Wide-area Surveillance Applicable Core Techniques on Ship Detection and Tracking Based on HF Radar Platform

광역감시망 적용을 위한 HF 레이더 기반 선박 검출 및 추적 요소 기술

Abstract

This paper introduces core techniques on ship detection and tracking based on a compact HF radar platform which is necessary to establish a wide-area surveillance network. Currently, most HF radar sites are primarily optimized for observing sea surface radial velocities and bearings. Therefore, many ship detection systems are vulnerable to error sources such as environmental noise and clutter when they are applied to these practical surface current observation purpose systems. In addition, due to Korea's geographical features, only compact HF radars which generates non-uniform antenna response and has no information on target information are applicable. The ship detection and tracking techniques discussed in this paper considers these practical conditions and were evaluated by real data collected from the Yellow Sea, Korea. The proposed method is composed of two parts. In the first part, ship detection, a constant false alarm rate based detector was applied and was enhanced by a PCA subspace decomposition method which reduces noise. To merge multiple detections originated from a single target due to the Doppler effect during long CPIs, a clustering method was applied. Finally, data association framework eliminates false detections by considering ship maneuvering over time. According to evaluation results, it is claimed that the proposed method produces satisfactory results within certain ranges.

현재 국내 환경에서의 HF 레이더는 기본적으로 표층해류의 속도와 방위의 측정에 최적화 되어있는 상태이다. 따라서, 이러한 환경하에서 선박을 탐지하는 데에는 큰 환경 잡음과 다수의 오검출로 인하여 기존의 선박 검출 및 추적 기술로는 정밀도에 한계점이 있다. 특히, 국내의 지형환경에 적합한 콤팩트형 HF(High Frequency) 레이더를 선박의 감시에 적용했을 경우에 나타나는 문제점들인 잡음과 간섭으로 인한 원신호 왜곡과 다수의 오검출이 발생하여 성능에 영향을 미치는 것을 극복하기 위한 검출 및 추적 기술이 요구된다. 본 논문에서는 이러한 조건 하에서 적용이 가능한 선박 검출 및 추적 기술을 제안을 하며, 서해에서 운용되고 있는 콤팩트 HF 레이더 사이트에서 획득한 관측 데이터에 적용하여 성능을 평가하였다. 제안된 기법은 선박의 검출에 대한 부분과 검출 결과의 추적에 대한 부분으로 이루어져 있다. 선박의 검출은 CFAR(Constant False Alarm Rate) 기반의 검출기를 활용하였으며, 실제 환경에서 불규칙적으로 획득되는 잡음과 오검출 신호를 줄이기 위한 PCA(Principal Component Analysis) 기반의 부분공간 분리기법을 적용하였다. 또한, 긴 입력 획득 주기(Coherent Processing Interval) 동안에 발생하는 도플러 주파수 변화로 인하여 하나의 선박이 다수의 검출값을 생성하기도 하는데, 이를 결합하기 위한 군집화 기법을 적용하였다. 선박의 검출 결과는 검출에 실패하거나 오검출을 포함시키는 경우도 발생하는데, 이러한 오검출을 줄이기 위한 선박 추적 기법을 적용하였다. 실험 결과에 따르면 제안된 선박 검출 및 추적 기술을 통하여 콤팩트 HF 레이더가 일정 거리에서 선박의 검출 성공율이 우수하다는 것을 확인할 수 있다.

요약

현재 국내 환경에서의 HF 레이더는 기본적으로 표층해류의 속도와 방위의 측정에 최적화 되어있는 상태이다. 따라서, 이러한 환경하에서 선박을 탐지하는 데에는 큰 환경 잡음과 다수의 오검출로 인하여 기존의 선박 검출 및 추적 기술로는 정밀도에 한계점이 있다. 특히, 국내의 지형환경에 적합한 콤팩트형 HF(High Frequency) 레이더를 선박의 감시에 적용했을 경우에 나타나는 문제점들인 잡음과 간섭으로 인한 원신호 왜곡과 다수의 오검출이 발생하여 성능에 영향을 미치는 것을 극복하기 위한 검출 및 추적 기술이 요구 된다. 본 논문에서는 이러한 조건 하에서 적용이 가능한 선박 검출 및 추적 기술을 제안을 하며, 서해에서 운용되고 있는 콤팩트 HF 레이더 사이트에서 획득한 관측 데이터에 적용하여 성능을 평가하였다. 제안된 기법은 선박의 검출에 대한 부분과 검출 결과의 추적에 대한 부분으로 이루어져 있다. 선박의 검출은 CFAR (Constant False Alarm Rate) 기반의 검출기를 활용하였으며, 실제 환경에서 불규칙적으로 획득되는 잡음과 오검출 신호를 줄이기 위한 PCA(Principal Component Analysis) 기반의 부분공간 분리기법을 적용하였다. 또한, 긴 입력 획득 주기(Coherent Processing Interval) 동안에 발생하는 도플러 주파수 변화로 인하여 하나의 선박이 다수의 검출값을 생성하기도 하는데, 이를 결합하기 위한 군집화 기법을 적용하였다. 선박의 검출 결과는 검출에 실패하거나 오검출을 포함시키는 경우도 발생하는데, 이러한 오검출을 줄이기 위한 선박 추적 기법을 적용하였다. 실험 결과에 따르면 제안된 선박 검출 및 추적 기술을 통하여 콤팩트 HF레이더가 일정 거리에서 선박의 검출 성공율이 우수하다는 것을 확인할 수 있다.

