무인 항공기(드론) 기술의 발전과 함께 드론의 악의적인 사용 또는 위험한 의도로 인한 운영으로 인해 공공 안전 및 개인 프라이버시에 잠재적 위험이 제기되고 있다. 이러한 위협에 대응하기 위해 드론 탐지, 위치 파악, 무력화 기술을 포함한 다양한 대응 시스템이 개발되었다. 이러한 대응 기술 분석은 주로 상업적 측면과 과학적 연구 측면에서 이루어지고 있으며, 각 기술은 장단점을 가지고 있다.
1. 상업적 드론 대응 솔루션 분석
드론 대응 기술은 군사 및 민간 분야 모두에서 활용되고 있으며, 다양한 회사에서 관련 제품을 판매하고 있다.
- 탐지 및 추적 단계: 대부분의 제조업체는 레이더 기술과 수동 이미지 센서 기술(일반적으로 전기 광학 및 열 센서)을 조합하여 사용한다.
- 분류: 여러 제조업체에서 AI 시스템 활용을 제안하지만, 사용되는 알고리즘에 대한 구체적인 정보는 제공되지 않는다.
- 무력화 단계: 일반적으로 소프트 킬(soft kill)과 하드 킬(hard kill) 접근 방식이라는 두 가지 옵션이 있다.
- 소프트 킬: 드론의 GNSS 내비게이션 시스템과 드론과 원격 제어 장치 간의 RF 연결을 방해하는 데 중점을 둔다. 주요 기반 시설 방어, 사람들의 모임 보호(민간 영역) 및 군사 자산 보호를 목표로 한다.
- 하드 킬 솔루션: 군사적 응용 분야에 특화되어 있으며, 일반적으로 기관총이나 대포와 같은 무기 시스템을 사용한다.
2. 과학적 연구 측면에서의 드론 대응 기술 분석 및 장단점
2.1. 수동 레이더
- 원리: 주변의 TV나 라디오 방송과 같은 기존 전자기 신호들을 탐지 수단으로 활용한다. 즉, 이미 존재하는 전자기 신호가 드론과 같은 물체에 부딪혀 반사되거나 반향되는 특성을 분석함으로써 드론을 감지하고 추적하는 방식이다.
- 장점: 비용 효율성(고가의 전용 송신기 불필요), 은밀성 및 낮은 관측 가능성 작전(자체 레이더 신호를 방출하지 않아 탐지 또는 방해가 어려움), 취약성 감소(송신 신호가 없어 적의 표적이 될 위험 감소)
- 단점: 능동 레이더에 비해 탐지 범위가 제한적일 수 있으며, 주변 환경의 전자기 신호에 의존하기 때문에 성능이 영향을 받을 수 있다.
- 주요 연구: 공항 터미널과 같이 레이더 단면적이 큰 표적의 강한 반사로 인해 매우 약한 표적 반향이 탐지되지 않을 가능성이 높은 고밀도 표적 시나리오에서 소형 항공기 탐지에 중점을 둔다. 또한, 중요 기반 시설 근처 지역에서 UAV를 탐지하고 추적하기 위해 소프트웨어 정의 라디오 및 신호 처리 기능을 활용하는 실시간 양정적 수동 레이더를 사용하는 연구도 있다.
2.2. 마이크
- 원리: 드론에서 방출되는 음파를 포착하고 분석하여 탐지, 분류 및 추적에 도움을 준다.
- 장점: 드론의 종류마다 고유한 음향 지문이 있어 서로 다른 모델을 구별하는 데 도움이 된다. 다양한 방향에서 소리를 포착하기 위해 전략적으로 배치된 마이크 어레이를 사용하여 음파 도착 시간 및 강도의 차이를 기반으로 드론의 방향과 위치를 파악할 수 있다. 레이더, 전기 광학 또는 RF 센서와 결합하여 전반적인 탐지 기능을 향상시키고 센서 제한 또는 환경적 요인이 발생할 경우 중복성을 제공한다.
- 단점: 배경 소음 수준이 높거나 날씨의 영향을 받는 환경에서는 어려움을 겪을 수 있으며, 드론이 저속으로 비행하거나 조용히 정지하는 것과 같이 은밀한 기술을 사용할 때도 어려움을 겪을 수 있다.
