EN
광산 내 UAV 탐지를 위한 전자기적 도전 과제
지면 잡음(Ground Clutter), 다중 경로 왜곡(Multipath Distortion), 열역전 효과(Thermal Inversion Effects)
광산 현장은 UAV 탐지에 있어 독자적으로 적대적인 전자기 환경을 조성합니다. 지면 잡음, 다중 경로 왜곡, 열역전이라는 세 가지 상호 연관된 현상이 레이더 성능을 체계적으로 저하시킵니다:
- 지면 잡음 정적 및 이동식 장비(셔블, 운반 트럭, 파쇄기 등)가 밀집되어 있고 지형이 불규칙한 환경에서는 지속적이고 동적인 레이더 반사 신호가 발생하여 저RCS 드론의 신호를 가리게 된다.
- 다중 경로 왜곡 레이더 신호는 가파르고 수직인 광산 벽면(highwall) 및 채굴 구덩이 벽면(pit wall)에 반사되어 방위각(azimuth) 및 고도각(elevation) 평면 전반에 걸쳐 중복된 목표물처럼 보이는 허위 에코를 생성함으로써 추적 및 분류를 혼란스럽게 한다.
- 열역전 갱도 및 깊은 채굴 구덩이 내에서 온도 기울기가 무선파를 레이더 센서 방향에서 굴절시킨다. 연구에 따르면, 깊이 200미터를 초과하는 구간에서는 최대 50%의 신호 감쇠가 관측되었다.
이러한 영향은 먼지 폭풍 또는 강우 시 더욱 심화되어, 개방 지형 기준 대비 유효 탐지 거리가 30–60% 단축된다.
중장비 소음 속에서 저RCS 및 저속 이동 UAV 신호
현대식 마이크로-UAV는 물리적·분광적 은폐 성능을 통해 활성 광산 내 탐지 난이도를 더욱 가중시킨다:
- 이들의 레이더 단면적(RCS)은 종종 0.01 m² 이하로, 새와 유사한 수준이며, 대형 운반 장비는 100 m²를 초과하여 반사 신호 강도에 4~5자리 수의 차이가 발생한다.
- 시속 15 m/s 미만의 순항 속도는 컨베이어 벨트의 이동 속도 및 슈블(scoop)의 흔들림 주기와 중복되어 운동학적 구분을 모호하게 만든다. 또한 기계 진동은 느린 속도로 비행하는 UAV의 마이크로-도플러 신호와 구분하기 어려운 고조파 간섭을 추가로 유발한다.
- 드래글라인, 드릴, 크러셔 등에서 발생하는 고출력 RF 방출이 핵심 FMCW 주파수 대역을 포화시켜, 5 Hz 미만의 마이크로-도플러 이동량을 해석할 수 있는 신호 처리 능력을 요구한다.
특수화된 잡음 제거 기능 및 적응형 임계값 조정 기능이 없을 경우, 활성 장비로부터 500미터 이내에서 작동 중인 드론에 대한 탐지 확률은 40% 이하로 감소한다.
신뢰성 있는 UAV 탐지를 위한 레이더 기술 적응
광산 특화 조건을 위한 펄스-도플러 및 FMCW 레이더 성능 향상
광산 특유의 간섭을 극복하기 위해 현대 레이더 시스템은 물리학 기반 아키텍처와 다중 주파수 대역 작동을 결합한다:
펄스-도플러 레이더 시스템은 신호를 속도에 따라 서로 다른 도플러 빈(Doppler bin)으로 분류함으로써 정지된 물체 및 느리게 움직이는 장비에서 발생하는 잡음을 필터링하면서 동시에 UAV 신호는 그대로 유지합니다. FMCW 레이더는 여기에 또 하나의 기능적 층을 더해, 매우 정확한 거리 측정 성능을 제공하여 레이더 단면적(RCS)이 약 0.01제곱미터 수준으로 낮은 초소형 마이크로-UAV까지도 탐지할 수 있게 합니다. 이러한 기술들을 여러 주파수 대역에 걸쳐 융합하면 더욱 흥미로운 결과가 나타납니다. L/S대역 주파수를 사용하면 먼지가 많은 환경이나 습한 조건에서도 우수한 성능을 발휘하며, X대역은 정밀한 추적 세부 정보를 제공합니다. 이와 같은 복합 방식은 광산 벨트컨베이어 및 채굴 구덩이 지역 등 가시성이 불량한 환경에서 고도 50미터 이하의 드론을 탐지하는 데 약 93%의 성공률을 달성합니다. 한 가지 더 언급할 만한 점은, 고도로 정교한 신호 처리 기술이 광산 내 벽면 및 기타 구조물에서 반사되어 생기는 목표물 중복 표시 문제를 실시간으로 보정한다는 점입니다.