1. 서론

최근 해양 영토 광역감시망을 구축하기 위한 다양한 플랫폼이 레이더, 잠수정, 무인 수상정 등과 같이 다양하게 연구되고 있다. 이 중에서 3-30MHz 사이의 주파수를 활용하는 High-Frequency(HF) 레이더는 HF 주파수의 특성상 송신파형이 해양 표면을 따라 먼 거리까지 전파되어 낮은 전력 소비로도 최대 약 300 km까지 관측이 가능하다. 특히, HF 레이더는 낮은 비용으로 넓은 관측 범위를 가질 뿐 아니라 상시로 구동을 하여 신호를 획득할 수 있기 때문에 천재지변이나 불법 선박을 감시하는 기능을 수행하는 광역감시망의 핵심 플랫폼 중 하나로 인식되고 있다(Maresca et al., 2014a; Maresca et al., 2014b; Maresca et al., 2014c).

HF 레이더 시스템은 수신기의 구조에 따라 크게 위상 배열형 시스템과 콤팩트형 시스템으로 분류 할 수 있다. 위상 배열형 HF 레이더의 경우에는 다수의 안테나를 수신기로 활용해야 하며, 매우 넓은 설치 공간에 기하학적인 형상으로 수신기를 배치해야 하는 단점이 있다. 반면에, 콤팩트형 HF 레이더는 일체형 수신기로 구성되다 보니 공간의 제약을 갖지 않기 때문에 다수의 위치에 설치해야 되는 광역감시망을 구성하는데 적합하다고 할 수 있다. 아래 Fig. 1에 두 가지 방식을 각각 나타냈다.

Fig. 1. Comparison of HF Radar Structures (a) Phased-array Type (b) Compact Type.

그러나 콤팩트형 HF 레이더는 공간적 제약이 없는 대신에 안테나의 균일하지 않은 응답이 획득되는 구조적인 특성으로 인하여 방위 추정 정확도가 낮아지게 된다. 이러한 비균일(non-uniform) 제약을 감안하여 선박의 검출과 추적을 하기 위한 연구들이 활발하게 진행되어왔다. Chung et al.(2013)은 선박의 검출에 콤팩트 HF 레이더를 활용했을 경우의 잠재적인 한계 성능을(potential capability) 평가하였다. 분산형 센서망으로 콤팩트 HF 레이더 시스템을 확장하기 위한 검출 및 추적 연구를 수행한 사례도 다수 보고되었다(Roarty et al., 2011; Roarty et al., 2013; Smith et al., 2013).

기존의 기법들은 선박의 탐지를 목적으로 하는데 집중하는 반면에 본 연구의 목적에서와 같이 광역감시망의 목적에 부합하는 플랫폼으로 HF 레이더를 활용하기 위해서는 선박의 탐지뿐만 아니라 해류도 관측하는 것이 가능해야 한다. 적조의 흐름 또는 유류유출 등의 목적에 광역감시망을 활용하려면 선박보다 훨씬 느리게 이동하는 해류를 관측해야 하며, 이 경우에는 고해상도 도플러 주파수 관측 결과를 획득하기 위하여 긴 coherent processing interval(CPI)를 갖도록 레이더 파라미터를 설정해야 한다. 반면에 선박은 짧은 시간에도 위치를 급격하게 변경하는 이 가능하므로 짧 CPI가 요구된다. 본 저자들의 기존 연구에서는 dual purpose에 적합한 플랫폼을 구성하기 위하여 기존의 연구에서 주로 활용되는 CFAR(Constant False Alarm Rate) 검출기를 개선하기 위하여 subspace decomposition을 통한 signal enhancement을 수행하였다 (Park et al., 2017). Subspace decomposition denoising을 통하여 선박 검출율을 향상시키는 것이 가능하며 실측 데이터를 이용한 검증을 수행하였다. 그러나 선박의 밀도가 높은 환경에서는 dual purpose 콤팩트 HF 레이더의 거리/방위 해상도의 한계점으로 인하여 오검출이 다수 발생할 가능성이 있으며 이를 다수의 선박으로부터 발생한 신호들을 구분하여 궤적으로 구성할 필요성이 있다.

따라서 본 연구에서는 선박의 검출 및 추적을 수행하기 위한 요소기술들을 소개하고 기 개발된 검출기에 표적 추적기법을 적용하여 위에서 언급된 2가지 한계점들을 극복하고자 한다.

