[논문]HMM에 의한 원형 마이크로폰 어레이 적용 드론 위치 추적

정형찬; 임원호; 곽준봉; 이시티아크 아메드; 장경희

doi:10.12673/jant.2020.24.5.393

HMM에 의한 원형 마이크로폰 어레이 적용 드론 위치 추적
Drone Location Tracking with Circular Microphone Array by HMM 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.24 no.5, 2020년, pp.393 - 407

정형찬 (인하대학교 항공산업시스템공학과) , 임원호 (인하대학교 항공산업시스템공학과) , 곽준봉 (인하대학교 전자공학과) , 이시티아크 아메드 (인하대학교 전자공학과) , 장경희 (인하대학교 전자공학과)

초록
AI-Helper

불법 무인기에 의한 위협을 줄이기 위해, 음향 기반 기법에 의한 추적시스템을 구현하였다. 드론 음향 추적 방식에는 3가지 주요 사항이 있다. 첫째, 가변 빔 형성을 통해 공간을 스캔하여 음원을 찾아 마이크 어레이를 사용하여 소리를 녹음한다. 둘째, 음원의 존재 유·무 여부를 알기 위해 은닉 마르코프 모델(HMM)로 분류한다. 마지막으로 음원이 드론인 경우, 적응형 빔 패턴을 기반의 추적기준 신호로 기록 및 저장된 음원을 사용한다. 시뮬레이션은 배경 노이즈 및 간섭 사운드가 없는 이상적인 상태와 배경 노이즈 및 간섭 사운드가 있는 비이상적인 조건 모두에서 수행되며 불법적인 드론의 추적 성능을 평가하였다. 드론 추적 시스템은 마이크 어레이 성능에 따른 탐색 거리 성능향상 및 음향 패턴 일치 정도에 따른 드론 유무 판정 기준을 설계하여 음성판독 회로설계에 반영하였다.

Abstract ▼ AI-Helper

In order to reduce the threat by illegal unmanned aerial vehicles, a tracking system based on sound was implemented. There are three main points to the drone acoustic tracking method. First, it scans the space through variable beam formation to find a sound source and records the sound using a microphone array. Second, it classifies it into a hidden Markov model (HMM) to find out whether the sound source exists or not, and finally, the sound source is In the case of a drone, a sound source recorded and stored as a tracking reference signal based on an adaptive beam pattern is used. The simulation was performed in both the ideal condition without background noise and interference sound and the non-ideal condition with background noise and interference sound, and evaluated the tracking performance of illegal drones. The drone tracking system designed the criteria for determining the presence or absence of a drone according to the improvement of the search distance performance according to the microphone array performance and the degree of sound pattern matching, and reflected in the design of the speech reading circuit.

주제어

표/그림 (33)

