I. 서 론
II. 심도 정보 신호 설계
2.1 기존 바이너리 방식 신호 설계(M1)
2.2 펄스 간격 변조 방식 신호 설계 제안(M2)
2.3 MV 방식 다중 센서 융합 알고리즘
III. 해상 실험 결과
3.1 1차 해상 실험 결과
3.2 2차 해상 실험 결과
IV. 결 론
I. 서 론
수중에서 수중 운동체들이 기동하게 되면 3차원 공간에서 위치를 추적할 수 있어야 한다. 3차원 공간에서의 고정밀 위치 추정은 다수의 수신 센서를 Long BaseLine(LBL)형태의 2차원 형태로 배치하면서 미리 약속된 신호를 송수신하여 수신 센서들까지 도달하는 시간과 심도 정보를 이용하여 3차원 수중 공간에서 기동하는 운동체의 정보를 추정하여야 한다.[1] 수신 센서들 사이의 도달 시간차를 활용하는 Time Difference of Arrival(TDoA) 방식 등을 이용하여 2차원 공간에서 거리 추정을 한다. 정확한 위치 추정을 위해서는 운동체에서 측정된 심도 정보 신호를 센서 노드 배치, 전송 시간 및 대역폭, 도플러 등의 요소를 고려하여 설계하여야 하며, 이를 인접한 다중의 수신 센서에서 복조하여 모선으로 전송한다. 모선에서는 운동체의 정확한 3차원 위치 좌표를 추정하여야 한다.[2,3] 이에 본 논문에서는 고속으로 기동하는 수중 운동체의 위치 추정을 위해 운동체의 시간에 따라 변하는 심도 정보를 프레임 식별자(Frame Identifier, FID)로 표현하여 신호를 설계하였다.
수중에서 심도 정보를 전송하는 기존 방식은 심도 정보를 구간으로 나뉘어 서로 다른 주파수를 갖는 연속파(Continuous Wave, CW)를 이용하여 각 수신 센서에 전송하는 방식, 심도 정보를 바이너리로 표현하여 디지털 변조 후 전송하는 방식이 있다.[4,5,6] 연속파 전송 방식은 심도 정보의 단위가 세분화되면 많은 주파수가 필요하며, 바이너리로 전송하는 방식은 제한된 전송 시간으로 인해 전송 비트열 길이가 길수록 비트 당 샘플 수가 줄어들어 성능 열화를 가져오며 최상위 비트(Most Significant Bit, MSB)의 오류 발생 시 추정된 심도 정보의 오차를 크게 할 수 있다. 따라서 정보 전송 시간 내에 최대의 결과를 만족하는 심도 정보 및 프레임 식별자 전송을 위한 신호 설계가 중요하다. 본 논문에서는 심도 정보를 일정한 간격으로 표현하는 펄스 간격 변조(Pulse Interval Modulation, PIM) 방식을 제안한다.[7] 펄스 간격 변조을 이용한 심도 정보의 표현 방식은 심도 정보의 간격이 끝나는 시점에서 프레임 식별자 정보를 주파수 변조하여 전송하는 방식이며 간격의 오차가 발생하더라도 전체적인 심도 정보의 오차에는 큰 영향을 받지 않으므로 기존 방식에 비하여 효율적이다. 또한 본 논문에서는 운동체의 시간에 따라 서로 다른 프레임 식별자를 전송하여 다중 수신 센서에서 동일 프레임 식별자를 갖는 심도 정보를 융합하는 다중 센서 융합 알고리즘을 제시하였다. 수신 신호의 프레임 식별자 자체에 오류가 발생하면 해당 프레임을 제외하고 동일한 프레임 식별자를 수신한 프레임을 이용하여 다중 센서 정보 융합을 한다. 본 논문에서는 기존 바이너리 방식과 본 논문에서 제안한 방식의 효율성을 2차례의 해상 실험을 통해 분석하였다.
II. 심도 정보 신호 설계
본 장에서는 3차원 공간에서 기동 중인 운동체에서 측정된 심도 정보 신호를 수신하여 3차원 위치 좌표를 추정하기 위해 Fig. 1의 모식도를 가정하여 심도 정보 신호를 설계하였다. Fig. 1과 같이 기동 중인 운동체에 수백 m에서 수 km 떨어진 곳에 개의 수신 센서를 배치하여 각 수신 센서에서 수신되는 핑을 복조하여 고주파(Radio Frequency, RF)로 모선 즉 관측소로 보내어진다. 모선에서는 각 센서로부터 수신된 신호를 이용하여 운동체의 위치를 추정한다. 이러한 환경에서 논문에서는 고속으로 기동하는 수중 운동체의 위치 추정을 위해 운동체의 시간에 따라 변하는 프레임 식별자 및 효율적인 심도 정보 신호를 설계하였다.
