⚡ 전기공학

Genetic Algorithm-Based Three-Dimensional UAV Swarm Trajectory Design for Direction-of-Arrival Estimation

본 논문은 도래각 추정을 위한 무인 항공기(UAV) 군집의 3차원 궤적 및 공간 구성을 최적화하기 위해 제약 조건 인식 유전 알고리즘을 제안하며, 종합적인 전자기 및 통계적 시뮬레이션을 통해 결과적으로 도출된 배열이 위상 모호성과 구조적 전자기 효과를 효과적으로 해결하는 동시에 추정 오차를 최소화함을 입증한다.

원저자: Mohammad Taghi Alikhani, Gholamreza Moradi, Reza Sarraf Shirazi, Rouhollah Amiri

게시일 2026-10-28

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Mohammad Taghi Alikhani, Gholamreza Moradi, Reza Sarraf Shirazi, Rouhollah Amiri

원본 논문은 CC BY 4.0 (https://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

하늘의 신호원을 찾는 작업은 실종된 항공기를 추적하든, 구조팀을 생존자에게 안내하든, 혹은 멀리 떨어진 송신기를 모니터링하든 정밀함을 요구하는 일입니다. 이를 위해 엔지니어들은 종종 여러 개의 안테나를 하나의 거대한 청취 장치처럼 작동하도록 결합하여 사용합니다. 이 안테나들을 고정된 패턴으로 배치하면, 각 안테나에 신호가 도달하는 미세한 시간 차이를 비교함으로써 신호가 어디에서 오는지 정확히 짚어낼 수 있습니다. 그러나 전통적인 안테나는 그것이 장착된 플랫폼의 크기에 의해 제한을 받습니다. 비행기나 선박은 장비가 너무 무거워지거나 다루기 힘들어지기 전에 실을 수 있는 용량에 한계가 있기 때문입니다. 이러한 물리적 제약은 안테나 사이의 간격을 넓히는 데 한계를 주며, 이는 결과적으로 방향을 결정하는 정확도를 제한합니다.

이러한 크기의 한계를 극복하기 위해 연구자들은 소형 무인 드론 군집으로 눈을 돌렸습니다. 많은 수의 드론을 넓은 영역에 퍼뜨리고 각 드로에 단일 안테나를 탑재함으로써, 그들은 단일 항공기가 결코 담을 수 없는 훨씬 더 큰 가상의 청취 장치를 만들 수 있습니다. 이 방식은 엄청난 유연성을 제공하며, 청취 장치의 형태와 위치를 실시간으로 바꿀 수 있게 해줍니다. 하지만 이러한 자유는 새로운 문제들을 야기합니다. 드론들이 서로 충돌하지 않도록 충분히 떨어져 있어야 하기 때문에, 드론 사이의 간격이 너무 넓어져 신호가 서로 다른 드론에 도달할 때 혼란스러운 타이밍 차이가 발생할 수 있습니다. '위상 모호성(phase ambiguity)'이라고 불리는 이 혼란은 시스템이 신호를 완전히 잘못된 방향에서 오는 것으로 착각하게 만들 수 있습니다. 게다가 드론은 단순히 하늘에 떠 있는 보이지 않는 점이 아닙니다. 그들은 금속과 플라스틱으로 만들어진 물리적 객체이며, 잡으려고 하는 바로 그 신호를 차단하거나, 반사하거나, 왜곡할 수 있습니다.

