기존의 방향탐지는 지상에서 높은 위치에 안테나를 설치하여 신호 수신환경을 최대한 LOS(Line of Sight)의 환경으로 목표물의 위치를 탐지하지만 이러한 환경을 구성하기 위해선 높은 비용과 설치 시간이 필요하다. 군사적 용도로 사용되었던 무인항공기인 드론이 민간 상업용으로 시장이 확대되면서 활용 영역이 넓어지고 있기 때문에 본 논문에서는 방향탐지에서 드론을 활용하고자 TDOA(Time Difference of Arrival)기법을 활용하여 4대의 드론을 이용해 방향탐지 시뮬레이션을 구성하였다. 또한 추가적인 신호처리 테일러 급수와 Exact Iteractive Algorithm을 이용하여 드론과 TDOA 방향탐지 기법 기반의 시뮬레이션을 구성하였다. 시뮬레이션은 지상 방향탐지의 측정 데이터의 GPS정보를 이용하여 800MHz Path-Loss Model을 활용하여 수신 Power를 정의하였으며 TDOA기법과 테일러급수, Exact Iteractive Alogrithm을 적용하여 보정을 실시하였을 때 위치추정 성능을 분석하였다.
기존의 방향탐지는 지상에서 높은 위치에 안테나를 설치하여 신호 수신환경을 최대한 LOS(Line of Sight)의 환경으로 목표물의 위치를 탐지하지만 이러한 환경을 구성하기 위해선 높은 비용과 설치 시간이 필요하다. 군사적 용도로 사용되었던 무인항공기인 드론이 민간 상업용으로 시장이 확대되면서 활용 영역이 넓어지고 있기 때문에 본 논문에서는 방향탐지에서 드론을 활용하고자 TDOA(Time Difference of Arrival)기법을 활용하여 4대의 드론을 이용해 방향탐지 시뮬레이션을 구성하였다. 또한 추가적인 신호처리 테일러 급수와 Exact Iteractive Algorithm을 이용하여 드론과 TDOA 방향탐지 기법 기반의 시뮬레이션을 구성하였다. 시뮬레이션은 지상 방향탐지의 측정 데이터의 GPS정보를 이용하여 800MHz Path-Loss Model을 활용하여 수신 Power를 정의하였으며 TDOA기법과 테일러급수, Exact Iteractive Alogrithm을 적용하여 보정을 실시하였을 때 위치추정 성능을 분석하였다.
In the conventional direction finding, the antenna is installed at a high position on the ground to detect the position of the target with the environment of the LOS(Line of Sight) as much as the signal receiving environment. However, in order to configure such environment, high cost and installatio...
In the conventional direction finding, the antenna is installed at a high position on the ground to detect the position of the target with the environment of the LOS(Line of Sight) as much as the signal receiving environment. However, in order to configure such environment, high cost and installation time were required. In this paper, we use TDOA(Time Difference of Arrival) technique to utilize drones in direction finding, so that four drones can be used for directions finding simulation. Simulations based on drone and TDOA direction finding were constructed using additional signal processing Taylor series and Exact Interactive Algorithm. In the simulation, the receiving power is defined by using the 800MHz path-loss model using the GPS information of the ground direction detection, and the position estimation performance is analyzed when the TDOA technique, the Taylor series, and the Exact Interactive Alogrithm are applied.
In the conventional direction finding, the antenna is installed at a high position on the ground to detect the position of the target with the environment of the LOS(Line of Sight) as much as the signal receiving environment. However, in order to configure such environment, high cost and installation time were required. In this paper, we use TDOA(Time Difference of Arrival) technique to utilize drones in direction finding, so that four drones can be used for directions finding simulation. Simulations based on drone and TDOA direction finding were constructed using additional signal processing Taylor series and Exact Interactive Algorithm. In the simulation, the receiving power is defined by using the 800MHz path-loss model using the GPS information of the ground direction detection, and the position estimation performance is analyzed when the TDOA technique, the Taylor series, and the Exact Interactive Alogrithm are applied.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러나 현대의 방향탐지에서는 장비의 소형화, 저비용을 요구하면서 방향탐지를 통해 보다 정확한 목표물의 위치 탐지를 요구한다[1]. 따라서 본 논문에서는 드론을 활용하여 신호를 측정하고 TDOA(Time Difference of Arrival) 알고리즘을 이용하여 목표물의 위치를 추정하고자 한다 군사적 용도로 사용되었던 드론이 민간용, 상업용으로 시장이 확대 되면서 농업, 배송, 물료, 통신 등 다양한 용도 및 분야에서 점차 활용영역을 넓혀가고 있다. 기존 TDOA 알고리즘은 GPS(Global Positioning System)에서 사용하는 기법으로 다수의 위성에서 측정되는 측정신호의 도달시간차이를 이용하여 위치를 추정하는 방법이다.
