Multi-UAV Tracking Evaluation Using 5G Uplink Signals on an O-RAN ISAC Simulation Testbed

당신이 이미 동네 곳곳을 떠다니는 와이파이 신호만을 이용해, 복잡한 도시 속에서 작고 빠르게 움직이는 드론을 찾아내야 한다고 상상해 보십시오. 당신에게는 특수한 레이더 건이 없습니다. 대신 당신은 휴대폰이나 드론이 기지국과 통신하기 위해 사용하는 일반적인 데이터 신호의 "메아리"를 들어야 합니다. 이것이 바로 **통합 감지 및 통신(ISAC)**의 세계입니다. 마치 박쥐가 단순히 소리를 이용해 길을 찾는 것뿐만 아니라, 그 똑같은 소리를 이용해 다른 박쥐들과 대화를 나누는 것과 같습니다. 미래의 5G 네트워크는 정확히 이와 같이 작동할 수 있습니다. 즉, 추가적인 비싼 하드웨어 없이도 기존의 무선 전파를 사용하여 드론과 같은 물체를 탐지하는 것입니다. 하지만 여기에는 함정이 있습니다. 드론이 한 대라면 듣기 쉽습니다. 하지만 세 대의 드론이 서로 가까이서 날고 있다면, 그 메아리들이 서로 뒤섞여 누가 누구인지 구별하는 것이 불가능해질 수 있습니다. 이것이 바로 과학자들이 해결하고자 하는 퍼즐입니다. 어떻게 하면 통신 네트워크를 여러 대의 타겟을 동시에 추적하면서도 혼동하지 않는 신뢰할 수 있는 "드론 경찰" 시스템으로 바꿀 수 있을까요?

이 논문은 새로운 방식의 다중 드론 추적법을 테스트하기 위한 디지털 "샌드박스"를 구축함으로써 그 질문에 답하기 위한 거대한 발걸음을 내디뎠습니다. 연구진은 O-RAN이라는 시뮬레이션 테스트베드를 사용하여 가상의 도시를 만들었습니다. O-RAN은 모듈형 오픈 소스 버전의 셀 네트워크와 같습니다. 실제 라디오 장비 대신, 컴퓨터를 사용하여 신호, 드론, 그리고 환경을 시뮬레이션했습니다. 그들은 서로 다른 높이와 속도로 비행하는 세 대의 서로 다른 드론이 특수 8개 안테나 배열을 갖춘 단일 셀 타워에 의해 탐지되도록 설정했습니다. 목표는 단순히 타워가 드론을 듣는 것(탐지)뿐만 아니라, 시간이 지남에 따라 개별적으로 드론을 추적하고, 그 정보를 실제 보안 시스템이 필요로 하는 것처럼 관제 센터로 전달하는 것이었습니다.

연구진이 발견한 결과는 다음과 같으며, 여기에는 약간의 반전이 있습니다. 첫째, 시스템은 실제로 드론을 듣는 데 매우 뛰어났습니다. 세 대 모두 대부분의 시간 동안 탐지되었습니다. 그러나 시스템은 그들의 개별적인 정체성을 유지하는 데 어려움을 겪었습니다. 붐비는 쇼핑몰에서 세 명의 친구를 따라가는 것을 상상해 보십시오. 세 명 모두 보이지만, 친구들이 서로 가까이 지나갈 때마다 당신은 누가 누구인지 놓치게 되며, 실수로 두 명의 친구에게 같은 ID를 부여하거나 한 명의 친구에게 두 개의 다른 이름을 붙여줄 수도 있습니다. 이 시뮬레이션에서는 **73.7%**의 시간 동안 두 대의 드론이 신호 "지문"이 너무 비슷하여 시스템이 즉각적으로 구별하지 못했습니다. 가장 큰 문제는 시스템이 드론을 듣는 능력이 약해서(감도) 발생한 것이 아니라, 신호들이 서로 주의를 끌기 위해 싸우는 현상(경합) 때문이었습니다.

