[논문]위험제어 시나리오 기반의 무인잠수정 소나 센서 배열 선정을 위한 시뮬레이터 개발

신명인; 이진호; 홍우영; 김우식; 배호석; 조현진

doi:10.9709/jkss.2020.29.2.00221

위험제어 시나리오 기반의 무인잠수정 소나 센서 배열 선정을 위한 시뮬레이터 개발
A Simulator Development for Determining the Sonar Sensor Configuration of Unmanned Underwater Vehicles Based on a Hold-at-Risk Scenario 원문보기

한국시뮬레이션학회논문지 = Journal of the Korea Society for Simulation, v.29 no.2, 2020년, pp.21 - 33

신명인 (세종대학교 해양시스템융합공학과) , 이진호 (해군사관학교 국방경영학과) , 홍우영 (세종대학교 국방시스템공학과) , 김우식 (국방과학연구소) , 배호석 (국방과학연구소) , 조현진

초록
AI-Helper

본 연구에서는 무인잠수정의 효과적인 대잠전 수행을 위해, 시나리오 기반의 무인잠수정 소나 센서 배열 선정을 위한 시뮬레이터를 개발하였다. 먼저, 대잠전 분야에서 무인잠수정의 임무 및 운용개념을 분석하고, 가장 주요한 임무 중 하나인 위험제어(Hold at Risk)를 시뮬레이션 시나리오로 선정하였다. 다음으로, 시뮬레이터 구성요소 모델을 위하여, 플랫폼별(무인잠수정, 표적 잠수함) 운동모델, 음향모델 및 환경모델을 제시하였다. 특히 음향모델에서는 센서 배열에 따른 빔패턴을 기반으로 수동 소나방정식을 이용하여 탐지여부를 판단하였다. 또한, 표적의 방위 및 고각 추정을 위하여 진폭기반 방위 추정법과 위상 모노펄스 추정기법을 각각 적용하였다. 개발된 시뮬레이터를 통해 센서 배열 변화에 따른 결과의 경향성이 기본적인 빔패턴 이론과 일치하는 것을 보여주며, 다양한 시나리오에 대한 적용 가능성을 시사한다.

Abstract ▼ AI-Helper

This study develops a simulator for determining the sonar sensor configuration of unmanned underwater vehicles (UUVs) based on a scenario, in order for UUVs to conduct an effective anti-submarine warfare (ASW). First, we analyze the missions and operational concepts of UUVs in the field of ASW, and then select a Hold-at-Risk scenario as the one with the highest priority. Next, for modeling the components of a simulator, the motion, acoustic characteristic, and environment condition of the platforms (UUV and target submarine) are specified. Especially, based on the beam pattern of each sonar configuration considered in this paper, the passive sonar equation is used to verify target detection, and we further estimate the azimuth and elevation of the target using amplitude and phase of the received signal, respectively. The simulation results show the performance tendency depending on the sonar sensor configurations of a UUV, and the simulator provides a high applicability under various scenarios.

주제어

표/그림 (15)

그림 Fig. 1. ASW Nomenclature (US Navy, 2004)
표 Table 1. UUV missions of the US Navy
그림 Fig. 2. A simulator war-field for Hold-at-Risk scenario
그림 Fig. 3. Loitering pattern for a UUV
표 Table 2. SONAR sensor configuration candidate
그림 Fig. 4. Beam Pattern Analysis SW
그림 Fig. 5. Steering angle of HPBW Beam patterns (total 7 in this example) and incidence angle inconsistency example
그림 Fig. 6. BL_R of each beam pattern
그림 Fig. 7 Spline interpolation example: determine target
그림 Fig. 8. Two channel input signal geometry
그림 Fig. 9. ξ estimation performance with varying target angle
그림 Fig. 10. ξ estimation performance with varying SNR
그림 Fig. 11. Simulator UI
그림 Fig. 12. Simulation result comparison: Target distance, detection, bearing and elevation estimation result
표 Table 3. Simulation results