본 논문에서는 지상 방향탐지 측정 데이터를 기반으로 드론의 방향탐지 시뮬레이션을 위해 드론의 수신 신호 채널 환경을 구성하고 시뮬레이션을 구현하였다. 목표물의 위치를 추정하는 시뮬레이션은 차량과 3대의 드론을 이용한 방향탐지 두 가지 방법을 활용하여 Apollonius Circle 기법을 활용하여 목표물의 위치를 추정하였다.
본 연구에서는 드론을 활용하여 TDOA 기법을 통해 목표물의 위치를 탐지하고자 한다. 드론은 전원 공급량이 제한적이며 적재 가능한 무게가 낮기 때문에 무거우며 높은 전원공급량이 필요한 고성능의 장비는 사용할 수 없기 때문에 휴대성이 용이하며 수신 Power만을 측정할 수 있는 성능의 장비를 이용하여 수신 Power와 드론에 탑재된 GPS 위치정보 데이터를 측정하고 TDOA 기법을 적용하여 목표물의 위치를 추정하였다.
TDOA를 이용한 방향탐지는 수신장비들의 측정 신호의 시간동기만을 요구하는 장점 때문에 많은 분야에서 사용되어 온 방향탐지 알고리즘이다[2,8]. 본 연구에서는 소형화, 저비용의 방향탐지를 위해 드론을 활용하여 신호의 수신환경을 LOS환경으로 구성하고 TDOA 알고리즘과 추가적인 보정 알고리즘을 통해 보다 정확한 목표물의 위치를 추정하고자 한다.
제안 방법
. Exact Iterative Algorithm은 인공위성의 속도벡터(Velocity Vecctor)를 고려하여 목표물의 대한 위치를 보정하지만 본 논문에서는 드론에서 인공위성에게 수신한 GPS정보를 이용하여 목표물의 위치를 추정하게 된다. 드론의 경우 비행을 하면서 목표물의 위치를 추정하기 때문에 드론 또한 수신한 GPS의 값에서 드론이 비행하는 속도에 대한 속도벡터를 고려하여 GPS값을 보정하게 된다.
본 연구에서는 드론을 활용하여 TDOA 기법을 통해 목표물의 위치를 탐지하고자 한다. 드론은 전원 공급량이 제한적이며 적재 가능한 무게가 낮기 때문에 무거우며 높은 전원공급량이 필요한 고성능의 장비는 사용할 수 없기 때문에 휴대성이 용이하며 수신 Power만을 측정할 수 있는 성능의 장비를 이용하여 수신 Power와 드론에 탑재된 GPS 위치정보 데이터를 측정하고 TDOA 기법을 적용하여 목표물의 위치를 추정하였다. 그림 1은 정확한 목표물의 위치를 추정하기 위해 TDOA 기법과 위치를 보정하기 위한 추가적인 신호처리의 흐름도를 나타낸다.
드론을 이용한 방향탐지는 4대의 드론을 이용하여 TDOA의 기법의 시뮬레이션을 구성하였다. 4대의 드론비행 경로는 차량 방향탐지의 동일하게 분할하여 각 드론에 대한 비행 경로를 반영하였다.
측정데이터는 지상에서 실시하였으며 건물이 존재하는 환경과 존재하지 않는 환경이 혼합된 환경에서 측정되었기 때문에 측정된 신호는 NLOS와 LOS환경이 혼합되어 있다. 드론의 채널 환경은 LOS 환경을 기반으로 신호를 수신하기 때문에 동일한 주파수 대역에서의 무인항공기 채널 환경을 적용하였다[7]. 800MHz의 Path-Loss에 대한 Model은 다음 식에 나타냈다.
Apollonius Circle 기법은 신호의 수신 Power의 비를 이용하여 내분점ㆍ외분점을 통해 Apollonius Circle의 원의 중심과 반지름을 연산한다. 수신 데이터의 그룹을 3개로 분할하여 3개의 위치의 수신 Power를 이용하여 여러 Apollonius Circle를 연산하여 원이 중첩되는 점의 위치를 목표물 위치로 추정한다. 차량 방향탐지의 경우 목표물을 추정하는 추정점의 군집 분포가 40×50m, 평균 오차거리는 12.