그림 그림 1. 불법 드론의 음향 신호를 기반 위치추적 시스템 아키텍처 (a) 지상 관제 에 의한 데이터 수집(마이크), (b) 무단 무인 항공기 탐지를 위한 지상 제어국 Fig. 1. System architecture of acoustic signal-based positioning of illegal drones (a) Data collection by ground-based monitoring entities(micro phones), (b) Ground control station for illegal drone detection
그림 그림 2. 불법 드론의 음향기반 위치 추적 개요도 Fig. 2. Overall procedure of acoustic signal-based positioning of illegal drones.
그림 그림 3. SBF에 의한 음원 추적 성능 및 음원 분해도 Fig. 3. Scanning resolution and the route of sound sources scanning by the SBF.
그림 그림 4. 출력 전력의 컬러 맵 [무인항공기 1의 방향 (45°, 200°), 무인 항공기 2의 방향 (20°, 60°)] Fig. 4. Color map of output power [Direction of drone1 (45°, 200°), Direction of drone 2 (20°, 60°)]
그림 그림 5. 출력 전력의 컬러 맵 [무인기의 방향 (45°, 200°), 새의 방향 2 (60°, 50°)] Fig. 5. Color map of output power [Direction of drone (45°, 200°), Direction of bird 2 (60°, 50°)]
그림 그림 6. MFCC 기법을 이용한 특징 추출 과정 Fig. 6. Feature extraction procedure using MFCC technique.
그림 그림 7. 무인 항공기 및 조류 소리의 스펙트로그램 Fig. 7. Spectrogram of drone and bird sounds.
표 표 1. HMM 기반 무인 항공기 소리 인식 절차 Table 1. HMM-based drone sound recognition procedure.
그림 그림 8. SNR 값을 이용한 소리 인식 실험 결과 Fig. 8. Experimental result for sounds recognition by SNR.
그림 그림 9. 정규화 후의 진폭 스펙트럼 ⒜드론, ⒝ 비행기, ⒞ 자동차, ⒟ 새, ⒠ 비 Fig. 9. Amplitude spectrum after normalization (a) drone, (b) plane, (c) car, (d) bird, (e) rain
표 표 2. 잡음 없는 음성 인식을 위한 실험 결과 Table 2. Experimental results for noise-free speech recognition.
그림 그림 10. 적응 형 빔 형성 Fig. 10. Adaptive beam forming.
그림 그림 11. MSE VS SNR Fig. 11. MSE vs SNR
그림 그림 12. 간섭하는 음성 신호의 추적 정확도 (a) 간섭 음향 신호의 방향 (18°, 63°), (b) 간섭 음향 신호의 방향 (78°, 12) Fig. 12. Tracking accracy with interfering sound signals (a) Direction of interfering sound signal (18°, 63°), (b) Direction of interfering sound signal (78°, 125°)
표 표 3. 이상적인 환경에서의 추적 결과 Table 3. Tracking results in an ideal environment
그림 그림 13. 드론 음향 처리 탐지 시스템 구성도 Fig. 13. Drone detection system configuration diagram.
그림 그림 14. 드론 음향탐지기 블록도 Fig. 14. Drone detection system block diagram.
그림 그림 16. CPU&MEMORY 부 회로도 Fig. 16. CPU&MEMORY circuit diagram.
그림 그림 17. DSP 부 회로도 Fig.17. DSP circuit diagram.
그림 그림 18. 드론 음향탐지기 메인보드 Fig.18. Drone Detection System Main-Board.
그림 그림 15. 드론 음향탐지기 H/W 블록도 Fig. 15. Hardware block diagram.
그림 그림 19. MIC 입력보드 (a)마이크 입력 보, (b) 2채널 연결 테스트 Fig. 19. MIC INPUT BOARD a) MIC INPUT BOARD, (b) 2 CH connecting Test.
그림 그림 20. 드론 음향탐지 신호 추적 알고리즘 구성도 Fig. 20. Drone sound detection signal tracking algorithm configuration diagram.
그림 그림 21. 트레이닝 패스 : HMM PARAMETER 추출 Fig. 21. Training pass : HMM PARAMETER extraction.
그림 그림 22. 테스트패스 기능정의 Fig. 22. Test pass function definition.
표 표 4. MFCC / BAUM-WELCH 알고리즘 정의 Table 4. MFCC / BAUM-WELCH algorithm definition
그림 그림 23. 소프트웨어 흐름도 Fig. 23. Software flow chart.
그림 그림 24. 전체통합 소프트웨어 흐름도 Fig. 24. Total integrated software flow chart.
그림 그림 25. 드론 음향탐지기 시험 전 계측기 CALIBRATION Fig. 25. Measuring instrument calibration before the drone detector test.
그림 그림 26. 주파수별 드론 음향탐지기 출력 시험 (a) 1 Khz CAL, (b) 2 Khz CAL, (c) 4 Khz CAL, (d) 8 khz CAL Fig. 26. Drone sound detector output test by frequency (a) 1 Khz CAL, (b) 2 Khz CAL, (c) 4 Khz CAL, (d) 8 khz CAL.
그림 그림 27. 상용 드론 사운드 표출 테스트 Fig. 27. Commercial drone sound expression test.
그림 그림 28. 마이크 어레이 연결 드론 비행 음향 테스트 Fig. 28. Microphone array connection drone flight acoustic test.
그림 그림 29. 비행시험 추적 결과 값 표출 (a) 52%, (b) 57.2%, (c) 54.6%, (d) 67.6% Fig. 29. Display of flight test tracking results (a) 52%, (b) 57.2%, (c) 54.6%, (d) 67.6%.

참고문헌 (26)

G. Cai, J. Dias, and L. Seneviratne, "A survey of small-scale unmanned aerial vehicles: recent advances and future development trends," World Scientific Publishing Company, Unmanned Systems, Vol. 2, No. 2 March 20, 2014.
Protecting the Sky White Paper, Vol. 2, Signal monitoring of radio controlled Civilian unmanned aerial vehicles and possible countermeasures, Rohde & Schwarz GmbH & Co. KG, pp. 3-6, Oct. 2015.
W. Shi, G. Arabadjis, B. Bishop, P. Hill, R.Plasse and J. Yoder, Detecting, tracking, and identifying airborne threats with netted sensor fence, in Sensor Fusion Foundation and Application, London, England: IntechOpen ch. 8, pp. 140-153, 2011.
I. Tchouchenkov, F. Segor, and T. Bierhoff, "Detesction, recognition and counter measures against unwanted UAVs," in Proceeding 10th Future Security Research Conference, Berlin: Germany, pp. 15-17, 2015.
A. Zelnio and B. Rigling, "Low-cost acoustic array for small UAV detection and tracking," in Proceeding IEEE National Aerospace and Electronics, Dayton Ohio:OH USA, pp. 110-113, 2008.
M. Peacock and M. Johnstone, "Towards detection and control of civilian unmanned aerial vehicles," in Proceeding of 14 th Australian Information Warfare Conference, Perth: Australia, pp. 99-103, 2013.
E. Tianaroig and F. Jacobsen, "Beamforming with a circular microphone array for localization of environmental noise sources," The Journal of the Acoustical Society of America," Vol. 128, No. 6, pp. 3535-3542, 2011.
C. Zhang, D. Florencio, and Z. Zhang, "Maximum likelihood sound source localization and beamforming for directional microphone arrays in distributed meetings," IEEE Transactions on Multimedia, Vol. 10, No. 3, pp. 538- 548, 2008.