심도 정보의 동기를 획득하기 위해 50 ms의 선형 주파수 변조(Linear Frequency Modulation, LFM)을 적용하였으며, 이는 각 수신기에 신호 도착시간에 따른 위치 추정, 즉 Time of Arrival(ToA) 및 TDoA 방식을 적용하기 위해 사용하나 본 논문에서는 심도 정보의 신호 설계에 초점이 맞추어져 있어 심도 정보 신호의 동기 획득 및 상관도 측정을 위해 적용하였다. 신호는 프레임 식별자와 심도로 표현할 수 있으며, 프레임 식별자는 이동하는 수중 운동체에서 측정한 깊이를 수신기로 전송할 때, 전송 시간에 대한 식별자로서, 1 s 단위로 0부터 3까지 반복하여 전송한다. 각 수신기에서는 심도 정보를 복조하여 모선으로 전송하면 모선에서는 각 수신기로부터 수신된 동일 프레임 식별자를 가지는 신호를 이용하여 심도 정보를 추정한다. 다음 각 절에서는 수중 운동체가 이동하는 최대 심도를 600 m라 가정하여 기존 및 본 논문에서 및 제안한 심도 정보 신호 설계에 관해 설명한다. Fig. 2는 심도 정보 신호의 기본적인 구조이다. 50 ms의 LFM과, 50 ms의 가드 구간이 있으며, 심도 정보 구간은 신호 설계 방식에 따라 디지털 변조 신호나, 가드 구간이 존재한다.
2.1 기존 바이너리 방식 신호 설계(M1)
기존의 심도 정보를 전송하는 기존 방식은 References [4], [5], [6]과 같이 심도 정보를 직접적으로 바이너리로 표현하는 방식이다. 본 논문에서 이러한 방식을 M1으로 나타내었으며, Fig. 3에서와 같이 수심이 최대 600 m일 때, 0 m ~ 600 m의 십진수 세 자리 수를 바이너리로 표현한다. 100 m 단위의 자리 수인 백의 자릿수는 6을 초과하지 않으므로 3 bits, 두 번째 자릿수인 십의 자리는 9까지 나타낼 수 있어 4 bits, 마지막 자릿수는 0 m 혹은 5 m를 나타내어 1 bit, 총 7 bits로 할당하였다. 수중 운동체가 이동 시 심도가 변하므로 각 심도에서 1 s 단위로 프레임 식별자를 변화하면서 해당되는 심도 정보를 수신 센서들로 전송하며, 이는 0에서 3으로 증가하면서 표시하므로 이를 2 bits로 할당하였다. 예를 들어 Fig. 4는 수중 운동체의 심도가 288 m일 때 심도 정보를 나타내었다. 백의 자릿수가 2이므로 “010”을 나타내었으며, 십의 자릿수가 8이므로 “1,000”으로, 일의 자릿수가 5 m 이상이므로 “1”로 나타내었다. 수중 운동체에서 측정된 심도를 2-ary Frequency Shift Keying(2-FSK) 방식으로 전송하며, 각 수신 센서에서는 큰 에너지를 갖는 주파수 대역에 해당하는 비트를 복조한다.
2.2 펄스 간격 변조 방식 신호 설계 제안(M2)
2.1절의 M1 방식은 백의 자릿수가 오류가 발생하면 심도 오차가 매우 크게 발생한다. 따라서 본 논문에서는 심도 정보를 일정한 간격으로 표현하는 펄스 간격 변조 방식을 제안한다. 펄스 간격 변조 방식을 이용한 심도 정보의 표현 방식은 심도 정보 구간이 끝나는 시점에서 프레임 식별자 정보를 주파수 변조하여 전송하는 방식이다. 펄스 간격 변조 방식으로 심도 정보를 표현하기 위해 LFM 신호로 심볼의 시작을 나타내며, 0 m ~ 600 m를 5 m 간격으로 나눈 0 ~ 120의 121개의 구간의 보호 구간 길이로 심도 정보를 나타내었으며, 보호 구간 끝에 프레임 식별자를 나타내는 4개의 중심 주파수의 CW 신호를 전송한다. 본 논문에서 이와 같은 방식을 M2로 나타내었으며, 이는 Fig. 5와 같이 묘사될 수 있다. 예시로, 전송 신호의 프레임 식별자가 0, 심도 정보가 200 m라고 가정하면, Fig. 6(a)와 같이 묘사되며, 전송 신호의 프레임 식별자가 3, 심도 정보가 500 m라고 가정하면, Fig. 6(b)와 같이 묘사될 수 있다. 각 센서에서 복조 방식은 송수신자가 서로 알고 있는 LFM의 상관도가 가장 큰 지점에서 펄스 간격 변조의 시작점을 획득한 후, 프레임 식별자의 각 주파수와 에너지가 가장 큰 주파수를 선택하여 프레임 식별자 정보를 복조 후 프레임 식별자 주파수와 LFM과의 상관관계가 가장 큰 시점의 시간을 계산하여 심도 정보를 추정한다.