TDOA 기법을 활용하여 효율적인 방향탐지 시뮬레이션을 위하여 차량을 이용한 지상 방향탐지의 데이터를 이용하였다. 지상 방향탐지의 데이터를 이용하여 드론이 동일한 경로의 비행을 가정할 때 드론에 대한 전파 수신 채널 환경을 재구성하여 시뮬레이션을 진행하여 성능을 분석하였다.
대상 데이터
TDOA 기법을 활용하여 효율적인 방향탐지 시뮬레이션을 위하여 차량을 이용한 지상 방향탐지의 데이터를 이용하였다. 지상 방향탐지의 데이터를 이용하여 드론이 동일한 경로의 비행을 가정할 때 드론에 대한 전파 수신 채널 환경을 재구성하여 시뮬레이션을 진행하여 성능을 분석하였다.
드론을 이용한 효율적인 TDOA 기법의 방향탐지 성능을 분석하기 위해 지상에서 측정된 방향탐지 데이터를 이용하여 시뮬레이션을 구성하였다. 표 1은 시뮬레이션에서 사용한 측정데이터의 파라미터를 나타내며 그림 4는 지상 방향탐지에서 실시한 측정데이터의 이동경로를 나타낸다.
그러나 드론을 사용할 경우 높은 고도에서 신호를 수신하여 LOS 환경에서 신호 수신이 가능하다. 측정데이터는 지상에서 실시하였으며 건물이 존재하는 환경과 존재하지 않는 환경이 혼합된 환경에서 측정되었기 때문에 측정된 신호는 NLOS와 LOS환경이 혼합되어 있다. 드론의 채널 환경은 LOS 환경을 기반으로 신호를 수신하기 때문에 동일한 주파수 대역에서의 무인항공기 채널 환경을 적용하였다[7].
이론/모형
TDOA 기법만을 활용했을 경우 보다 군집 분포가 감소하였지만, 송신점에서 거리가 떨어진 지점에서 목표물을 추정한다. 기존에 고정적으로 사용되어 왔던 TDOA에 대해서 드론의 비행으로 발생하는 속도벡터를 반영하기 위해 Exact Iterative Algorithm을 반영하여 TDOA 기법을 사용했다. 그림 10은 드론의 속도벡터를 반영하여 GPS정보를 갱신하여 목표물의 위치를 추정한 결과이다.
본 논문에서는 지상 방향탐지 측정 데이터를 기반으로 드론의 방향탐지 시뮬레이션을 위해 드론의 수신 신호 채널 환경을 구성하고 시뮬레이션을 구현하였다. 목표물의 위치를 추정하는 시뮬레이션은 차량과 3대의 드론을 이용한 방향탐지 두 가지 방법을 활용하여 Apollonius Circle 기법을 활용하여 목표물의 위치를 추정하였다. Apollonius Circle 기법은 신호의 수신 Power의 비를 이용하여 내분점ㆍ외분점을 통해 Apollonius Circle의 원의 중심과 반지름을 연산한다.
42dBm이다. 수신 Power 데이터를 이용하여 TDOA기법을 이용하여 목표물의 위치를 추정하였다. 그림 8은 TDOA 기법을 통한 목표물의 위치를 추정한 결과를 나타냈다.
잡음에 의해 발생하는 오차의 영향을 감소시키기 위해서 테일러 급수를 사용하여 오차의 수렴 값을 연산 후 드론의 GPS 위치정보에 반영하여 TDOA 기법을 다 사용했다.
성능/효과
지상 방향탐지는 NLOS 환경이 다수 존재하기 때문에 군집 분포 및 오차거리가 높게 보였지만 드론 방향탐지는 LOS환경을 구성할 수 있는 이점을 이용하여 시뮬레이션 결과 지상 방향탐지 보다 정확한 목표물의 위치 탐지가 가능할 수 있었다.
차량 방향탐지의 경우 목표물을 추정하는 추정점의 군집 분포가 40×50m, 평균 오차거리는 12.39m가 나타났지만 드론 방향탐지의 경우 고도가 15m 일 때 군집 분포가 4×5m, 평균오차거리 1.23m으로 나타났으며 고도가 60m 일 때 군집분포가 6×10m, 평균 오차거리 3.05m로 나타났다.