본 논문의 구성을 아래와 같다. 2장에서는 콤팩트 HF 레이더의 입력 신호인 RDM에 대하여 간략하게 언급하고, 선박의 검출 및 추적을 수행하기 위한 개요도를 소개한다. 3장에서는 핵심 요소기술인 RDM 신호 개선 및 선박신호 검출 기법을 소개한다. 4장에서는 오검출 및 선박 궤적 생성을 하기 위한 데이터 연관 및 표적 추적기법을 소개한다. 5장에서는 실측 데이터를 이용한 실험 결과를 분석하고 마지막으로 결론은 6장에서 다룬다.

2. HF 레이더 관측 데이터

대부분의 HF 레이더에 관한 연구에서 거리-도플러맵 (Range-Doppler Map, RDM)은 특정한 현상을 관찰하거나 검출하기 위한 가장 기초적인 형태의 정보로 활용된다. Fig. 2는 콤팩트형 HF 레이더의 monopole antenna로부터 생성된 RDM의 예시다. 그림과 같이 전형적인 RDM은 각 거리 또는 도플러 bin에 반사된 신호의 세기를 나타내는 magnitude 값으로 구성된다.

Fig. 2. Range-Doppler map obtained from compact HF radar.

위 예시와 같이, RDM에는 선박 신호뿐만 아니라 0도플러 주파수에서 관찰되는 지면 반사 신호, 브래그 스케터링 그리고 그 외의 잡음 또는 간섭이 원인이 되는 오검출에 해당하는 값들이 함께 관찰된다. 특히, 하나의 선박으로부터 반사되는 신호도 여러 sweep으로 생성되는 RDM의 특성상 도플러 블러 현상에 의하여 다수의 거리-도플러 bin에서 넓게 검출된다. 본 논문에서는 이와 같이 복잡하게 획득된 RDM에 선박 검출 및 추적 기술을 적용하여 선박의 위치를 정확하게 추정하고자 한다.

3. 선박 검출 알고리즘

Fig. 3에 본 논문의 선박 검출 시스템의 주요 기능들을 나열한 개요도를 나타냈다. 첫 번째 블록, RDM 윈도잉Windowing)에서는 이전 시간들과 현재간의 연속적인 RDM으로 정의된 프레임을 생성한다. 성분 분석(Component Analysis) 블록에서는 선박 신호 공간과 잡음 공간을 분리하여 선박 신호를 개선시키는 역할을 한다. 앞서 언급되었듯이 도플러 블러(Doppler blur) 현상이나 브래그 산란 (Bragg Scattering) 현상 등으로 인하여 잡음에 대한 추정이 어려워서 CFAR 검출기를 사용했을 경우에 정확하지 않은 결과를 획득하게 된다. 따라서, PCA 기법을 통하여 선박 신호에 해당하는 부분공간(subspace) 을 구하여 잡음신호와 분리하여 원신호보다 개선된 RDM을 획득한다. 선박 후보 검출(Candidate Detection) 블록에서는 전단계에서 획득한 개선된 RDM에 CFAR 검출기를 적용하여 피크치(peak)들을 선박 후보 위치들로 본다. RDM 입력에서는 CFAR 검출기를 이용하여 바로 방위 정보를 획득 할 수 없기 때문에 다음 블록인 후보 위치 변환(Candidate Positioning) 블록에서 MUSIC 알고리즘을 통하여 추정된다. 마지막으로 각각 획득한 거리정보와 방위정보를 위도 경도로 변환하여 지도에 전시한다. 각 부분에 대한 설명은 아래에서 이어진다.

Fig. 3. Description of procedure for ship detection

1) RDM 윈도잉 블록(Windowing)

콤팩트 HF 레이더의 안테나에서 수신되는 신호는 전방향성을 보이기 때문에 방위에 대한 정보를 포함하지 않는다. 따라서 선박의 위치를 획득하기 위하여 방위추정 알고리즘인 MUltiple SIgnal Classification(MUSIC)을 적용한다(Lipa and Barrick, 1983; Barrick and Lipa, 1999). MUSIC을 이용하여 방위를 구하는 공식에 대한 해를 구하려면 관측 벡터의 수가 안테나의 개수보다 많아야 한다. 따라서, MUSIC 알고리즘에 관측 데이터를 입력시키기 위하여 시간에 대한 슬라이딩 윈도우를 적용하여 다수의 RDM을 고려한다. 그림에서와 같이 매번 새롭게 입력으로 획득하는 RDM 마다 이전에 수집된 RDM M-1개를 같이 Frame으로 구성한다. M은 슬라이딩 윈도우의 개수이며, m은 이산시간의 time index를 의미한다. 선박 검출알고리즘에 요구되는 RDM의 개수는 최소 3개이기 때문에 M은 3으로 설정하며, CPI는 256초로 한다.

Fig. 4. Example of sliding window of RDMs.

