⚡ electrical engineering

End-to-End Optical Propagation Modeling for Water-to-Air Channels under Sea Surface and UAV Effects

이 논문은 몬테카를로 기반의 광선 추적 알고리즘을 활용하여 거친 해수면, 기포 산란, 그리고 바람에 의한 UAV 불안정성 등을 종합적으로 고려한 수중-공중 광무선 통신 채널의 특성을 모델링하고, 다양한 환경 변수에 따른 비트 오류율 성능을 분석하여 해양 생물 다양성 모니터링을 위한 데이터 전송의 실현 가능성을 평가합니다.

원저자: Mohamed Nennouche, Mohammad-Ali Khalighi, Alexis Alfredo Dowhuszko, Djamal Merad

게시일 2026-03-26

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Mohamed Nennouche, Mohammad-Ali Khalighi, Alexis Alfredo Dowhuszko, Djamal Merad

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

이 논문은 **"바다 속의 데이터가 어떻게 하늘을 나는 드론에게 전달될 수 있을까?"**라는 흥미로운 질문에 답하는 연구입니다.

마치 바다 속의 물고기가 하늘의 새에게 편지를 보내는 것과 같은 상황인데, 이 편지는 소리가 아니라 **빛 (레이저나 LED)**으로 쓰여집니다. 하지만 이 과정은 생각보다 훨씬 복잡하고 위험합니다.

이 복잡한 여정을 이해하기 쉽게 4 가지 핵심 비유로 설명해 드리겠습니다.

1. 바다와 하늘의 '경계선' 문제 (거친 바다와 기포)

상상해 보세요. 바다 속에 있는 센서가 빛을 켜서 위로 보내려 합니다. 하지만 빛이 바다 표면 (수면) 에 닿는 순간, 문제는 시작됩니다.

거친 바다 (파도): 바람이 불면 바다 표면은 거칠게 요동칩니다. 마치 거울이 아니라 구부러진 거울처럼 빛을 엉뚱한 곳으로 튕겨 보내거나, 빛을 가려버립니다. 이 논문은 바다의 파도를 수학적으로 아주 정교하게 모델링하여, "바람이 얼마나 세게 불 때 파도가 얼마나 커지고 빛이 얼마나 많이 사라지는지"를 계산했습니다.
숨은 방해꾼 (기포): 파도가 치면 바다 표면 바로 아래에 수많은 **기포 (비눗방울)**가 생깁니다. 이 기포들은 빛을 산란시켜서 빛의 경로를 흐트러뜨립니다. 마치 안개 낀 날에 전등불을 비추는 것과 비슷하죠. 연구팀은 이 기포들의 분포와 빛에 미치는 영향을 정밀하게 시뮬레이션했습니다.

2. 하늘의 '흔들리는 수신자' (드론의 불안정성)

빛이 바다를 빠져나와 하늘로 올라가면, 그곳에는 데이터를 받기 위해 대기 중인 **드론 (UAV)**이 있습니다.

흔들리는 손: 바람이 불면 드론은 흔들립니다. 마치 바람에 흔들리는 나뭇가지 위에 카메라를 올린 것과 같습니다. 드론이 흔들리면 빛을 받는 안테나 (수신기) 의 방향이 빗나갈 수 있습니다.
새로운 발견: 이 연구는 드론이 바람에 얼마나 흔들리는지, 그리고 그 흔들림이 빛의 신호를 얼마나 약하게 만드는지 수학 공식으로 처음 증명했습니다. 마치 "바람이 10m/s 로 불면 드론은 3 도 정도 기울어지고, 그로 인해 신호가 10% 나 약해진다"는 식의 정확한 예측을 가능하게 한 것입니다.

3. 빛의 여행 (몬테카를로 시뮬레이션)

이 모든 복잡한 상황 (물속의 입자, 기포, 거친 바다, 흔들리는 드론) 을 한 번에 실험실에서 재현하는 것은 불가능에 가깝습니다. 그래서 연구팀은 **가상 현실 (시뮬레이션)**을 사용했습니다.

빛의 군대: 컴퓨터 안에서 수백만 개의 '빛 입자 (광자)'를 가상으로 만들어 보냈습니다. 각 빛 입자가 물속에서 어떻게 부딪히고, 기포에 어떻게 튕겨나고, 파도 위에서 어떻게 굴절되는지, 드론에 도달할 때까지의 여정을 하나하나 추적했습니다.
결과: 이 시뮬레이션을 통해 "어떤 조건에서 빛이 잘 전달되고, 어떤 조건에서는 실패하는지"를 미리 예측할 수 있게 되었습니다.