질의응답
핵심어
질문
논문에서 추출한 답변
TDOA 방향탐지 기법은 어떤 방식으로 측정하는가?
TDOA 방향탐지 기법은 TOA(Time of Arrival)방식을 이용해 송신점에서 발생한 전파를 수신점에서 Power값 측정 후 전파 손실 특성을 이용하여 송신점과 수신점 사이의 거리 도출 후 전파가 도달한 시간을 계산하여 서로 다른 수신점들 사이의 측정한 시간 차이를 이용한다[3]. 각 수신점에 도착하는 전파의 시간의 차이를 계산하기 위해선 전파의 각 수신점사이의 시간을 송신점 사이의 시간 동기가 완벽하게 일치해야 TDOA 기법을 통해 정확한 위치를 추정할 수 있다.
Exact Iterative Algorithm란 무엇인가?
Exact Iterative Algorithm은 GPS에서 실제 위치정보와 근사한 위치정보를 확인하기 위해 위치정보를 보정하는 알고리즘이다[6]. Exact Iterative Algorithm은 인공위성의 속도벡터(Velocity Vecctor)를 고려하여 목표물의 대한 위치를 보정하지만 본 논문에서는 드론에서 인공위성에게 수신한 GPS정보를 이용하여 목표물의 위치를 추정하게 된다.
신호의 수신환경을 LOS로 구성하여 목표물의 위치를 탐지한 기존의 방향탐지의 단점은 무엇인가?
기존의 방향탐지는 높은 높이의 안테나를 지상에 설치하거나 높은 위치에 안테나를 설치하여 신호의 수신환경을 LOS(Line of Sight)로 환경을 구성하여 목표물의 위치를 보다 정확히 탐지하기 위해왔다. 이러한 환경을 구성하기 위해선 높은 비용의 안테나 제작 및 설치 비용이 필요하며 이동이 어렵다는 단점이 있다. 그러나 현대의 방향탐지에서는 장비의 소형화, 저비용을 요구하면서 방향탐지를 통해 보다 정확한 목표물의 위치 탐지를 요구한다[1].
참고문헌 (8)
Wook Rhee, Jong-soo Choi, "Experimental Studies for Source Positioning Using TDOA Algorithm", The Korean Society for Noise and Vibration Engineering, Vol. 2006, No.5 pp.108-112, May 2006.
Hee Won Kang, Dong-Hwan Hwang, Chansik Park, "Taylor Series Method Design for Reducing Height Error in TDOA-Based Real-Time Locating System", ICROS, Vol. 2010, No.5, pp.381-382, May 2016.
Hong-Sun Yang, Soon-Yong Chun, "TDOA Direction Finding Method for Search the Location Information of Electromagetic-wave Radiator". Journal of institute of control robotics and systems, Vol. 1, No. 1, pp.264-269, Jul 2011.
Guowei Shen, Rudolf Zetik, and Reiner S. Thoma. "Performance Comparison of TOA and TDOA Based Location Estimation Algorithms in LOS Environment", PROCEEDINGS OF THE 5th WORKSHOP ON POSITIONING, pp.71-78, May 2008. DOI: https://doi.org/10.1109/wpnc.2008.4510359
WADE H. FOY "Position-Location Solutions by Taylor-Series Estimation", IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS, Vol 12, No 2, pp.187-,194, Mar 1976. DOI: https://doi.org/10.1109/taes.1976.308294
Wei Li, Zimu Yuan, Biao Chen, Wei Zhao, "Performance Comparison of Positioning Algorithms for Complex GPS Systems", Distributed Computing Systems Workshops, Vol.32, pp.273-278, Aug 2012. DOI: https://doi.org/10.1109/icdcsw.2012.109
Amorim, Rafhael, et al. "Radio channel modeling for UAV communication over cellular networks." IEEE Wireless Communications Letters, Vol. 6, No 4 pp.514-517, May 2014 . DOI: https://doi.org/10.1109/lwc.2017.2710045
J.T. Oh, "A Study on Positioning Error according to Signal Sampling Rate in TDOA Positioning System." The Journal of the Institute of Internet, Broadcasting and Communication, Vol. 16, No 6 pp.191-196, Dec 2016. DOI: https://dx.doi.org/10.7236/JIIBC.2016.16.6.191
※ AI-Helper는 부적절한 답변을 할 수 있습니다.