2) 성분 분석 블록(Component Analysis)

RDM에는 선박으로부터 반사된 신호로부터 생성된 정보뿐만 아니라 여러 환경적인 요소들로 인하여 잡음이 공존하게 된다. 성분 분석 블록은 RDM의 신호를 부분공간으로 원신호 공간과 잡음 신호 공간 두 종류가 있다고 가정하여 RDM의 선박 신호를 강조시키는 역할을 한다. 본 논문에서는 대표적인 부분공간 분석 기법 중 하나인 주성분 분석(Principle Component Analysis, PCA) 기법을 통하여 선박 신호와 잡음 신호를 분리한다.

PCA 기법의 입력으로는 콤팩트 HF 레이더를 구성하는 3종류의 안테나 모두를 사용한다. 즉, monopole 1개와 cross-loop 2개에서 획득한 RDM을 아래와 같이 3차원의 벡터 공간으로 정렬시킨다.

\(X(d, r)=\left[X_{1}(d, r), X_{2}(d, r), X_{3}(d, r)\right]^{T}\)       (1)

여기서 X₁ and X₂은 각각 cross-loop 1과 cross-loop2에서 획득된 RDM을 의미한다.

선박 신호 외에 추가적으로 획득이 되는 잡음 신호가 독립이라고 가정하게 되면, 아래와 같이 covariance matrix를 합의 형태로 표현할 수 있다.

\(\sum(d, r)=\sum s(d, r)+\sum_{D}(d, r)\)       (2)

여기서, Σ, Σ_S, and Σ_D은 각각 관측값, 신호 그리고 잡음에 대한 공분산 행렬을 의미한다.

이러한 잡음과 선박이 독립이라는 가정을 하게 되면 각각의 부분공간은 서로 직교하게 되고, 원 입력 RDM을 선박신호의 부분공간에 투영하면 잡음이 제거된 개선된 RDM을 획득하는 것이 가능하다. [27]

\(\widetilde{X}(d, r)=e_{\max }^{H} \sum(d, r) e_{\max }=\lambda_{\max }\)       (3)

여기서 e는 가장 큰 eigenvalue에 해당되는 eigenvector를 의미한다.

3) 선박 후보 검출(Candidate Detection)

선박 후보 검출은 앞서 획득한 개선된 RDM에 CFAR검출기를 적용하여 인접한 셀(cell) 보다 높은 값을 갖는 피크 성분들을 찾아서 후보 위치로 선정한다. CFAR 검출기는 다양한 파생형 기법들이 연구되어 왔으며 잡음에 대한 통계치를 추정하는 방법에 따라 구분된다(Turley, 1997; Gandhi and Kassam, 1988; Maresca et al., 2013; Dzvonkovskaya et al., 2008; Rohling, 1983). 이러한 파생형 기법들 중 비균일(non-homogeneos) 환경에서 강인한 것으로 알려져서 실제 환경에 제일 적합한 Ordered Satistics CFAR를 적용하여 선박을 검출한다.

CFAR 검출기는 아래와 같이 RDM의각셀 Y를 임계치 T와 추정된 통계치 Z를 곱하는 형태로 선박인지 아닌지를 판별한다.

\(Y^{ } \begin{array}{c} H_{1} \\ > \\ < \\ H_{0} \end{array}\)TZ       (4)

여기서 Z는 RDM의 셀 Y에 인접한 값들을 윈도잉하여 비교를 하여 획득한다. OS-CFAR의 경우에는 아래와 같이 윈도우의 값들 중에서 k번째로 높은 값을 선택하여 대입시킨다.

\(Z=X_{(k)}, 1 \leq k \leq N\)       (5)

여기서 N은 윈도우의 크기를 의미한다.

CFAR의 정의에 따라 고정된 오검출율 Pfa에 따라 임계치 T가 결정되며 다음으로부터 T를 구할 수 있다.

\(P_{f a}=k\left(\begin{array}{l} N \\ k \end{array}\right) \frac{(k-1) !(T+N-k) !}{(T+N) !}\)       (6)

4) 후보 위치 변환(Candidate Positioning)

CFAR 검출기를 통하여 RDM 상의 후보위치를 검출하는 경우에는 방위에 대한 정보가 없으며 선박의 이동으로 인하여 발생한 도플러 블러의 영향으로 하나의 선박에서도 다수의 후보위치가 검출이 된다. 따라서 후보위치 변환 블록에서는 이 두 가지 이슈에 대응을 하기 위하여 방위 추정 기법과 군집화 기법을 적용한다.

방위를 추정하기 위해서는 monopole 안테나의 RDM에서 검출된 후보 위치와 동일한 cell index에 대응되는 cross-loop 안테나의 RDM 값들을 추출하여 행렬을 생성하고 여기에 위에서 언급된 MUSIC 알고리즘을 적용한다.