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

이는 무인잠수정이 은밀성이 보장되는 플랫폼임과 동시에 센서를 통한 정보수집이 가능하여 추가적인 위험부담 없이 우군의 탐지능력을 증대시킬 수 있는 등 그 효용성이 매우 높은 데서 기인한 것이다. 따라서 본 연구에서는 위험제어를 가장 우선순위가 높은 시나리오로 채택하여 무인잠수정의 시뮬레이션을 수행하고자 한다.
본 논문에서는 무인잠수정이 대잠정찰 임무를 효과적으로 수행하기 위한 소나 센서 배열에 관하여 연구를 수행하였고, 무인잠수정의 대잠정찰 임무 도출과정 및 시뮬 레이터에 적용된 모델과 실험 과정을 소개한다. 무인잠수정은 기존 유인잠수함에 비해 물리적 공간이 협소하여 탐지장비 탑재가 제한된다.
특히 무인잠수정의 능력을 고려하여 연안 지역의 대잠작전에 초점을 맞추었다. 본 연구에서는 무인잠수정의 주요 임무로 선정된 대잠전의 효과적 수행을 위하여 대잠전 운용개념을 보다 주의 깊게 살펴보고자 한다.
본 연구에서는 무인잠수정의 효과적인 대잠전 수행을 위해, 시나리오 기반의 무인잠수정 소나 센서 배열 선정을 위한 시뮬레이터를 개발하였다. 먼저, 대잠전 분야에 서 무인잠수정의 임무 및 운용개념을 분석하여 가장 주요한 임무를 도출하여 시뮬레이션 시나리오로 선정하였다.

가설 설정

이때 시뮬레이션 상 무인잠수정은 적 잠수함에 피탐되지 않는다고 가정한다. 또한, 주어진 사전 정보로써, 적 항구/항만의 위치, 적 잠수함의 기본적인 출항 여부는 알고 있지만 정확한 출 항 날짜 및 시간, 이동경로, 수상항해 후 잠항 항해로 변환하는 시점은 모르는 것으로 가정하고 이를 시뮬레이션에서 확률적으로 시행되도록 하였다.
해양방어와 항로보호는 미 해군이 전 세계에서 원정작전을 수행하는 것을 감안하여 강습단을 위험으로 부터 보호하는데 무인잠수정이 적합하다고 판단한 것으로 예측된다. 본 연구에서는 앞서 제시한 3가지의 운용개념 중에서 위험제어를 가장 주요한 무인잠수정의 임무로 판단하였으며, 해양방어 및 항로보호는 무인잠수정의 제한된 기동력과 스텔스 기능에 대한 낮은 필요성을 고려하여 위험제어에 비해 상대적으로 그 중요도가 낮다고 기술하였다.¹⁾
수동 탐지모드에서 소나에 수신되는 여분 신호의 세기인 신호이득(Signal excess, SE)은 Equation (2)의 수동 소나방정식에 의해 결정되며, SE > 0 이면 표적은 탐지되었다고 가정한다.
시뮬레이션의 일반 가정 사항으로, 위기가 고조된 상황에서 아측은 무인잠수정의 장점인 인명피해 최소화, 은밀성 등을 최대한 활용하여 적 항구/항만 입구에 무인잠 수정을 발진하여 탐색활동을 시작한다. 이때 시뮬레이션 상 무인잠수정은 적 잠수함에 피탐되지 않는다고 가정한다.
시뮬레이션의 일반 가정 사항으로, 위기가 고조된 상황에서 아측은 무인잠수정의 장점인 인명피해 최소화, 은밀성 등을 최대한 활용하여 적 항구/항만 입구에 무인잠 수정을 발진하여 탐색활동을 시작한다. 이때 시뮬레이션 상 무인잠수정은 적 잠수함에 피탐되지 않는다고 가정한다. 또한, 주어진 사전 정보로써, 적 항구/항만의 위치, 적 잠수함의 기본적인 출항 여부는 알고 있지만 정확한 출 항 날짜 및 시간, 이동경로, 수상항해 후 잠항 항해로 변환하는 시점은 모르는 것으로 가정하고 이를 시뮬레이션에서 확률적으로 시행되도록 하였다.
무인잠수정은 임의로 설정할 수 있는 항로 폭, 길이, 수심을 가지는 적 항구/항만의 입구에서 일정 속력으로 로이터링(Loitering) 기동을 실시하며 음향정보 및 제한 된 표적 기동정보를 수집하는 것을 임무로 한다. 이때 잠수함의 최초위치는 항로 폭 내에서 확률적으로 결정되며, 내해에서 외해로, 수상항해에서 잠항항해로 상태를 변경하여 기동한다고 가정한다. 전반적인 시나리오 전장(war-field)과 무인잠수정의 로이터링 기동은 각각 Fig.
잠수함에서 발생하는 방사소음(RN)은 주파수 대역별 잠수함 속도 변화에 따른 경향성을 함수화하였다. 한편 프로펠러가 있는 함미에서의 소음이 함수보다 더 크게 측정되는 현상을 반영한 경우와 전 방위 균일 소음이 방사된다고 가정한 두 가지 옵션을 두었다.

