With the recent rapid development of the drone industry, positive aspects and side effects are occurring. In particular, with the commercialization of personal drones, technological advances are being made for the regulation of drones, and as one of them, drone detection technology through radar is being studied. The distinction between the two is important because drones have similar radar reflection areas to birds. The need to further expand and identify information such as the type and angle of drones is also emerging. Compared to birds, the biggest feature of the drone is that it transmits and receives radio waves for control, and the other is that the propeller works finely and quickly. In this paper, it was possible to check the existence of a drone by detecting a leak signal from a GPS system (GPS) generated from a drone, and the type of drone was identified using a convolutional neural network by extracting a fine Doppler signal from the received signal. The leakage wave of GPS generates a lot of noise due to its low power, and the identification rate of drones is improved by removing the noise using the Bivariate Empirical Mode Decomposition (BEMD) algorithm. In addition, the elevation angle of a single drone was identified.
The drone's propeller was an experiment based on research showing that different micro-Dopplers occur depending on the angle. The drone's elevation angle was measured at 10-degree intervals and applied to Visual Geometry Group-11 (VGG11), one of the types of convolutional neural networks, to record an average identification rate of 84.7%. Additionally, focusing on the fact that the characteristics of the fine Doppler generated from the propeller of a drone change according to the polarization, which is physically independent information, four pieces of information were simultaneously received through a receiver having four different polarizations. The received four polarization information was combined with each other and applied to the same model, VGG11, recording a high identification rate of 97.9%.
최근 급격한 드론 산업의 발전으로 긍정적인 측면과 그에 따른 부작용이 발생되고 있다. 특히 개인용 드론이 상용화 됨에 따라 드론의 규제를 위한 기술 발전이 이루어지고 있고 그 중 하나로 레이더를 통한 드론 탐지 기술이 연구되고 있다. 드론은 레이더 반사면적이 새와 비슷하기 때문에 그 둘 사이의 구별이 중요하다. 더 확장시켜 드론의 종류나 각도 등의 정보를 식별할 필요성도 대두되고 있다. 새와 비교했을 때 드론의 가장 큰 특징은 컨트롤을 위한 전파 송수신을 한다는 것이고, 또 한 가지는 미세하고 빠르게 프로펠러가 작동한다는 것이다. 본 논문에서는 드론에서 발생되는 위성항법장치(GPS)의 누설 신호를 탐지함으로써 드론의 유무를 확인할 수 있었으며 수신 신호에서 미세 도플러 신호를 추출하여 합성곱 신경망으로 드론의 종류를 식별하였다. GPS의 누설파는 낮은 전력 때문에 잡음이 많이 생기게 되는데 Bivariate Empirical Mode Decomposition (BEMD) 알고리즘을 사용하여 잡음을 제거하여 드론의 식별률을 향상시켰다. 또한 단일 드론의 고도각 식별을 진행하였다. 드론의 프로펠러는 각도에 따라 상이한 미세 도플러가 발생한다는 연구에 기반을 둔 실험이었다. 드론의 고도각을 10도 간격으로 측정하여 합성곱 신경망 종류 중 하나인 VGG11에 적용하여 평균 84.7%의 식별률을 기록하였다. 추가적으로 드론의 프로펠러에서 발생하는 미세 도플러는 물리적으로 독립적인 정보인 편파에 따라 그 특성이 변한다는 사실에 착안하여 4개의 다른 편파을 갖는 수신기를 통하여 동시에 4가지 정보를 수신하였다. 수신된 4개의 편파 정보를 서로 결합하여 같은 모델인 VGG11에 적용되어 97.9 %의 높은 식별률을 기록하였다.