군집화 기법으로는 밀도 기반의 군집화 알고리즘(Density-based Clustering)을 적용한다(Ester et al., 1996). 방위 정보를 확보한 뒤에 변환된 J개의 선박 위치 후보는 지도상의 좌표(x_j, y_j)로 나타낼 수 있다. 이 좌표정보들의 공간적인 정보가 활용이 되며, HF 레이더의 대역폭으로 결정이 되는 거리 해상도(range resolution)에 따라 군집화 임계치를 결정할 수 있다. 이러한 임계치는 HF 레이더의 특성상 거리 해상도 내에 다수의 표적을 검출할 수 없다 가정 하에서 결정하는 것이 가능하다. 밀도 기반의 군집화 알고리즘은 이렇게 결정된 거리 임계치 내에서 연결이 가능한 모든 후보 위치들을 하나의 군집으로 가정을 하며, 일정 개수 이상의 후보 위치가 군집에 소속이 될 때 선박후보로 확정한다. 군집화에 실패한 나머지 후보 위치들은 오검출로 간주하고 제거한다.

위 과정을 통하여 확정이 된 군집의 좌표 위치들을 하나의 점으로 변환하여 최종 선박 검출 위치로 결정한다. 즉, 여러 과정들을 통하여 다수의 오검출들이 제거는 됐으나, 선박의 이동과 장시간의 CPI으로 인하여 하나의 선박에서도 다수의 검출값들이 발생을 하며 이를 결합할 필요성이 있다. 이는 아래식과 같이 군집의 모든 좌표에 대한 중심지점을 획득한다.

\(f_{c}=\sum_{\left(x_{j}, y_{j}\right) \in G_{i}} \frac{m_{j}}{\sum m_{j}}\left\{\left(x_{j}-\hat{x}_{l}\right)^{2}+\left(y_{j}-\hat{y}_{l}\right)^{2}\right\}\)       (7)

여기서 m_j는 j번째 후보 위치의 진폭값이며 Gl는 l번째 군집에 소속되는 모든 좌표들의 집합을 의미한다. 다시 말해서, 최종 선박 검출 결과는 아래와 같이 획득할 수 있다.

\(\left[\begin{array}{l} \hat{x}_{l} \\ \hat{y}_{l} \end{array}\right]=\sum_{(x, y, y) \in G_{l}} \frac{m_{j}}{\sum m_{j}}\left[\begin{array}{l} x_{j} \\ y_{j} \end{array}\right]\)       (8)

IV. 선박 추적 알고리즘

1) 선박 기동의 모델링

앞서 입력 데이터인 RDM으로부터 선박의 위치를 추정하는 기법에 대해서 언급하였다. 매 시간 m마다 선박의 위치를 추정하고, 추정된 결과를 선박에 대한 궤적으로 나타낼 수도 있다. 그러나 추정된 선박의 위치는 불확실한 추정 값이며, 일정 시간동안 관측 값을 획득하지 못하거나 오차가 큰 관측 값을 획득하게 되는 경우 잘못된 표적 위치 추정 결과가 필연적으로 발생하게 된다. 따라서, 본 절에서는 선박의 기동에 대한 모델링과에 대한 정보를 융합하는 필터링(Filtering) 기법을 통하여서 표적의 궤적을 추적하는 기술을 다룬다.

선박은 크기와 운용 목적에 따라 일관적으로 항로를 따라 운행하거나 어장 근처에서 불규칙적으로 이동하는 등 단일 운동 모델로 표현하기는 불가능하다. 즉, 선박의 다양한 움직임을 표현하기 위해서는 비형적인 운동 모델이 고려되어야 하며, 이를 반영할 수 있는 추적 필터에 적용되어야 한다. 또한, 다수의 선박 및 오검출이 존재하는 HF 레이더 환경에서는 데이터 연관(Data Association) 기법이 필요하다. 데이터 연관 기법은 추정된 관측 값이 현재 추적하고 있는 특정 선박의 관측 값인지 선박이 아닌 관측 값인지를 판단해주는 기법이다.

Fig. 5. Density based clustering approach for ship candidate positioning

선박의 기동을 모델링하기 위한 동적 기동 모델은 아래와 같이 나타낼 수 있다(Bar-Shalom and Li, 1993).

x_k = Fx_(k-1) + w_k       (9)

z_k = Hx_k + v_k       (10)

x_k는 표적의 상태 벡터이며 k시간에서의 표적의 위치와 속도를 나타낸다. z_k는 표적의 관측 값으로 k시간에서 표적의 위치 추정 알고리즘을 통해 획득한 값을 의미한다. H는 표적의 상태 벡터와 관측 값과의 관계를 나타내며, F는 연속된 상태 벡터간의 관계를 의미한다. w_k, v_k는 각의 모델에 대한 불확실성을 의미하며 주로 정규분포함수로 모델링된다. 수식 (10)은 표적의 운동에 대해서 나타낸 모델이며, 수식 (11)은 관측 값과 표적의 상태에 대해 나타낸 모델이다. 아래 표에 선박의 다양한 기동에 강인한 운동모델을 도출하기 위하여 F에 적용이 가능한 운동 모델들을 나타냈다.