제안 방법

3차원 빔패턴은 시뮬레이터에서 실시간 기동 상황을 고려할 때 연산능력이 제한되므로, Fig. 4와 같이 소나 형상별 빔패턴 분석을 위한 별도의 소트프웨어를 제작하였으며, 이를 통해 생성된 데이터를 데이터베이스화(Data Base, DB)하여 활용하였다.
12와 같이 확인할 수 있으며 추가적인 분석이 가능하도록 설정하였다. Fig. 12에서는 동일한 이동 궤적을 가지는 무인잠수정과 잠수함의 운동에 대해 서로 다른 센서 배열(Table 2의 S0232와 S0416)을 이용하여 획득한 표적의 탐지여부, 방위 및 고각 추정결과를 비교하였다. Fig.
Table 3에서는 S0232와 S0416 센서 배열을 사용했을 때의 협대역과 광대역 탐지 횟수, 방위각 추정 오차 그리고 고각 추정오차를 정량화하여 비교하였다. 두 가지 실험결과에서 공통적으로 확인할 수 있듯이 무인잠수정와 잠수함의 이격 거리가 동일할 때 감쇄비에 의해 광대역 소음의 탐지 빈도가 협대역 소음의 탐지 빈도보다 낮게 나타났다.
무인잠수정은 부여된 임무 수행을 위하여 착저, 로이터링, 탐색, 추적의 운동 상태로 구분되며, 잠수함은 수상항해, 수중항해, 잠항/부상, 회피 기동의 상태로 구분하였다. 각 운동 상태에서의 속도와 플랫폼별 회전반경을 이용하여 회전 각속도(침로 변화율) 가 결정되며, 종동요각은 최대치를 설정하고 이를 넘지 못하도록 하였다.
개발된 시뮬레이터는 임의의 잠수함 경로에 대해서 무 인잠수정의 다양한 변수들을 변경하여 반복실험(Monte Carlo simulation)이 가능하도록 구현하였다. 반복실험의 경우 시뮬레이션에서 고려된 확률 오차 성분에 따라 매번 다른 결과가 도출되므로 통계분석을 통해 임무 수행에 적합한 소나 센서 배열을 도출해낼 수 있을 뿐만 아니라, 성능지표 변화의 경향성도 확인할 수 있다.
먼저, 대잠전 분야에 서 무인잠수정의 임무 및 운용개념을 분석하여 가장 주요한 임무를 도출하여 시뮬레이션 시나리오로 선정하였다. 다음으로, 시뮬레이터를 구성하는 모델을 크게 플랫 폼 운동모델과 음향모델 그리고 환경모델로 구분하여 제시하였다. 특히 음향모델 구현의 충실도를 높이기 위하여, 센서 배열에 따른 빔패턴을 기반으로 수동 소나방정 식을 이용한 탐지 여부를 판단하였으며, 탐지되었을 경우 빔패턴 진폭 기반의 방위 추정과 함께 위상차 기반의 모노펄스 고각 추정을 적용하였다.
한편 부여된 임무가 무엇인지에 따라 소나 센서 배열이 달리 설계될 수 있다는 점을 고려할 때, 무인 잠수정의 임무 구분 또한 명확히 이루어져야 한다. 따라서 본 연구에서는 먼저 무인잠수정의 임무를 명확히 설정하고, 시뮬레이터에 구현되어야 하는 플랫폼(무인잠수 정, 잠수함)들의 운동모델, 음향모델 및 환경모델을 제시한다. 특히 기존 교전수준 M&S에서 탐지거리와 방위로서 수신 성능을 표현한 소나 모델과는 달리 음향센서 배열에 의한 빔패턴 모델을 충실하게 구현하고, 이를 바탕으로 표적의 방위각과 고각을 추정하는 알고리즘을 반영하였다.
본 연구에서는 무인잠수정의 효과적인 대잠전 수행을 위해, 시나리오 기반의 무인잠수정 소나 센서 배열 선정을 위한 시뮬레이터를 개발하였다. 먼저, 대잠전 분야에 서 무인잠수정의 임무 및 운용개념을 분석하여 가장 주요한 임무를 도출하여 시뮬레이션 시나리오로 선정하였다. 다음으로, 시뮬레이터를 구성하는 모델을 크게 플랫 폼 운동모델과 음향모델 그리고 환경모델로 구분하여 제시하였다.