2.3 MV 방식 다중 센서 융합 알고리즘
각 수신 센서로 수신된 심도 정보는 수신 신호대잡음비(Signal to Noise Ratio, SNR), 다중 경로, 주파수 오프셋 등의 다양한 원인으로 인한 오차를 포함한다. 따라서 이러한 오차를 보상하기 위해 다수의 수신 센서에서 각각 추정한 정보들을 모선에서 융합하여 심도 정보의 정확도가 향상될 수 있다. 다중 수신 융합 알고리즘은 다수의 독립적인 페이딩 채널을 통과하는 신호를 다중 수신기를 통해 수신하고 합성하여 페이딩 현상을 완화하고, 수신 신호대잡음비를 높여서 성능을 향상할 수 있다.
Fig. 7은 다중 수신기를 통해 심도 정보를 합성하는 Majority Voting(MV) 알고리즘을 나타낸 그림이다.[8] 동일한 프레임 식별자에서 개의 각 센서에서 복조된 N개의 비트를 행렬 로 나타낼 수 있다. 운동체의 전송 신호가 개의 다중 센서로 수신되면, LFM의 상관도가 큰 홀수개의 D개 센서를 선택하여 행렬 로 나타낸다. LFM의 상관도는 도플러, 다중 경로 등으로 인하여 올바른 심도 정보가 반드시 크다는 것은 아니지만 본 논문에서는 ToA 및 TDoA 기반의 선택 기준은 배제하였다. D개 센서에서 복조된 심도 정보 행렬 에 MV 알고리즘을 적용하여 “0”과 “1”의 개수를 구하여 대다수를 차지하는 값으로 길이의 비트열 를 최종적으로 출력한다.
III. 해상 실험 결과
본 장에서는 2회의 실험을 통하여 획득된 데이터를 기반으로 2.1절과 2.2절에서 제시된 기존 방식 및 제안 방식을 2.3절의 MV 방식 다중 수신 융합 알고리즘을 이용하여 심도 정보 오차 관점에서 성능 분석하였다. 수심은 최대 600 m라 가정하였으며, 실제로 수중 운동체를 기동하면서 실험한 것이 아니라 시간에 따라 수중 운동체의 심도가 변하는 시나리오를 구성하여 실험하였다. 실험 결과에서 제시된 M1 방식은 기존 방식이며, M2 방식은 제안 방식을 의미한다.
3.1 1차 해상 실험 결과
1차 해상 실험은 부산 H대 앞바다에서 행해졌으며, Table 1과 같이 실험 파라메타를 구성하였다. Fig. 8는 해상 실험 모식도이다. 중심 주파수는 11 kHz이며, 심도 정보를 설계하기 위한 수중 운동체의 이동 시나리오는 Fig. 9과 같으며, 운동체와 수신 센서 간 거리를 240 m로 하여 100 m ~ 308 m의 심도에서 운동체가 움직인다고 가정하였다. 운동체의 심도 정보를 1 s 간격으로 각 핑을 전송한다고 가정하였을 때, 60 s 동안 60개의 핑을 전송하였다. 도플러 또한 20 kn, 40 kn의 속도로 이동한다고 가정하에 도플러 정보를 사전에 데이터에 반영하여 송신 신호를 설계하였다. 실제로 수중 운동체가 100 m ~ 308 m로 심도가 변하면서 20 kn, 40 kn의 속도 변화를 주면서 수중에서 이동하여 음선 궤적의 굴곡, 신호 감쇠 등의 해양 채널 변동성이 반영되어야 하나, 실험 장비 및 환경의 제약으로 인하여 1개의 송신 센서와 1개의 수신 센서로 실험을 진행하여 이를 반영하지는 못하였다. 따라서 1차 실험에서 실제로는 15 m 수심에서 통신을 하나 이동체의 심도가 변하는 과정을 송신하는 핑 별로 100 m ~ 308 m의 심도 정보에 맞게 펄스 간격 변조 간격 및 바이너리 신호를 설계하였다.