Table 1. Comparison of typical target maneuver models

Nearly Constant Velocity Model은 가장 기본적인 운동 모델로서 표적의 시간마다의 등속 운동을 가정하고 있다. 좀 더 다양한 표적의 기동을 표현할 수 있는 Coordinated Turn Model은 표적의 각 속도를 기반으로 하는 회전 기반이 운동 모델이다. 최근 운동 모델로써 많이 연구되고 있는 IMM(Interacting Multiple Model)은 앞에서 설명한 다수의 모델들의 정보를 융합함으로서 사용하는 기법이다(Mazor et al., 1998).

2) 데이터 연관 프레임워크

잡음은 이전의 검출신호 개선 단계에서 상당히 제거되지만, 다수의 선박 후보가 검출이 되는 RDM의 특성상 오검출이 다수 존재하게 된다. 또한, 탐지 범위 내에 다수의 선박이 존재하는 경우에는 각 선박의 궤적 정보 따로 저장해야 한다. 따라서, 검출결과의 성능을 개선하기 위하여 데이터 연관 프레임워크를 적용할 필요성이 있다. 본 논문에서는 제안된 데이터 연관 프레임워크를 통하여 시/공간적 정보를 누적시켜서 의도되지 않은 오검출과 선박 각각의 궤적을 생성한다. 제안된 데이터 연관 프레임워크는 2개의 블록으로 구성되어 있으며, 아래 Fig. 6과 같이 궤적 추적과 궤적 관리 등으로 나눠져 있다.

Fig. 6. Description of procedure for ship tracking

Fig. 6과 같이 선박 검출 결과는 시간에 대하여 입력이 되고 좌측 블록의 표적 추적 블록으로 입력이 된다. 우선 데이터 연관 블록에서는 새로 입력된 검출결과와 기존에 확정되어 관리중인 궤적의 시공간적 정보로부터 생성된 동적 모델을 만족시키는지를 판별한다. 만족할 경우에는 새로 입력된 검출 결과를 이용하여 동적 모델을 갱신한 후, 해당 검출 결과와 만족되지 않은 결과들도 궤적 관리 블록으로 넘긴다. 궤적 관리 블록은 3가지 블록으로 이루어져 있으며, 첫번째 블록, 궤적 초기화에서는 궤적 추적 블록에서 일치하는 동적 모델이 없는 검출값들을 공간적으로 연속성이 있는지를 판단하여 새로운 궤적으로 확정한다. 궤적 종료 블록은 연속성이 없어진 궤적들을 제거하는 역할을 한다.

CPI 간에는, 선박은 최대 속도로 인하여 한정적으로 위치 변화가 발생한다. 이러한 시공간적 변화를 관찰하기 위하여 아래 식과 같이 관측값을 추정하고 추정된 공분산을 구한다.

\(\hat{z}_{k}=H x_{(k-1)}\)       (11)

\(\hat{R}_{k}=H P_{k} H^{T}\)       (12)

여기서, 추정된 관측값 벡터 z는 위치와 속도를 포함한다.

위에서 언급한 한정적인 위치 변화는 유효화 영역으로 정의가 되며, 이 영역 바깥에서 검출된 값들을 오검출로 판단하여 제거한다. 유효화 영역 V는 Mahalanobis 거리로 정의를 하며, 아래와 같이 정의된다.

\(V_{k}=\left\{\mathrm{z}:\left(z-\bar{z}_{k}\right)^{T} \sum S_{k}^{-1}\left(z-\bar{z}_{k}\right)<\gamma_{k}\right\}\)       (13)

유효화 영역은 하나의 선박으로부터 발생한 검출결과들이 아래와 같이 동적 모델로 추정이 된 관측값 zk과 공분산 ∑_Sk을 기준으로 가우시안 분포를 갖게 된다는 것을 의미한다.

\(N\left(z_{k}^{i} ; \bar{z}_{k}, \sum_{s_{k}}\right)\)       (14)

선박이 자주 다니는 항로의 경우에는 하나 이상의 선박이 유효화 영역 내에 같이 검출되는 경우 발생하게 된다. 이 경우에도 독립적으로 궤적을 관리하기 위하여 각각의 초기 생성 근원을 판별해야 한다. 이 경우에 대비하여 검출 결과가 부정확한 상황에서 일정한 패턴으로 추적되는 표적 정보를 종합해 탐지하는 방법 중 하나인 Track-Before-Detection(TBD) 기법을 적용하였다.

TBD 기법은 Table 2의 절차에 따라 운동 모델을 기준으로 연속적으로 다수의 RDM에서 검출될 경우에만 추적된 검출결과로 반영한다.