본 연구에서 수행한 위험제어 시나리오는 미 해군에서 제시한 ‘위험제어’와 국내 연구기관에서 제시한 ‘적 항구/ 항만 대잠 감시정찰을 통한 정보습득’과 동일한 임무 개념으로 다음과 같이 시나리오를 보다 구체화하였다.
33px;">D와 I₀는 각각 특정 방향에 대한 신호강도 (intensity) 및 전 방향에 대한 평균 신호강도이다. 본 연구에서 지향지수는 Back-baffle 상태에서 수치를 구하였다.
본 장에서는 무인잠수정이 수행하게 될 임무 중 가장 중요도가 높은 임무를 분석하고 이를 시뮬레이션 시나리오로 선정한다. 임무 분석을 위하여 미 해군의 무인잠수정 임무 및 대잠전 분야 운용개념, 국내 연구기관의 대잠 전 분야 운용개념을 참고하였다.
빔패턴은 조향각(steering angle)을 조정하여 그에 따라 변화되는 빔패턴을 얻을 수 있으며, 본 연구에서는 최대 신호출력에서 3dB 낮은 출력의 방위폭 (Half Power Beam Width, HPBW)으로 조향각을 조정하여 빔패턴을 형성하였다.
무인잠수정의 표적 잠수함 탐지 여부 판단은 소나방정식을 이용한다. 수행하는 임무의 성격에 따라 능동 모드를 사용할 수도 있지만, 은밀성을 요구하는 위험제어 시나리오 특성상 수동 모드만을 사용하였다. 수동 탐지모드에서 소나에 수신되는 여분 신호의 세기인 신호이득(Signal excess, SE)은 Equation (2)의 수동 소나방정식에 의해 결정되며, SE > 0 이면 표적은 탐지되었다고 가정한다.
11(b)에 확대하여 표현하였다. 시나리오1(위험제어)에 대한 실험을 진행하기 위해 항로의 길이(distance A), 폭(distance B), 해상상태 등의 공통변수, 환경변수 등을 설정할 수 있으며, 잠수함 및 무인잠수정의 세부 변수를 지정할 수 있도록 구현하였다.
11(a)는 개발된 시뮬레이터를 임의 조건에서 구동한 화면 예제이다. 시뮬레이션을 실행하게 되면 기동하는 무인잠수정(파란실선)과 잠수함(붉은실선)의 궤적을 실시간 확인할 수 있으며, 다각도에서의 종합적인 이해를 돕기 위하여 3차원, 수심(xz평면), Top-view(xy평면) 위 치정보를 동시에 전시하도록 하였다. Fig.
6과 같이 나타난다. 실제 시뮬레이터에서는 방위와 고각에 대한 손실을 모두 고려하여 적용하였다.
앞서 언급된 수동 소나방정식과 음향모델 인자들을 이용하여 표적의 탐지 여부를 판단한다. 소나 형상에 따라 만들 수 있는 HPBW 빔패턴 세트 수는 다르지만, 각 빔 패턴 중 하나라도 SE > 0인 경우 표적이 탐지되었다고 선언하고 방위와 고각을 결정하게 된다.
그 결과 처음에는 총 11개의 주요 임무(정보/감시/정찰, 대기뢰전, 대잠전, 조사/식별, 해양탐사, 통신/항해 네트워크 노드, 적재물 이송, 정보작전, 적기 신속타격, 장애물 초계 및 우군전력 보호, 해상기지 지원)를 도출하였으나 이후 무인잠수정 적용의 적합도, 워크샵 및 팀 분석 등을 통하여 11개의 임무 중 최종적으로 9개의 핵심 임무를 우선순위 순으로 도출하였고, 그 결과는 Table 1의 좌측과 같다. 추가적으로 9개의 핵심 임무 중 정보/감시/정찰(ISR), 대기뢰전(MCM), 대잠전 (ASW), 조사/식별(ID), 해양탐사(Oceanography) 등 5개의 임무에 대하여 중요도가 가장 높은 것으로 평가하였 고, 나머지 4개의 임무는 중상 또는 중 수준의 중요도로 평가하였다.