- 주요 연구:
- Siewert et al. (2019): 디지털 카메라에서 생성되는 오경보 신호를 줄이기 위한 초기 평가를 수행하고, 보완적인 음향 신호 통합을 탐구했으며, 슬루투큐 메시지 생성을 위한 시각 및 음향 데이터 융합에 대한 향후 작업 개념을 제안했다.
- Dumitrescu et al. (2020): MEMS 마이크로폰 나선형 어레이를 활용해 드론의 위치를 탐지하고 추적하는 지능형 음향 시스템을 연구했다.
- Ahn and Kim (2021): 건물 가림과 같은 요인으로 인해 드론이 카메라에 보이지 않을 때 특히 중요한 음향 센서 통합의 중요성을 강조하면서 음향 어레이를 사용하는 드론 위치 추정 알고리즘을 제안했다.
- Kadyrov (2022): 조향 응답 위상 변환(SRP-PHAT) 및 협대역 주파수 분류를 사용하여 드론 탐지 및 추적을 위한 여러 음향 센서가 있는 시스템을 설계하고 구축했다.
- Ding et al. (2023): 광범위 탐지 및 고정밀 3D 추적을 위한 거친-정밀, 수동-능동 현지화 전략을 사용하는 장거리 LiDAR 및 디지털 카메라와 결합된 반구형 감시 기능을 제공하는 64채널 마이크 어레이를 제시했다.
- Ivancic et al. (2023): 여러 음향 소스(예: 드론)를 사용하여 실험실에서 검증된 마이크로 기계식 음향 벡터 센서 어레이의 설계, 모델링, 분석 및 평가에 대해 보고했다.
- Fang et al. (2023): 광섬유를 사용하는 분산 음향 감지(DAS)를 사용하여 드론 감시를 수행했다.
2.3. 전기 광학 및 적외선 센서
- 원리: 전자기 스펙트럼, 특히 가시광선, 적외선 및 자외선 파장을 활용하여 무인 항공 시스템을 감지, 추적 및 식별한다. EO 센서는 400~700nm(가시광선) 사이의 파장 범위를 표시한다. IR 센서는 크게 두 가지 주요 그룹으로 나눌 수 있다.
- 근적외선(NIR) 및 단파 적외선(SWIR): 파장 700~1300nm, 달빛이나 별빛 조건에서 효과적이며 제대로 작동하려면 약간의 주변광이 필요하다.
- 열 화상: 중파 적외선(MWIR) 및 장파 적외선(LWIR)에서 작동하며 일반적으로 7~17µm 범위, 온도 차이를 기반으로 이미지를 제공하며 완전한 어둠이나 악천후 조건에서도 효과적이다.
- 장점: 가시(EO) 시스템은 일반적으로 메가픽셀 단위로 측정되는 고해상도 이미징 기능을 제공한다. 적외선(IR) 시스템, 특히 열 화상 시스템은 가시 카메라에 비해 해상도가 낮아 열 화상의 디테일 수준에 영향을 미친다.
- 단점: EO 센서는 조명 조건에 영향을 받으며, 특히 어둡거나 안개가 낀 조건에서는 성능이 저하될 수 있다. IR 센서는 EO 센서보다 해상도가 낮아 세부적인 이미지 식별이 어려울 수 있다.
- 주요 연구:
- Sievert et al. (2018): 드론 교통 관리(UTM)를 위해 수동 센서 노드를 로컬 센서 네트워크에 통합하기 위한 개념적 아키텍처를 시연했다.
- Hao et al. (2020): 소형 무인 항공 시스템을 기반으로 공중 침입자를 탐지하기 위해 전기 광학(EO) 센서를 사용한 실험 결과를 발표했다.
- Goecks et al. (2020): 소형 무인 항공 시스템 탐지를 위해 머신 러닝을 사용하여 가시광선 및 적외선 스펙트럼 이미지를 결합했다.
- Muller et al. (2022): 가시, 레이더 및 무선 센서가 있는 C-UAS용 드론 탐지, 인식 및 지원 시스템을 제시했다.
- Shovon et al. (2023): 광학 드론 탐지를 위한 딥 러닝 알고리즘에 대한 비교 분석을 제공했다.