Table 2. Procedure of Track-Before-Detection Method

Fig. 7에 m-of-n Detector(m=5, n=4) 기반으로 TBD 기법을 구현하기 위한 상태도를 나타냈다. 위 과정 3에 따라 초기궤적이 생성되면 초기 궤적별로 매 RDM 마다 검출 결과가 획득되는지를 기록한다. 이때 검출 성공은 초기 위치와 속도에 따라 예측한 위치와 오차가 적어야 하며, 검출값이 설정한 범위 내에 없을 경우에는 검출에 실패했다고 정의한다. 검출에 성공했을 경우에 ‘o’ 값을 저장하고 실패할 경우에 ‘x’ 값을 저장한다. 하나의 초기궤적은 총 8개의 상태를 가질 수 있으며, 각 상태는‘o’과 ‘x’로 구성된다. 상태 8에서와 같이 5개의 RDM이 생성될 동안 4회 검출에 성공할 때만 확정 궤적으로 판단하여 선박 검출 결과로 본다.

Fig. 7. Description of m-n detector.

5. 실험

1) 실측 데이터베이스

본 논문에서 제안된 광역감시망 적용을 위한 HF 레이더기반 선박 검출 및 추적 요소 기술의 검증을 위하여 실제로 군산 인근에서 13 MHz 동작 주파수, 100 Hz 대역폭, 45 Watt 송신 전력, 2 Hz의 주사 속도, 그리고 512-point FFT로 동작중인 콤팩트 HF 레이더 사이트에서 실측 데이터를 획득하였다. 수집의 대상이 되는 선박은 2016년 8월 1일부터 2016년 9월 18일 총 49일 동안 설치된 HF 레이더의 유효 탐지 범위에 포함되는 선박으로 설정하였다. 선박의 탐지범위는 Fig. 8에 나타냈다.

Fig. 8. Coverage of testbed HF radar site in ellow Sea, Korea.

수집된 데이터의 정확도를 검증하기 위하여 위 HF 레이더와 같이 설치된 AIS 장치에서 획득한 선박 좌표정보의 궤적을 기준으로 비교하였다. Fig. 9 (a)의 예시에서와 같이 8월 10일 하루 사이에 수집된 선박 정보는 총 178종이 되며 이 중에서 선박의 크기에 대한 정보가 포함되고 시간에 대하여 끊기지 않은 궤적을 비교용으로 첫 번째 그룹으로 선정하였다. 여기서 AIS 정보는 수신 환경 또는 송신측의 AIS 장치 가동 여부에 따라 일관적으로 들어오지 않는 경우가 많기 때문에 실제 획득된 선박 궤적보다 훨씬 적은 수를 사용하였다. Fig. 9 (b)에 나타낸 두 번째 그룹은 첫 번째 그룹의 궤적 중 HF 레이더 사이트 주변으로 항해하는 궤적 30종을 선별하였다. 여기서 사용된 두 그룹의 궤적이 HF 레이더 사이트로부터 거리가 13 MHz의 동작 주파수에서 유효 탐지 범위인 60 km이하인 경우만 데이터로 반영하였다.

Fig. 9. Reference database established by AIS data of 2016-08-10 (a) All ships (b) Selected ship trajectories in HF radar site coverage.

2) 성능 평가 지표

성능을 정량적으로 평가하기 위하여 레이더의 동작 주파수와 같은 파라미터로 결정되는 거리/방위 불확실성(ambiguity)를 반영할 필요성이 있다. 해당 13 MHz의 HF 레이더 사이트에서는 그림 10 (a)에서와 같이 관측거리는 약 9에서 60 km 그리고 관측 방위는 약 200도에서 330도로 정의되어 총 486개의 셀 (cell)로 나타낼 수 있다. 또한, 해당 셀 내에 검출 결과와 AIS 좌표가 존재할 경우에 검출에 성공했다고 정의한다. 이에 대한 예시는 Fig. 10 (b)와 (c)에 나타냈다. 여기서 파란색으로 표시된 부분은 RDM이 획득된 시간에서의 AIS 정보의 좌표를 의미하며, 붉은색으로 표시된 부분은 검출이 되었으나, 오검출로 추정이 되는 것을 의미하며, 파란색과 붉은색이 겹치는 경우에는 검출결과가 참인 것으로 판단하여 녹색으로 표기한다.

Fig. 10. Range/Bearing cells for detection performance evaluation (a) Cells in HF radar coverage defind by range/bearing ambiguity (b) Example of detection results and AIS data (c) Red region of (b).

Fig. 11에 추적 기법이 적용되어 위 그림 10의 검출 결과에서 발생한 오검출을 줄인 예시를 나타냈다. 연속적인 6개의 RDM에서 획득된 검출 정보를 확인을 하며, 시간에 대하여 연속성이 없는 검출 정보는 오검출로 판단하여 제거된다.

Fig. 11. Example of false alarm reduction based on target tracking framework

최종적으로는 검출 확률 Pd와 오검출 확률 P_fa는 아래와 같이 획득한다.