특히 음향모델 구현의 충실도를 높이기 위하여, 센서 배열에 따른 빔패턴을 기반으로 수동 소나방정 식을 이용한 탐지 여부를 판단하였으며, 탐지되었을 경우 빔패턴 진폭 기반의 방위 추정과 함께 위상차 기반의 모노펄스 고각 추정을 적용하였다. 표적의 방위 및 고각 추정을 위해 빔패턴 진폭 기반 방위 추정탑재 소나의 센서 배열과 부여된 임무 수행 간의 관계를 확인하기 위한 목적에 합당하도록 다양한 센서 배열 후보를 선정하여 실험이 이루어졌고, 그에 따른 실험결과와 경향성도 확인할 수 있었다.
특히 기존 교전수준 M&S에서 탐지거리와 방위로서 수신 성능을 표현한 소나 모델과는 달리 음향센서 배열에 의한 빔패턴 모델을 충실하게 구현하고, 이를 바탕으로 표적의 방위각과 고각을 추정하는 알고리즘을 반영하였다.
다음으로, 시뮬레이터를 구성하는 모델을 크게 플랫 폼 운동모델과 음향모델 그리고 환경모델로 구분하여 제시하였다. 특히 음향모델 구현의 충실도를 높이기 위하여, 센서 배열에 따른 빔패턴을 기반으로 수동 소나방정 식을 이용한 탐지 여부를 판단하였으며, 탐지되었을 경우 빔패턴 진폭 기반의 방위 추정과 함께 위상차 기반의 모노펄스 고각 추정을 적용하였다. 표적의 방위 및 고각 추정을 위해 빔패턴 진폭 기반 방위 추정탑재 소나의 센서 배열과 부여된 임무 수행 간의 관계를 확인하기 위한 목적에 합당하도록 다양한 센서 배열 후보를 선정하여 실험이 이루어졌고, 그에 따른 실험결과와 경향성도 확인할 수 있었다.
특히 음향모델 구현의 충실도를 높이기 위하여, 센서 배열에 따른 빔패턴을 기반으로 수동 소나방정 식을 이용한 탐지 여부를 판단하였으며, 탐지되었을 경우 빔패턴 진폭 기반의 방위 추정과 함께 위상차 기반의 모노펄스 고각 추정을 적용하였다. 표적의 방위 및 고각 추정을 위해 빔패턴 진폭 기반 방위 추정탑재 소나의 센서 배열과 부여된 임무 수행 간의 관계를 확인하기 위한 목적에 합당하도록 다양한 센서 배열 후보를 선정하여 실험이 이루어졌고, 그에 따른 실험결과와 경향성도 확인할 수 있었다.
이는 수면과 x - y 축 평면이 일치하고, 수심에 대해서는 음의 z축을 적용하는 지면좌표계(North-East-Down, NED)와 일치하도록 설정하였다. 플랫폼(무인잠수정, 표적 잠수함) 고정좌표계는 전진 방향을 양의 x축, 좌현(port) 방향을 양의 y축 그리고 아래 방향을 음의 z축으로 설정하였다. 공간좌표계, 플랫폼좌표계 공통으로 방위(Azimuth)에 대해서는 x축 기준 반시계방향을 양의 방위 증가로 정의하였고, 고각(Elevation)에 대해서도 x축 기준 반시계방향을 양의 고각 증가로 정의하였다.
한편 본 연구는 기존에 연구된 사례가 없는 대잠전 임무 수행에 관한 교전수준 M&S로 국내외 전문기관의 군사적 운용 방안을 기초로 현실 충실도가 높은 공학모델을 적용하여 신뢰성 있는 결과를 얻을 수 있도록 설계되었다.

