 있다. 제안하는 SPC 기법은 기존의 접근 방법과는 전혀 다른 독창적이고 참신한 누설 신호 감쇄 방법으로, 추가적인 하드웨어 없이 strategic frequency planning과 oversampling을 통한 디지털 신호 처리만으로 구현될 수 있다는 장점이 있다. 또한, 레이다 하드웨어 시스템 내부의 지연을 보상함으로써 표적의 거리 정보를 더 정확히 측정할 수 있는 효과도 얻을 수 있다.
추가로, 새끼손가락 정도 크기의 CHEERSON 社 초소형 드론인 CX-10A를 이용한 탐지 실험을 통해, 노이즈 층에 파묻혀 있던 초소형 드론의 신호가 SPC 기법을 적용한 후에는 성공적으로 탐지됨을 보인다. 본 실험은 전례 없는 초소형 드론 탐지 실험이며, SPC 기법을 적용하여 초소형 드론 탐지의 새로운 기록을 세웠다는 점에서 그 의미가 크다.
두 번째로, 움직이는 소형 드론의 탐지를 위해 SPC 기법을 two-dimensional (2-D) Fourier transform의 결과인 range-Doppler (r-D) map으로 확장한다. r-D map에서 누설 신호는 이차원 노이즈 층 전반을 증가시키는 문제가 있다. 또한, 실제 레이다 시스템에서는 시스템 내부의 도플러 천이 문제로 인해, r-D map에서 탐지된 움직이는 소형 드론의 속도 정보가 왜곡되는 문제도 발생한다. 본 연구에서는 우선 이 문제들의 원인에 대한 이론적 해석을 제시하고, 실험적으로 이를 검증한다. 그리고 SPC 기법이 이차원 노이즈 층을 낮출 뿐만 아니라 위상 보정 (phase calibration) 효과를 통해 레이다를 Coherent 하게 만듦으로써 도플러 천이 문제를 해결할 수 있다는 것을 이론 및 실험으로 검증한다. 누설 신호로 인해 이차원 노이즈 층도 증가되고, 측정마다 도플러 주파수 값이 무작위로 천이되는 레이다 시스템에 SPC 기법을 적용한 결과에서는, 이차원 노이즈 층을 최대 23.3 dB, 최소 6.7 dB 만큼 상당히 낮추며, 동시에 무작위로 변하는 도플러 주파수 천이 문제도 해결하는 것을 확인할 수 있다. 이로 인해, 움직이는 소형 드론 (DJI Spark)의 SNR이 개선되고 정확한 속도 정보를 얻을 수 있음을 확인할 수 있다. 이와 같은 SPC 기법의 효과들 덕분에 단순한 표적 탐지뿐만 아니라, Coherent Integration, 정지 클러터 억제, 동작 탐지 및 식별, micro-Doppler signature (MDS) 식별, 기상 레이다, 합성 개구 레이다 (Synthetic Aperture Radar, SAR) / 역 합성 개구 레이다 (Inverse SAR, ISAR) 등의 레이다 응용에도 제안한 SPC 기법을 유용하게 적용해볼 수 있다.
세 번째로, SPC 기법의 구현 방법을 개선한 Advanced-SPC (A-SPC) 기법을 제안한다. SPC 기법을 구현하는 데 있어, quadrature demodulator를 활용한 A-SPC 기법은 단순 SPC 기법에서 요구되었던 strategic frequency planning과 oversampling 없이 SPC 기법을 구현할 수 있게 한다. 이를 통해, SPC 기법의 효과들은 모두 취할 수 있으면서도 frequency planning의 제한을 없앨 수 있고 oversampling 적용에 있어 발생할 수 있는 고성능 analog to digital converter (ADC)와 메모리의 비용을 줄일 수 있다. 또한, 위상 잡음의 형태와 관계없이 앞서 언급했던 SPC 기법의 효과들을 얻을 수 있으므로, 레이다 구조 (architecture)에 상관없이 모든 종류의 FMCW 레이다 시스템에서 효과적으로 적용할 수 있다. A-SPC 기법의 검증을 위한 실험 결과를 통해, 기대했던 효과들뿐만 아니라 추가로 SNR을 더 개선하는 것을 확인할 수 있다. 또한, 단순 SPC 기법에서의 oversampling 주파수와 같은 정도의 sampling 주파수를 사용하는 경우, 단순 SPC 기법에서보다 2배 이상의 최대 비모호 거리 (maximum unambiguous range)를 확보할 수 있음을 보인다. 그리고 단순 SPC 기법은 거리 상관 효과 (range-correlation effect) 가 없는 헤테로다인 (Heterodyne) 구조의 FMCW 레이다에서만 적용해볼 수 있으나, A-SPC 기법에서는 거리 상관관계가 없는 헤테로다인 (Heterodyne) 구조의 FMCW 레이다와 거리 상관관계가 있는 호모다인 (Homodyne) 구조의 FMCW 레이다에서도 적용됨을 증명한다.
네 번째로, A-SPC 기법을 이용하여 소형 드론들의 프로펠러로부터 비롯된 MDS 이미지를 추출하고 직접 설계한 Convolutional Neural Network (CNN)을 기반으로 소형 드론들을 식별한다. A-SPC 기법으로 인해 소형 드론들의 MDS가 더욱 선명해져, 각 소형 드론 MDS의 특징을 더욱 뚜렷하게 함을 보이고, 이로 인해 소형 드론들의 식별률을 상당히 개선할 수 있음을 증명한다. 또한, 주로 GoogLeNet 등의 유명한 network로 transfer learning을 하는 기존의 방법들과는 달리, network의 parameter 수를 훨씬 적게 설계한 가벼운 CNN으로도 높은 수준의 식별률을 얻을 수 있음을 보인다.
다섯 번째로, A-SPC 기법을 SAR에 적용하여 SAR 영상의 퀄리티를 개선한다. 자동차를 SAR의 이동 플랫폼으로 이용하는 Automobile SAR (AutoSAR)를 구축한 후, stripmap mode로 SAR 실험을 진행하여 A-SPC 기법을 적용해 신호처리를 하였을 때, SAR 영상의 퀄리티가 개선됨을 증명한다.
추가적으로, Heterodyne FMCW 레이다에서 발생하는 uncorrelated phase noise (UPN)에 대해 분석하고, 분석 결과를 바탕으로 중-장거리의 노이즈 층을 줄이기 위한 레이다 매개변수 값들의 전략적 결정 방법을 제안한다. 제안한 전략적 결정 방법이 가져다주는 노이즈 층의 개선 정도에 대한 식을 고안해내고, 실험을 통해 그 효과를 증명한다.
본 논문에서는 이러한 연구들을 통해, 제안한 핵심 기술인 SPC/A-SPC 기법이 최근 민/군 모두에 심각한 위협이 되는 소형 드론을 성공적으로 탐지 및 식별하는데 크게 기여함을 검증한다. 또한, SPC/A-SPC 기법을 MDS 추출과 SAR 에도 적용하여 MDS 및 SAR 영상의 퀄리티를 개선함으로써, 제안한 SPC/A-SPC 기법은 FMCW 레이다를 위한 원천 기술로서의 잠재력이 충분함을 검증한다.