4. 실제 적용 가능성: 산호초를 구하는 구원자

이 기술이 왜 중요한가요? 바로 산호초 모니터링 때문입니다.

현재의 문제: 바다 깊은 곳에 있는 센서 데이터를 가져오려면 비싼 잠수정이나 부표를 써야 하는데, 이는 산호초 생태계를 파괴할 수 있습니다.
이 연구의 해결책: 센서에서 빛을 쏘아 바로 하늘의 드론으로 데이터를 전송하면, 비싼 장비나 부표 없이도 산호초를 정밀하게 관찰할 수 있습니다.
성과: 연구 결과, 바람이 13m/s(강풍) 로 불고, 기포가 많고, 파도가 거친 상황에서도 바다 아래 47 미터 깊이에 있는 센서에서 초당 1 메가비트 (Mbps) 속도로 데이터를 전송하는 것이 가능하다는 것을 확인했습니다. 이는 산호초 모니터링에 충분히 실용적인 속도입니다.

🌟 한 줄 요약

이 논문은 **"거친 바다와 흔들리는 바람 속에서도, 빛을 이용해 바다 속의 데이터를 하늘의 드론으로 안전하게 전달하는 방법"**을 수학적으로 증명하고, 이를 통해 산호초 같은 해양 생태계를 더 쉽고 안전하게 보호할 수 있는 길을 제시했습니다.

마치 거친 파도 위에서도 흔들리지 않는 등대처럼, 이 기술은 해양 데이터 통신의 새로운 기준을 세우고 있습니다.

1. 문제 정의 (Problem Statement)

배경: 해양 생물 다양성 모니터링 (특히 산호초) 을 위해 수중 센서 네트워크 (IoUT) 가 발전하고 있으며, 이를 위해 효율적이고 비용 효율적인 데이터 전송이 필요합니다.
기존 방식의 한계: 기존에는 수중 센서 데이터를 수면 부표나 자율 수중 차량 (AUV) 으로 전송한 후, 다시 무인 항공기 (UAV) 나 위성과 같은 공중 노드로 중계하는 방식이 주로 사용되었습니다. 이는 추가 장비 비용과 생태계 교란 (예: 부표의 닻 고정) 을 초래합니다.
핵심 과제: 수중 센서에서 직접 공중 UAV 로 데이터를 전송하는 수중 - 공중 (Water-to-Air, W2A) 직접 광통신 링크의 실현 가능성과 성능을 평가하는 것입니다.
도전 요소:
- 복잡한 채널 환경: 수중의 흡수/산란, 해수면의 파도 (굴절/반사), 해수면 근처의 기포 (Air bubbles) 효과.
- UAV 불안정성: 바람에 의한 UAV 의 흔들림 (Tilt) 이 광 빔의 정렬을 방해하여 링크 손실을 유발함.
- 모델링 부재: 기존 연구들은 대부분 원해 (Open sea) 를 가정하거나, 해안가 근처 (산호초) 의 특수한 파도 조건과 UAV 의 동적 불안정성을 종합적으로 고려한 모델이 부족함.

2. 방법론 (Methodology)

저자들은 수중 센서 (LED 발광) 와 UAV (SiPM 수신기) 간의 종단간 (End-to-End) 광 전파를 정밀하게 모델링하기 위해 몬테카를로 (Monte Carlo) 기반의 레이 트레이싱 알고리즘을 개발했습니다.

채널 손실 모델링 ( $h = h_\alpha \cdot h_{MC}$ ):
- 수중 전파 ( $h_{MC}$ ):
  - 흡수 및 산란: Fournier-Forand (FF) 함수를 사용하여 수중 입자에 의한 산란 각도를 모델링.
  - 기포 효과: 해수면 근처의 기포 분포를 Hall-Novarini (HN) 모델로 표현하고, 기포에 의한 산란은 Mie 이론을 적용하여 정밀하게 계산.
  - 해수면 모델: 해안가 근처 (Fetch parameter 포함) 의 파도 특성을 반영하기 위해 JONSWAP 스펙트럼 모델을 사용. 파도 높기와 파장에 따른 광 빔의 굴절/반사 및 부분 반사 (Fresnel 방정식) 를 시뮬레이션.
- UAV 불안정성 손실 ( $h_\alpha$ ):
  - 바람 모델: Dryden 난류 모델을 사용하여 바람 속도의 변동성을 모델링.
  - UAV 기울기 분석: 바람에 의한 UAV 의 Roll, Pitch, Yaw 각도 변화를 유도하여, UAV 의 기울기 각도 ( $\alpha_{UAV}$ ) 와 채널 손실 간의 **폐형식 (Closed-form expression)**을 유도했습니다. 이는 기존 연구에서 드물게 시도된 부분입니다.
시뮬레이션 설정:
- 송신기 (Tx): 수중 LED (470 nm, 반각 10°).
- 수신기 (Rx): UAV 탑재 고감도 실리콘 광증배관 (SiPM).
- 환경: 산호초 모니터링 시나리오 (수심 50m 이내, 해안가에서 30km 거리), 밤시간대 (배경 잡음 최소화).