- Ojdanic et al. (2023): 로봇 망원경을 사용하여 장거리에서 광학 드론 탐지의 타당성 분석을 제시했다.
2.4. 무선 주파수(RF) 신호 분석기
- 원리: 주로 2.4GHz 및 5.8GHz 주파수 대역 내에서 작동하는 원격 제어 장치와의 드론 통신을 감지하는 데 사용된다.
- 장점: 드론 통신과 관련된 무선 신호를 효과적으로 식별하고 분석하기 위해 다양한 아키텍처를 사용한다. 스펙트럼 분석기를 통해 RF 스펙트럼에서 신호를 감지하여 특정 주파수 대역 내에서 드론이 사용하는 신호를 식별할 수 있다. 소프트웨어 정의 라디오(SDR)는 소프트웨어를 사용하여 무선 시스템의 기능을 정의하여 유연성을 제공하며, 드론에서 사용하는 신호를 포함한 다양한 RF 신호를 감지하고 디코딩하는 데 적합하다.
- 단점: 다른 무선 통신과의 간섭, 주파수 호핑 또는 확산 스펙트럼 기술을 사용하는 드론의 탐지 회피 가능성과 같은 문제가 발생할 수 있다.
- 주요 연구:
- Medaiyese et al. (2022): 머신 러닝을 사용하는 RF 기반 UAV 탐지 및 식별 시스템에 대한 웨이블릿 변환 분석을 제안했다.
- Alam et al. (2023): RF 지원 딥 러닝 지원 드론 탐지 및 식별 시스템을 제시했다.
- Aouladhadj et al. (2023): RF 식별 신호를 사용하는 드론 탐지 및 추적 시스템을 선보였다.
- Almubairik et al. (2024): 심층 신경망을 사용한 RF 기반 드론 탐지를 시연했다.
2.5. 능동 레이더
- 원리: 일반적으로 무선 주파수 스펙트럼에서 전자기파를 방출하고 드론과 같은 공중 표적에서 반사된 반향을 감지하여 작동한다.
- 장점: 단거리 탐지를 위한 고해상도 및 정밀도를 제공하며, 다양한 크기의 드론을 탐지할 수 있다.
- 단점: 대기 감쇠에 취약하고 저주파에 비해 범위가 제한적일 수 있으며, 높은 비용과 복잡성을 가질 수 있다. 소형 드론의 경우 레이더 단면적이 작고 저고도에서 비행하며 지형에 비해 저속으로 비행하기 때문에 레이더 탐지가 가장 어렵다.
- 주요 연구:
- Riabukha et al. (2020): 무인 항공기(UAV)의 레이더 감시에 대한 포괄적인 검토를 수행했다.
- Wallentine et al. (2021): 자율 구형 수동/능동 레이더 보정 시스템을 도입했다.
- Scheneebeli et al. (2022): 다중 정적 C 대역 레이더를 갖춘 드론 탐지 시스템을 선보였다.
- Abratkiewicz et al. (2023): 능동 및 수동 레이더 모두에서 표적 가속도 추정 문제를 해결했다.
- Lam et al. (2023): 드론 탐지에 적용된 V 대역(40GHz~75GHz)에서 작동하는 레이더에 대한 초기 작업을 발표했다.
2.6. LiDAR
- 원리: 펄서 레이저 형태의 빛(400nm~1540nm)을 사용하여 거리를 측정하는 원격 감지 방법이다. 레이저 펄스를 방출하고 이러한 펄스가 물체나 표면에 부딪힌 후 되돌아오는 데 걸리는 시간을 측정하여 작동한다.
- 장점: 매우 정확하고 정밀한 3D 환경 매핑을 제공하며, 맑은 날씨 조건에서 드론의 정확한 탐지, 추적 및 분류에 특히 효과적이다.
- 단점: 안개나 비와 같은 악천후 조건에서는 빛의 전송을 방해할 수 있기 때문에 어려움을 겪을 수 있다.
- 주요 연구:
- Paschalidis et al. (2022): 대 드론 시스템(C-UAS) 임무에 360º LiDAR를 사용할 수 있는 가능성을 시연했다.