상세보기
J. Gebbie, M. Siderius, and J. Giard, "Small boat localization using adaptive three-dimensional beamforming on a tetrahedral and vertical line array," Journal of the Acoustical Society of America, Vol 19, No1, pp. 2-8 , 2013.
X. Zhuang and X. Zhou, "Feature analysis and selection for acoustic event detection," in Proceeding of IEEE International Conference on Acoustics, Speech and Signal Processing, Las Vegas: NV , pp.17-20, 2008.
E. William and M. Hoffman, "Classification of military ground vehicles using time domain harmonics' amplitudes," IEEE Transactions on Instrumentation and Measurement, Vol. 60, No.11, pp.3720-3731, 2011.

상세보기
A. Averbuch and A. Zheludev, "Wavelet-based acoustic detection of moving vehicles," Journal of Multidimensional Systems and Signal Processing, Vol. 20, No. 1, pp. 55-80, 2009.

상세보기
E.Chaves, M. Travieso, and A. Camacho, "Katydids Acoustic Classification on Verification Approach based on MFCC and HMM," in Proceeding of IEEE Conference on Intelligent Engineering Systems, Lisbon: Portugal, pp. 561-566, 2012.
C. Lin and H. Chen, "Audio classification and categorization based on wavelets and support vector machine, IEEE Transactions on Speech and Audio Processing," Vol. 13, No. 5, pp. 644-651, 2005.

상세보기
I. Sen, M. Saraclar, and P. Kahya, "A Comparison of SVM and GMM-Based Classifier Configurations for Diagnostic Classification of Pulmonary Sounds," IEEE Transactions on Biomedical Engineering, Vol. 62, No. 7, pp. 1768-1776, 2015.

상세보기
A. Aljaafreh and L. Dong, "Ground vehicle classification based on hierarchical hidden markov model and gaussian mixture model using wireless sensor networks," in Proceeding of IEEE International Conference on Electro/Information Technology, illinois: IL, pp. 1-4, 2010.
H. L. Van Trees, Optimum Array Processing, 2nd ed. New York, NY: Wiley, 2002.
H. L. Van, Tress Part IV of "Detection, estimation and modulation theory,1st ed. New York, NY : Wiley, 2002.
F.Akbari, S. Moghaddam, and T. Vakili, "Music and MVDR DOA estimation algorithms with higher resolution and accuracy," in Proceeding of International Symposium on Telecommunications, Tehran: Iran, pp.76-81, 2010.
S. Chen, C. Meng, and A. Chang, "DOA and DOD estimation based on double 1-D Root-MVDR estimators for bistatic MIMO radars," Wireless Personal Communications, Vol. 86, No. 3, pp. 1321-1332, 2016.

상세보기
R.J. Weber and Y. Huang, "Analysis for capon and Music DOA estimation algorithms," in Proceeding of IEEE Antennas and Propagation Society International Symposium. Charleston, South Carolina : SC, USA, pp. 1-4, 2009.
D. N. Patel, B. J. Makwana, and P. B. Parmar, "Comparative analysis of adaptive beamforming algorithm LMS, SMI and RLS for ULA smart antenna," in Proceeding of 2016 International Conference on Communication and Signal Processing (ICCSP), Melmaruvathur: India, pp. 1029-1033, 2016.
R. Islam, F. Hafriz, and M. Norfauzi, "Adaptive beam forming with 16 element linear array using MaxSIR and MMSE algorithms," in Proceeding of IEEE International Conference on Telecommunications and Malaysia International Conference on Communications, Penang: Malaysia, pp. 165-170, 2007.
B. Pattan, Robust Modulation Methods & Smart Antennas in Wireless Communications, Electromagnetic Theory and Antennas Electromagnetic Theory and Antennas,1st ed. New Jersey, NJ: Prentice Halls, 2000.
J. Litva and T.K. Lo, Digital Beamforming in Wireless Communications, Norwood, Massachusetts, MASS: United States. Artech House, Boston, pp. 13-27, 1996.
S. Haykin, Adaptive Filter Theory, 4th ed. New Jersey, NJ: Prentice Halls, 2002.

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