3. 주요 기여 (Key Contributions)

종합적인 W2A 채널 모델링 프레임워크: 수중 흡수/산란, 해수면 파도 (JONSWAP), 기포 (HN 모델 + Mie 이론), 그리고 UAV 불안정성 (Dryden 모델) 을 모두 통합한 최초의 포괄적인 모델링 제안.
UAV 기울기에 따른 채널 손실 폐형식 유도: 난류 바람 조건에서 UAV 의 기울기 각도 변화 확률 밀도 함수 (PDF) 와 이에 따른 채널 손실을 수학적으로 유도하여, 시뮬레이션 없이도 손실을 예측할 수 있는 이론적 기반을 마련.
실제 적용 가능한 파라미터 기반 분석: 산호초 모니터링에 적합한 Fetch(30km) 파라미터와 실제 UAV(DJI Matrice 300 RTK) 사양을 반영한 현실적인 시뮬레이션 수행.
종단간 성능 평가: 다양한 수심, 데이터 속도, 바람 조건에서의 비트 오류율 (BER) 분석을 통해 시스템의 실현 가능성을 입증.

4. 주요 결과 (Key Results)

UAV 불안정성 영향:
- 바람 속도가 증가할수록 (5 m/s → 13 m/s) UAV 의 기울기 각도 변동이 커지지만, LED 의 넓은 빔 각도 (Beam divergence) 로 인해 링크 손실은 상대적으로 미미함 (UAV 불안정성으로 인한 추가 손실은 무시할 수준).
- 만약 레이저 다이오드 (LD) 를 사용했다면 빔이 좁아 기울기에 매우 민감하여 성능이 크게 저하되었을 것으로 추정됨.
바람과 해수면의 영향:
- 바람 속도가 증가하면 (5 m/s → 13 m/s) 파도 높이와 기포 농도가 증가하여 채널 이득 (Channel Gain) 이 감소함.
- 평균 채널 이득 감소: 바람 5 m/s 에서 약 $1.58 \times 10^{-5}$ , 13 m/s 에서 약 $1.32 \times 10^{-5}$ 로 감소.
- 흥미롭게도, 낮은 바람 속도 (5 m/s) 에서 더 큰 채널 이득 변동 (Fading) 이 관측됨 (짧은 파도 주기로 인한 영향).
시스템 파라미터 영향:
- 빔 발산각: LED 빔 발산각이 커질수록 (5°→ 60°) 수신기 면적을 벗어난 광자가 증가하여 채널 이득이 급격히 감소 (14dB 이상 손실).
- 수심: 수심이 깊어질수록 (10m → 40m) 흡수와 산란으로 인해 성능이 저하됨.
종단간 성능 (BER):
- 목표: BER $2 \times 10^{-3}$ (FEC 한계).
- 성능: 바람 13 m/s 조건에서도 수심 47m 까지 1 Mbps 데이터 전송이 가능함을 입증.
- 이는 산호초 모니터링 (일반적으로 수심 50m 이내) 에 충분히 적용 가능한 범위임.

5. 의의 및 결론 (Significance & Conclusion)

생태계 친화적 솔루션: 부표나 ASV 와 같은 추가 장비를 배치하지 않고도, 산호초 생태계를 교란하지 않으면서 고품질 데이터를 UAV 로 직접 전송할 수 있는 기술적 타당성을 입증했습니다.
실용적 가이드라인: 바람 조건, 수심, 송수신기 파라미터 (빔 각도, 수신기 크기) 간의 트레이드오프를 정량적으로 분석하여, 실제 IoUT 시스템 설계에 필요한 지침을 제공했습니다.
기술적 혁신: UAV 의 동적 불안정성을 광통신 채널 모델에 통합한 것은 해양 무선 광통신 분야에서 중요한 진전으로, 향후 레이저 기반 시스템이나 더 복잡한 해양 환경에서의 연구에 기초가 될 것입니다.

요약하자면, 이 논문은 몬테카를로 시뮬레이션과 새로운 수학적 모델을 결합하여, 가혹한 해양 환경 (파도, 기포, 바람) 하에서도 수중 센서에서 UAV 로의 직접 광통신이 산호초 모니터링과 같은 실용적 응용 분야에서 충분히 실현 가능함을 증명했습니다.