\(P_{d}=\frac{\# \text { of Detected cells }}{\# \text { of AIS cells }}\)       (15)

\(P_{f a}=\frac{\# \text { of False alarm cells }}{\text { Total # of cells in coverage }}\)       (16)

3) 실험 결과

Fig. 12에 레이더 단면적(Radar Cross Section)에 따라 일자별로 구분한 두 개의 데이터 세트에서 획득한 검출확률을 ROC 곡선으로(Receiver Operating Characteristic Curve) 나타냈다. ROC 곡선은 곡선이 좌상향의 형상을 보일 때 성능이 높다고 할 수 있다. 1 번 그룹의 경우에는 상하로 이동하는 궤적을 갖는 선박 외에 레이더 단면적이 낮아지는 레이더 사이트와 멀어지는 선박이 많이 포함되었으며, 2번 그룹에는 주로 레이더 사이트 기준으로 상하로 이동하여 레이더 단면적이 대체로 높은 선박 궤적들이 포함되었다. 아래 결과에 따르면, 선박 검출율은 오검출율이 10%일때 약 70% 정도로 검측되었으며, 오검출율이 20%일때 약 80%에서 87% 정도로 확인되었다. 또한, 2번 그룹이 성능이 1번 그룹에 비하여 높은 것을 확인할 수 있다. 이는 레이더 단면적이 낮은 선박의 궤적이 상대적으로 검출 성능이 떨어지기 때문임을 알 수 있다.

Fig. 12. Detection rate vs false alarm rate (ROC curve) obtained from HF radar site.

Fig. 13에는 거리에 따른 검출 성능을 비교하여 나타냈다. 그림의 곡선은 선박의 검출율을 의미한다. 실험 결과에 따르면, 거리가 가까울수록 검출율은 높아지며, 20km부터 성능이 급격하게 하락되는 것을 관찰할 수 있다. 또한, 그림 11의 경우와 마찬가지로, 레이더 단면적이 큰 궤적을 포함하는 2번 그룹의 검출율이 약 1~10%정도 큰 것을 확인할 수 있다.

Fig. 13. Detection performance for varying distance from HF radar site with two dataset groups.

Fig. 14에 m-n 검출기 기반의 데이터관 기법과 등속도 운동모델 기반으로 적용한 추적 기법을 적용했을 경우의 성능 변화를 그래프로 나타냈다. 붉은 선은 Fig. 12의 데이터베이스 전체에 대한 거리별 오검출율 나타냈으며 거리가 멀어질수록 오검출율이 상승하는 것을 관찰할 수 있다. 파란 선으로 추적 기법을 적용했을 경우에 대한 결과를 나타냈으며, 표적이 가까울 경우에는 약 10% 이상 오검출율이 감소하는 것을 확인할 수 있다. HF 레이더 사이트와 선박과의 거리가 멀어질 경우에는 검출 결과 자체에 오차가 커지기 때문에 추적 기법을 적용했다 하더라도 큰 성능 변화를 갖지 않으며, 오히려 제대로 검출한 경우까지 오검출로 판단되는 경우가 있어서 성능이 악화되는 경우도 발생할 수 있다.

Fig. 14. Comparison of false alarm rate between conventional detection results and improved results with target tracking framework.

6. 결론

본 논문에서는 광역감시망을 구축하기 위한 플랫폼 중 하나인 HF 레이더를 이용하여 선박을 감시하기 위한 요소기술들을 제안하고 검증하였다. 특히, 표층해류를 검측하는데 최적화 되어있는 국내의 HF 레이더 플랫폼을 광역감시망의 목적에 부합되도록 선박의 감시의 목적으로도 동시에 활용할 수 있는 확장 기법들을 고찰하였다. 제안된 기법은 선박의 검출에 대한 부분과 검출 결과의 추적에 대한 부분으로 이루어져 있다. 선박의 검출은 CFAR 기반의 검출기를 활용하였으며, 실제 환경에서 불규칙적으로 획득되는 잡음과 오검출 신호를 줄이기 위한 PCA 기반의 부분공간 분리기법을 적용하였다. 또한, 긴 CPI 동안에 발생하는 도플러 주파수 변화로 인하여 하나의 선박이 다수의 검출값을 생성하기도 하는데, 이를 결합하기 위한 군집화 기법을 적용하였다. 선박의 검출 결과는 검출에 실패하거나 오검출을 포함시키는 경우도 발생하는데, 이러한 오검출을 줄이기 위한 선박 추적 기법을 적용하였다. 서해에서 운용되고 있는 HF 레이더 사이트에서 획득한 실측 정보를 이용하여 제안된 요소기술들을 검증하였다. 검증 결과에 따르면 선박 위치의 판단 기준이 되는 AIS 정보와 비교했을 경우에 10 km 거리에서 약 95%의 검출 성공율을 보였으며, 추적 기법을 통하여 오검출율을 거리별로 약 10% 개선하였다.