또한 연구진은 안테나 설정에 대한 영리한 트릭을 발견했습니다. 단순히 일렬로 늘어선 형태가 아닌, 평면 격자 형태의 안테나 배열("평면 배열")을 사용함으로써 시스템은 드론의 높이를 측정할 수 있었습니다. 이것이 시스템이 더 멀리 있는 드론을 보게 해준 것은 아니었지만, 드론들을 구별하는 데 있어서는 생명줄과 같았습니다. 두 대의 드론이 같은 거리와 속도로 비행하더라도 높이가 달랐을 때, 높이 측정값은 시스템이 어떤 궤적이 어떤 드론에 속하는지 결정하는 데 약 **58%**의 도움을 주었습니다. 이는 마치 평면 지도 대신 3D 지도를 가진 것과 같았습니다. 지도를 더 크게 만든 것은 아니지만, 혼란스러운 상황을 정리하는 데 도움을 주었습니다.

하지만 이 논문은 기계 속의 "유령"에 대해서도 경고합니다. 시뮬레이션이 돌아간 컴퓨터는 실시간 속도를 따라잡기에는 너무 느렸습니다. 그것은 마치 경주 경기를 슬로 모션 영상으로 보는 것과 같았습니다. 컴퓨터가 느렸기 때문에, 시스템은 드론이 실제로 사라진 것보다 더 오랫동안 사라진 것으로 판단했고, 이로 인해 추적이 무너졌습니다. 연구진이 타이밍을 수정하고 데이터를 실시간인 것처럼 처리했을 때 추적 성능은 크게 향상되었지만, 여전히 완벽하지는 않았습니다. 시스템은 드론을 탐지할 수는 있었지만, 특히 가장 낮게, 지면에 가깝게 비행하는 드론의 경우 단절되지 않는 하나의 연속된 ID를 유지하는 데 여전히 어려움을 겪었습니다.

마지막으로, 팀은 이 정보를 어떻게 패키징하여 실제 보안 관제 센터로 보낼 수 있는지 보여주었습니다. 그들은 원시 추적 데이터를 다른 시스템이 이해할 수 있는 표준 언어(SAPIENT라고 불림)로 변환하는 번역기를 구축했습니다. 또한 각 보고서에 "신뢰도 점수"를 추가하여, 시스템이 자신이 보고 있는 것에 대해 얼마나 확신하는지를 관제 센터에 알려주었습니다. 그러나 그들은 어려운 진실 하나를 발견했습니다. 시스템이 더 많은 드론을 추적하도록 만들기 위해서는 다른 무언가를 희생해야 한다는 것이었습니다. 만약 규칙을 완화하여 더 많은 드론을 추적하도록 강제하면, 시스템은 드론들의 정체성을 혼동하기 시작했습니다. 연구진은 정체성을 정확하게 유지하는 것이 모든 순간을 포착하는 것보다 더 중요하다고 판단하여, 더 엄격한 기준을 선택했습니다.

요약하자면, 이 논문은 5G 신호를 사용하여 여러 대의 드론을 추적하는 것이 가능하며 유망하다는 것을 보여주지만, 아직 마법의 지팡이는 아닙니다. 시스템은 드론을 들을 수는 있지만, 드론들이 서로 가까워지면 혼란에 빠집니다. 해결책은 단순히 더 잘 듣는 것이 아니라, 더 똑똑하게 분류하는 것입니다. 연구진은 기술이 시뮬레이션 상에서는 작동하지만, 실제 도전 과제는 신호의 "교통 체증"을 관리하고 드론의 정체성을 올바르게 유지하는 것이며, 동시에 데이터를 처리하는 컴퓨터가 현실 세계의 속도를 따라갈 수 있을 만큼 충분히 빨라야 한다는 것을 증명했습니다. 이는 견고한 진전이지만, 디지털 시뮬레이션에서 실제 드론 방어 시스템으로 나아가는 여정에는 여전히 넘어야 할 허들이 남아 있습니다.