Table 1.
Sea trial 1 parameters.
도플러 또한 정지 상태이지만 이동한다고 가정하여 20 kn와 40 kn에 대한 도플러 채널을 사전에 송신데이터에 인가하였으며, 1차 해상 실험은 2장의 알고리즘의 효율성을 검증하는 단계이다.
수중 운동체가 Table 1과 같이 20 kn, 40 kn로 이동한다고 가정하였을 때, Fig. 10은 이에 대한 도플러 주파수의 변화를 나타낸다. 송신기는 수신기와 240 m 떨어진 좌표를 중심으로 수중 운동체가 20 kn, 40 kn의 속도로 등속 원운동을 한다는 가정을 하였다.
도플러 주파수 는 운동체와 수신 센서의 상대 속도가 , 운동체의 이동 경로와 가시선(Line Of Sight, LOS)가 이루는 각이 𝜃일 때 Eq. (1)과같이 표현할 수 있다.
는 중심 주파수이며, 11 kHz로 설정하였다. 는 수중에서 음파의 전달 속도이며, 1,500 m/s이다. Fig. 10과 같은 도플러 변화를 핑 별로 미리 주어 전송 신호를 설계하였다. 1개의 수신 센서를 이용하여 실험하였으며, 수신 센서 4개의 효과를 주기 위해 하나의 송신 센서에 60개의 핑으로 구성된 하나의 프레임을 4번 반복하여 전송하였다. Figs. 11과 12는 Fig. 9의 심도 정보에 대하여 60개의 핑에 대해 심도 추정 성능을 나타내었다. 수신 센서 융합 효과를 주기 위해서 동일한 신호를 4번 반복하여 그 중 LFM의 상관도가 큰 3개를 택하여 MV 방식을 적용하였다. 수신 센서 4개가 서로 떨어진 곳에 배치되어 수신 센서로 전송해야 하나, 보유 장비 수의 실험적 한계 때문에 4번의 시간적 변화를 주었다. 이는 시간 다양성일 뿐, 실제 다중 배열 센서가 겪는 공간적 페이딩이나 물리적인 상관관계를 고려하지 못하며, 본 논문의 심도 추정 오차 비교를 위한 이론적인 검증 수준이다.
Fig. 11은 20 kn 대한 심도 추정 성능을 나타내며, Fig. 12는 40 kn에 대한 심도 추정 성능이다. Figs. 11과 12에서 센서 1(S1), 센서 2(S2), 센서 3(S3), 센서 4(S4) 수신기의 성능을 나타내며, 3개의 센서에서 수신된 심도 정보의 융합을 통하여 MV 복호를 하여 최종적으로 빨간색 선으로 심도 추정 성능을 나타내었다. 제안한 M2 방식이 기존 M1 방식에 비해 운동체의 심도 정보를 효율적으로 추정함을 알 수 있으며, 이를 정량적으로 Tables 2와 3에 나타내었다. Figs. 11과 12, Tables 2와 3을 비교하여 보면 20 kn 실험의 경우 M1 방식의 평균 오차가 8.69 m, M2 방식의 평균 오차가 0.86 m로 M2 방식이 7.83 m 오차가 작다. 40 kn 실험의 경우 M1 방식의 평균 오차가 22.20 m, M2 방식의 평균 오차가 1.63 m로 M2 방식이 20.57 m 오차가 작다. 따라서 제안한 M2 방식이 효율적임을 알 수 있으며, 기존 방식에 비해 심도 추정 오차가 작음을 알 수 있다.
Table 2.
Average depth error on first sea trial (20 kn scenario).
| Average depth error (m) | ||
Method Sensor | M1 | M2 |
| 1 | 87.46 | 23.45 |
| 2 | 32.83 | 4.08 |
| 3 | 0.78 | 0.86 |
| 4 | 6.73 | 0.86 |
| MV | 8.69 | 0.86 |
Table 3.
Average depth error on first sea trial (40 kn scenario).
| Average depth error (m) | ||
Method Sensor | M1 | M2 |
| 1 | 14.23 | 18.20 |
| 2 | 21.25 | 8.03 |
| 3 | 30.96 | 4.00 |
| 4 | 38.10 | 1.03 |
| MV | 22.20 | 1.63 |
3.2 2차 해상 실험 결과
2차 해상 실험은 거제도 인근에서 행해졌으며, Table 4와 같이 실험 파라미터를 구성하여 실험을 진행하였다. Fig. 13은 해상 실험 모식도이다. 운동체의 센서는 수심 35 m에 배치하였으며, 세 개의 수신 센서는 각각 수심 20 m에 배치하였다.