대상 데이터

무인잠수정 탑재 소나의 형태에 따른 성능 비교를 위하여 사용된 센서 개수는 128개로 고정하였고, 단위 센서의 배열 형상 및 배치 위치에 따라 4가지 후보를 선정하였으며 Table 2와 같다.
본 장에서는 시뮬레이터 구현을 위한 구성요소들의 모델에 관해 설명한다. 시뮬레이터 모델은 플랫폼에 따른 운동모델과 음향모델 그리고 환경모델로 구성되었다. 특히 음향모델에서는 센서 배열에 따른 빔패턴을 기초로 하여 수동소나 방정식을 이용한 표적 탐지 여부 판단 및 방위, 고각 추정 알고리즘을 세부적으로 구현하였다.

이론/모형

반면 표적의 고각(Elevation)을 추정할 때에는 보간법을 적용할 수 있을 정도의 빔패턴이 형성되지 않는다. 따라서 센서에 입력되는 신호의 위상차를 활용한 모노펄스 (monopulse) 각도 추정법을 활용하였다(Sim et al., 2015). 모노펄스 각도 추정법에 의해 표적의 위치를 추정하는 식은 Equation (6)과 같으며, 두 센서 그룹에서 신호를 수신했을 때 표적의 고각을 추정하는 기하학적 형태는 Fig.
만약 하나의 빔패턴에서만 표적이 탐지된 경우(SE > 0), 해당 빔패턴의 조향각을 표적 방위로 추정하지만, 2개 이상의 빔패턴에서 표적이 탐지된다면 Spline 보간법(interpolation)을 적용하여 보다 정밀한 방위를 추정하도록 하였다.
무인잠수정과 표적 잠수함의 운동 모델은 3차원 공간에서의 질점(point-mass) 모델을 적용하였다. 시나리오에 따른 소나 시스템 성능을 체계적으로 분석하기 위하여 운동 모델은 합리적인 수준에서 단순화하여 구현 (Kinematics model)하였으며, 이에 따라 조타, 외력, 관성 등에 의한 영향 및 유도명령 시간지연 등의 요소는 배제되었다.
무인잠수정의 표적 잠수함 탐지 여부 판단은 소나방정식을 이용한다. 수행하는 임무의 성격에 따라 능동 모드를 사용할 수도 있지만, 은밀성을 요구하는 위험제어 시나리오 특성상 수동 모드만을 사용하였다.
소음준위(NL)는 Wenz Curve를 이용하여 협대역, 광대 역 주파수의 해상상태 1, 2, 3에 대한 수치를 사용하였다.
따라서 횡방향으로 형성되는 빔패턴은 종방향보다 좋은 방위 분해능을 갖게 된다. 이러한 특징을 고려하여 방위를 추정하는 방법과 고각을 추정하는 방법에 각각 빔패 턴 진폭 기반 방위 추정법과 위상차 기반 고각 추정법 (Monopulse Signal Processing)을 적용하였다.
본 장에서는 무인잠수정이 수행하게 될 임무 중 가장 중요도가 높은 임무를 분석하고 이를 시뮬레이션 시나리오로 선정한다. 임무 분석을 위하여 미 해군의 무인잠수정 임무 및 대잠전 분야 운용개념, 국내 연구기관의 대잠 전 분야 운용개념을 참고하였다.