- Barisic et al. (2022): 설계, 통합 및 현장 테스트를 포함하여 자율 협력 대 드론 임무를 위해 설계된 다중 로봇 시스템을 제시했다.
- Aldao et al. (2022): 도시 항공 이동성 애플리케이션에서 다른 항공기를 탐지하기 위해 드론에 탑재된 LiDAR 시스템을 사용할 수 있는 가능성을 강조했다.
- Rodrigo et al. (2023): 특히 프로펠러 움직임을 감지하고 소형 무인 항공기의 래스터 스캔 이미지를 획득할 수 있는 연속파(CW) 결맞음 탐지 LiDAR를 도입했다.
- Abir et al. (2023): 다양한 드론 건설 자재를 기반으로 효과적인 탐지 범위를 조사하고 다양한 대기 가시성 조건에서 시스템의 3D 탐지 성능을 평가했다.
2.7. 센서 융합
- 원리: 상황 인식을 향상시키고 효과적인 대응책을 가능하게 하기 위해 여러 센서의 데이터를 결합한다.
- 장점: 개별 센서의 한계를 극복하고, 탐지 정확도를 높이며, 오경보를 줄일 수 있다.
- 단점: 시스템 복잡성과 계산 비용 증가, 서로 다른 센서 데이터의 동기화 및 융합 문제, 센서 간 충돌 또는 불일치 처리의 어려움과 같은 문제가 발생할 수 있다.
- 주요 연구:
- Koch et al. (2018): 센서 데이터 융합의 패러다임 전환 가능성이 있는 혁신적인 접근 방식, 즉 텐서 분해 기반 다중 센서 추적 필터 활용을 제시했다.
- Kondru et al. (2018): 다중 센서 데이터 융합을 통해 표적 추적 오류 및 드론 응답을 완화하는 것을 시연했다.
- Baptista et al. (2020): 정적 카메라를 사용하여 움직이는 공중 물체를 추적하는 악의적이거나 불법적인 공중 표적을 감지하도록 설계된 감시 시스템을 제시했다.
- Koteswara et al. (2020): 표적 추적에서 자율 항공기에 대한 무향 칼만 필터 구현을 선보였다.
- Sie et al. (2021): 컴퓨터 비전을 통해 획득한 빠르게 움직이는 드론의 위치 측정을 필터링하기 위해 상관 필터 및 통합 다중 모델(IMM) 사용을 도입했다.
- Liang et al. (2021): 궤적 기반 표적 매칭 및 재식별 기능을 갖춘 다중 카메라 다중 표적 드론 추적 시스템을 제시했다.
- Son et al. (2021): 두 개의 추적기, 예측기 및 개선 프로세스를 활용하는 빠르고 정확한 드론 추적 시스템을 제안했다.
- Montañez et al. (2023): LiDAR-레이더 데이터에서 움직이는 표적을 식별하고 추적하기 위해 확장 칼만 필터 알고리즘을 사용하는 데이터 센서 융합 애플리케이션을 시연했다.
- Zitar et al. (2023): 물체 및 드론 탐지 및 추적 방법에 대한 광범위한 검토를 제공했다.
- Alhadhrami et al. (2023): 칼만 필터 추적 시스템에서 프로세스 노이즈 공분산(Q)의 자동 적응을 위한 강화 학습 접근 방식을 도입했다.
3. 결론
드론 기술의 발전은 다양한 분야에서 혁신을 가져왔지만, 동시에 악의적인 드론 활동에 대한 우려도 증가시켰다. 이에 대응하여 다양한 드론 대응 기술이 개발되었으며, 상업적 솔루션 분석과 과학적 연구를 통해 지속적으로 발전하고 있다.
각 기술은 고유한 장단점을 가지고 있으며, 효과적인 드론 대응 시스템 구축을 위해서는 상황에 맞는 기술 선택과 센서 융합, 인공지능, 알고리즘과 같은 기술의 발전 및 적용이 중요하다.
특히 LiDAR 시스템과 인공지능 기반 표적 분류 기술은 아직 상용화되지 않았지만, 향후 드론 대응 시스템의 발전에 중요한 역할을 할 것으로 예상된다.
참고
- Higinio Gonzalez-Jorge 외 5, Counter Drone Technology: A Review