Table 4.
Sea trial 2 parameters.
앞선 1차 실험과의 차이점을 두어 운동체와 수신 센서와의 전송 거리를 1 km로 증가하였으며, 실제 수신 센서 3개를 배열하여 실험을 진행하였다. 심도 정보는 Fig. 14과 같이 15 m ~ 96 m로 설정하여 10개의 핑으로 구성하였다. 1차 실험에서는 도플러 변화를 데이터에 묘사하였으나 2차 실험에서는 1차 실험과는 실험 시간적 제한성 때문에 다양한 도플러 환경에서 실험하지는 못하였으며, 수중 이동체가 아주 천천히 이동하면서 실험하였으므로 미비한 도플러는 존재하리라 사료된다.
수신 센서 3개에 대해 심도 추정 성능을 분석하였으며, 각 센서의 수신 신호를 융합하여 MV 알고리즘을 이용하여 복호 후 심도 추정 오차를 분석하였다.
Fig. 15는 3개의 수신기에서 거리를 1 km로 하여 센서 1(S1), 센서 2(S2), 센서 3(S3) 수신기의 성능을 나타내며, 3개의 센서에서 수신된 심도 정보의 융합을 통하여 MV 복호를 하여 최종적으로 빨간색 선으로 심도 추정 성능을 나타내었다.
Table 5는 2차 실험을 통하여 3개의 수신 센서를 MV 복호를 통하여 융합하였을 때 각 핑에 대한 심도 추정 오차 평균을 나타낸다.
Table 5.
Sea trial 2 average depth error.
| Average depth error (m) | ||
Method Sensor | M1 | M2 |
| S1 | 6.2 | 0.8 |
| S2 | 17.5 | 1.3 |
| S3 | 26.2 | 1 |
| MV | 21.1 | 1.1 |
1차 실험 결과와 같이 2차 실험 결과 제안한 M2 방식은 평균 심도 추정 오차가 1.1 m이며, 기존 방식은 21.1 m임을 알 수 있다. 기존 방식인 M1 방식 대비 제안 방식 M2의 심도 추정 오차가 20 m 작으며, M2의 성능이 우수함을 알 수 있다.
2차례의 실험에서 운동체의 수심 변화 및 이동 속도에 수반되는 물리학적 해양 채널 변동성을 실제와 유사하게 반영하지 못하였으나, 기존 방식은 이동체의 속도를 고려한 도플러 값 및 송수신 거리의 확장에 따라 백의 자리의 비트 오류 시 많은 심도 추정 오차를 가지지만, 제안 방식은 강인함을 알 수 있다.
IV. 결 론
본 논문에서는 고속으로 이동하는 운동체의 위치를 3차원 공간에서 효율적으로 추적하기 위해 운동체에서 심도 정보를 여러 개의 수신 센서에 전송하기 위한 심도 정보 신호 설계를 제시하였다. 기존의 방식인 심도 정보를 직접적으로 바이너리로 변환하는 방법과 본 논문에서 제안한 핑의 시작점과 끝나는 지점의 간격으로 심도 정보를 나타내는 방법 두 가지를 해상 실험을 통하여 심도 추정 오차 관점에서 비교하였다. 실험 결과 운동체에서 측정된 심도 정보를 바이너리 정보로 변환 후 전송하는 기존 방식은 백의 자리의 바이너리 변환값이 도플러 등으로 인하여 오류 발생 시 심도 추정 오차가 매우 크다는 것을 알 수 있으며, 제안 방식은 수중에서 다중 경로, 도플러 등으로 인한 간격의 변화는 심도 추정 오차에 큰 영향을 주지 않음을 확인하였다.
2 차례의 해상 실험 결과에서 실험의 구조적 한계성 등으로 인하여 이동체의 실제 수심 변화 시 수반되는 물리학적 해양 채널 변동성은 반영되지 않았으므로 개념적 타당성을 확인하기 위한 검증 수준이며, 동일한 조건에서 제안 방식이 기존 방식에 비해 심도 추정 성능이 향상됨을 확인하였다. 향후 본 논문에서 제안한 알고리즘은 서로 다른 식별자를 이용하는 다종 수중 운동체들의 고밀도 위치 추정 연구에 유용한 알고리즘이라 사료된다.