성능/효과

미 해군 연구팀은 주요 임무 도출을 위하여 현장조사 (field surveys), 전문가 패널 토의, 워크샵 및 선행연구 분석을 실시하였고, 임무 목록 산출 후에는 임무형태, 혁신의 정도, 무인잠수정만이 보유할 수 있는 유일성, 기술발전 요구수준, 다중 적용성 및 해군의 전반적인 중요성에 대해 고려하여 핵심적인 임무 유형 및 우선순위를 도출하였다. 그 결과 처음에는 총 11개의 주요 임무(정보/감시/정찰, 대기뢰전, 대잠전, 조사/식별, 해양탐사, 통신/항해 네트워크 노드, 적재물 이송, 정보작전, 적기 신속타격, 장애물 초계 및 우군전력 보호, 해상기지 지원)를 도출하였으나 이후 무인잠수정 적용의 적합도, 워크샵 및 팀 분석 등을 통하여 11개의 임무 중 최종적으로 9개의 핵심 임무를 우선순위 순으로 도출하였고, 그 결과는 Table 1의 좌측과 같다. 추가적으로 9개의 핵심 임무 중 정보/감시/정찰(ISR), 대기뢰전(MCM), 대잠전 (ASW), 조사/식별(ID), 해양탐사(Oceanography) 등 5개의 임무에 대하여 중요도가 가장 높은 것으로 평가하였 고, 나머지 4개의 임무는 중상 또는 중 수준의 중요도로 평가하였다.
12(b)는 S0416 센서 배열을 사용하였을 때 동일한 정보에 대한 결과를 도식화하였다. 두 가지 센서 배열의 광대역 주파수 탐지 결과에서 공통적으로 확인할 수 있듯이 무인잠수정과 잠수함의 거리가 매우 근접해 있다고 하여도, 무인잠수정 함수에 잠수함이 위치하는 경우 소음 탐지 음영구역 (shadow zone)에 진입하여 탐지가 안 되는 현상(약 1600 초 인근)을 확인할 수 있다. 반면 협대역 주파수의 경우 형성되는 빔폭이 넓어서 음영구역 미탐지 현상이 발생하지 않았다.
두 가지 실험결과에서 공통적으로 확인할 수 있듯이 무인잠수정와 잠수함의 이격 거리가 동일할 때 감쇄비에 의해 광대역 소음의 탐지 빈도가 협대역 소음의 탐지 빈도보다 낮게 나타났다.
또한 개발된 시뮬레이터를 이용하여 다양한 시스템 구성요소와 파라미터들을 종합하여 임무 수행에 대한 성능 지표의 차이를 확인하고 나아가 변수값 변경에 따른 경향성을 분석하는 데 용이하게 사용된다. 예를 들어 위험 제어 임무의 경우, 소나 후보군의 선택에 따라 방위와 고 각 추정의 정확성에 있어서 트레이드오프(tradeoff)가 있을 수 있다.
두 가지 실험결과에서 공통적으로 확인할 수 있듯이 무인잠수정와 잠수함의 이격 거리가 동일할 때 감쇄비에 의해 광대역 소음의 탐지 빈도가 협대역 소음의 탐지 빈도보다 낮게 나타났다. 방위 추정결과를 비교하면 수평으로 배치된 센서의 수가 더 많아 분해능이 우수한 S0232가 낮은 추정 오차를 나타내었고, 고각 추정 성능은 수직방향으로 배치 된 센서의 수가 더 많은 S0416에서 낮은 분산도가 나타나는 것을 확인할 수 있다.

후속연구

탑재 소나의 센서 배열과 부여된 임무 수행 간의 관계를 확인하기 위한 목적에 합당하도록 다양한 센서 배열 후보를 선정하여 실험이 이루어졌고, 그에 따른 실험결과와 경향성도 확인할 수 있었다. 본 논문에서 개발한 시뮬레이터는 향후 무인잠수정 소나 센서 배열 선정에 고려될 수 있는 다양한 시나리오에 대한 적용 가능성을 시사하며, 이를 바탕으로 대잠전 임무를 위한 무인잠수정의 효과도 분석 연구에도 적용 가능할 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	무인잠수정의 사용으로 챙길 수 있는 이점은 무엇인가?	우리 해군에서는 무인잠수정(Unmanned Underwater Vehicle, UUV)을 이용한 작전 수행으로 이러한 목적을 효과적으로 달성할 수 있을 것으로 판단한다. 은밀한 감시정찰 활동, 탐색 및 공격 임무 수행으로 인명피해를 줄이고, 작전 의도 노출을 최소화하는 등 무인화 전력을 이용하여 작전 목적을 극대화할 수 있는 것이다. 특히, 무인잠수정은 인명피해 감소, 경제적 효율성, 전투 수행개념 및 무기체계 발전추세에 부합하기 위한 측면에서 그 역할과 필요성이 점점 증대되고 있다(Lee, 2017).
	전투체계에서 미래전의 양상은 어떠한 방식으로 변화하는가?	전투체계의 무인화는 과학 기술의 발전과 전쟁수행 형태의 변화에 따라 선진국을 중심으로 유인 무기체계를 대체 또는 보완하는 형태로 발전 중이다. 이는 미래전의 양상이 인명 중시 사상을 바탕으로 대량 살상과 파괴를 지양하고 비대칭․저비용 전력으로 군사력 우위 유지 및 전쟁억지력을 확보하는 것으로 변화하고 있기 때문이다. 즉, 무인화된 전투체계의 보편적 운용은 미래전 양상의 가장 대표적인 부분이라 할 수 있다.
	전투체계의 무인화는 어떤 형태로 발전 중인가?	오늘날의 다양한 첨단 무기체계 가운데 가장 주목할 만한 것은 무인 전투체계이다. 전투체계의 무인화는 과학 기술의 발전과 전쟁수행 형태의 변화에 따라 선진국을 중심으로 유인 무기체계를 대체 또는 보완하는 형태로 발전 중이다. 이는 미래전의 양상이 인명 중시 사상을 바탕으로 대량 살상과 파괴를 지양하고 비대칭․저비용 전력으로 군사력 우위 유지 및 전쟁억지력을 확보하는 것으로 변화하고 있기 때문이다.