컨베이어 하모닉스 및 고벽으로 인한 오경보를 억제하기 위한 AI 최적화 CFAR 처리
기존의 CFAR 알고리즘은 채석장 환경에서 제대로 작동하지 않습니다. 이는 파쇄기, 컨베이어, 드래글라인 등에서 발생하는 반복적인 고진폭 하모닉스로 인해 실제 UAV 신호 탐지를 어렵게 만드는 많은 오경보를 유발하기 때문입니다. 새로운 AI 강화형 CFAR 접근 방식은 기존의 고정 임계값 설정을, 광산 장비 스펙트럼에 대한 실사 데이터로 학습된 기계학습 모델로 대체합니다. 이 방식의 차별점은 이러한 모델이 주변 기계류의 규칙적인 주기와 구분되는 UAV의 특이한 움직임 패턴을 식별할 수 있다는 점입니다. 또한 고벽의 형상 및 벨트 드라이브에서 발생하는 전자기 간섭과 같은 현장별 요인을 고려하여 각 위치에 맞춰 자동으로 조정됩니다.
현장 시험을 통해 기존 CFAR 대비 거짓 경보가 41% 감소함을 확인하였으며, 광학 및 RF 기반 탐지 방식이 실패하는 황사 폭풍 상황에서도 성능이 지속적으로 유지되었다.
실제 환경에서의 UAV 탐지 성능 및 검증
리오 틴토 필바라 현장 적용 사례: 황사 및 역전 현상 하에서 1.2km 거리에서 92% 탐지율 달성
서호주 주의 필바라 지역에 배치된 레이더 시스템은 최대 1.2km 떨어진 거리에서도 마이크로-UAV를 약 92%의 정확도로 탐지해냈다. 이 지역은 공기 중에 지속적으로 존재하는 철광석 먼지, 기온 역전 현상, 그리고 24시간 내내 이어지는 산업 활동으로 인해 심각한 탐지 환경적 도전 과제를 안고 있다. 그런데 이러한 시스템이 왜 이렇게 뛰어난 성능을 발휘할까? 이 시스템은 도플러 기술을 고도화하여 여러 주파수 대역에 걸쳐 작동함으로써, 먼지 입자로 인한 배경 잡음과 대기를 통한 무선파 전파 특성 변화 등 복잡한 환경 속에서 미세하고 느리게 움직이는 목표물을 정확히 식별한다. 시험 결과, 이러한 이중 주파수 대역(Dual-band) 접근 방식은 지구상 어느 곳보다도 광산 운영에 가장 까다로운 전자기 환경으로 평가되는 조건에서도 신뢰성 있게 작동함을 입증하였다.
앵글로 아메리칸 2023년 시험: 적응형 임계값 설정을 통한 오탐률 41% 감소
2023년 앵글로 아메리칸사는 AI 기반 적응형 임계값 설정(adaptive thresholding) 기술이 자사의 주요 광물 채굴 현장 중 하나에서 운영에 어떤 영향을 미치는지를 평가하기 위한 시험을 실시하였다. 결과에 따르면, 이 시스템은 기존의 고정 임계값 레이더 대비 오경보(false alarm)를 약 41% 감소시켰다. 특히 컨베이어 벨트에서 발생하는 성가신 신호 및 고위치 절벽(highwall)에서 반사되는 이상한 레이더 반사파를 차단하는 데 탁월한 성능을 보였다. 이 전체 시스템은 기계의 작동 상태와 레이더가 탐지한 정보를 실시간으로 반영해 지속적으로 잡음 맵(clutter map)을 갱신함으로써 작동한다. 따라서 작업자가 수동으로 설정을 조정하지 않아도 실제 위협과 배경 잡음(background noise)을 정확히 구분할 수 있는 정확도를 유지할 수 있다. 이는 장비가 이동되고, 교대 근무에 따라 작업 일정이 수시로 변경되는 광산 환경에서 특히 인상 깊은 성과이다.
자주 묻는 질문
광산 내 UAV 탐지 맥락에서 ‘지상 잡음(ground clutter)’이란 무엇인가?
지상 잡음(Ground clutter)은 정적 및 동적 광산 장비의 밀집된 분포와 불규칙한 지형으로 인해 발생하는 레이더 간섭 현상으로, 드론의 낮은 레이더 반사 단면적(RCS) 신호를 가릴 수 있다.
열 역전(thermal inversion)은 UAV 탐지에 어떤 영향을 미치는가?
광산 내 열 역전은 무선 전파를 레이더 센서에서 멀어지도록 굴절시키는 온도 기울기를 유발하여, 심각한 신호 감쇠를 초래하고 UAV 탐지를 더욱 어렵게 만든다.
왜 현대식 마이크로-UAV는 광산에서 탐지하기 어려운가?
현대식 마이크로-UAV는 조류와 유사한 낮은 레이더 반사 단면적(RCS)을 가지며, 광산 작동 속도와 유사한 속도로 이동하므로 주변 잡음 및 기계 진동과 구분하기 어렵다.
AI 최적화 CFAR는 광산 환경에서 UAV 탐지를 어떻게 개선하는가?
AI 최적화 CFAR 기술은 고정 임계값 설정을 실시간 데이터 및 환경 조건에 따라 자동으로 적응하는 머신러닝 모델로 대체함으로써, 오경보를 크게 줄이고 UAV 탐지 정확도를 향상시킵니다.