참고문헌 (14)

Allard, Y. and E. Shahbazian (2014) Unmanned Undersea Vehicles (UUV) Information Study, OODA Technologies, Canada.
Button, R.W., J. Kamp, T.B. Curtin and J. Dryden (2009) A Survey of Missions for Unmanned Undersea Vehicles, RAND National Defense Research Institute, USA.
Barry D. V., K. M. Buckley (1988) "Beamforming: A Versatile Approach to Spartial Filtering", IEEE ASSP Magazine, 5(2), 4-24
Hwang, A., M. Kim and S.Y. Lee (2012) "A study of simulation model for effectiveness analysis simulation of unmanned underwater vehicle for mine searching", Journal of the Korea Institute of Military Science and Technology, 15(4), 410-416.

원문보기 상세보기
Hwang, A., M. Kim, S.Y. Lee, J. Yoon and C. Kim (2011) "A study on unmanned underwater vehicle operational performance analysis for mine search operations", Journal of the Korea Institute of Military Science and Technology, 14(5), 781-787.

원문보기 상세보기
Kang, H.B., H.J. Lee, S.H. Kim and H.G. Park (2017) "Allocations and robust fuzzy control for waypoints tracking of large displacement unmanned underwater vehicles", The Transactions of the Korean Institute of Electrical Engineers, 66(2), 402-408.

원문보기 상세보기
Kang, H., S. Hong and J. Sur (2019) "A study on the operation scenarios of unmanned underwater vehicles for an ASW-ISR", Proceedings of the Conference of the Korea Institute of Military Science and Technology, 2239-2240.
Lee, O.-S. (2017) "A direction of development of large UUVs for anti-submarine warfare connected to the future warfare development trend of the Navy", Defense & Technology, 457, 80-89.
Lee, P.-H., S.-K. Park, S.T. Kwon, S. Park, H. Jung, M.-S. Park and P.-M. Lee (2015) "Dynamic modeling of autonomous underwater vehicle for underwater surveillance and parameter tuning with experiments", Journal of Ocean Engineering and Technology, 29 (6), 488-498.

원문보기 상세보기
Schulkin, M., & Marsh, H. W. (1962). Sound absorption in sea water, The Journal of the Acoustical Society of America, 34(6), pp.864-865.

상세보기
Sim, H. K., Jung, M. A., & Kim, S. C. (2015). A performance analysis of phase comparison monopulse algorithm for antenna spacing and antenna array. The Journal of Korean Institute of Communications and Information Sciences, 40(7), 1413-1419.

원문보기 상세보기
US Navy (2004) The Navy Unmanned Undersea Vehicle (UUV) Master Plan, Department of the Navy, USA.
Yoo, T.-S. and M.H. Kim (2014) "Analysis of integrated navigation performance for sensor selection of unmanned underwater vehicle", Journal of Ocean Engineering and Technology, 28(6), 566-573.

원문보기 상세보기
Yoo, T.-S., M.H. Kim, J.H. Hwang and S.I. Yoon (2016) "Development of navigation HILS system for integrated navigation performance analysis of large diameter unmanned underwater vehicle", Journal of Ocean Engineering and Technology, 30 (5), 367-373.

원문보기 상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증