최근의 한 연구에서 이란의 연구진은 10대의 드론 군집이 신호를 최대한 정확하게 찾을 수 있도록 드론들이 어떻게 비행하고 어디에 위치해야 하는지를 정확히 알려주는 스마트 시스템을 설계하여 이 문제를 해결하고자 했습니다. 고정된 패턴에 의존하는 대신, 그들은 자연의 진화에서 영감을 받은 컴퓨터 프로그램을 사용하여 최적의 비행 경로를 찾아냈습니다. 이 프로그램은 수천 가지의 서로 다른 배치를 테스트하면서, 가장 잘 작동하는 배치는 남기고 좋지 않은 것은 버리는 과정을 거쳐, 오차의 가능성을 최소화하는 특정 대형을 찾아냈습니다. 목표는 드론들이 충돌하지 않도록 하는 엄격한 안전 규칙을 준수하고 드론들이 무선으로 서로 통신할 수 있을 만큼 가까이 유지하면서도, 측정의 수학적 불확실성이 가능한 한 낮아지도록 드론들을 배치하는 것이었습니다.

연구진은 최적의 배치가 깔끔한 격자나 완벽한 원형이 아니라, 기존의 표준 패턴들과는 전혀 닮지 않은 불규칙한 3차원 형태라는 것을 발견했습니다. 이 독특한 형태 덕분에 군집은 기존의 배치 방식보다 신호의 방향에 대한 더 많은 정보를 포착할 수 있었습니다. 그러나 연구진은 완벽하고 투명한 안테나를 가정한 컴퓨터 모델이 전체 이야기를 다 해주지는 않는다는 점을 알고 있었습니다. 현실 세계에서는 드론의 본체, 프로펠러, 그리고 모터가 라디오파에 간섭을 일으킵니다. 이를 고려하기 위해 연구진은 드론의 매우 상세한 디지털 모델을 구축하고, 라디오파가 실제 물리적 객체에 부딪힐 때 어떻게 행동하는지를 모사하는 복잡한 시뮬레이션을 실행했습니다. 그들은 드론의 구조가 지평선에 가까운 각도에서 신호를 왜곡시키는 그림자와 반사를 만들어낸다는 것을 발견했습니다. 이러한 왜곡은 이를 무시할 경우 부정확한 결과를 초래할 만큼 유의미했습니다.

연구진이 자신들이 최적화한 드론 대형을 표준적인 배치들과 비교 테스트했을 때, 결과는 명확했습니다. 그들의 컴퓨터 프로그램이 설계한 군집은 무작위 형성이나 정사각형 또는 원형과 같은 전통적인 형태보다 신호의 방향을 훨씬 더 높은 정확도로 일관되게 찾아냈습니다. 이러한 개선은 신호가 약하거나 드론들이 타이밍 오차를 유발하는 조건에서 비행할 때 가장 두드러졌습니다. 또한 이 연구는 시스템이 신호 강도의 오차보다 타이밍 오차에 훨씬 더 민감하다는 것을 밝혀냈습니다. 드론들의 시계 동기화에서 발생하는 아주 작은 실수만으로도 정확도가 급격히 떨어졌던 반면, 신호의 부피 변화는 훨씬 적은 영향을 미쳤습니다. 이는 드론들이 서로 완벽하게 시간을 맞추는 것이 모든 드론이 신호를 정확히 같은 부피로 받는 것을 보장하는 것보다 더 중요하다는 점을 시사합니다.

본 연구에서 제시된 작업은 실제 하늘에서 비행하는 비행 테스트가 아닌, 컴퓨터 내에서의 엄격한 테스트인 시뮬레이션 단계에 머물러 있습니다. 연구진은 도시나 사막 위를 날아다닐 물리적인 군집을 제작하지는 않았지만, 그들의 디지털 실험은 철저했습니다. 그들은 탄소 섬유 프레임과 알루미늄 모터에 의한 산란을 포함하여, 라디오파가 드론의 본체와 상호작용하는 복잡한 물리학을 고려했습니다. 이러한 현실적인 세부 사항들을 포함함으로써, 그들은 최적화된 대형이 이론적으로 우월하지만, 드론이라는 물리적 실체가 관리해야 할 도전 과제들을 도입한다는 점을 보여주었습니다. 연구는 이 새로운 방법이 우리가 하늘의 신호를 듣기 위해 군집을 사용하는 방식에 있어 중요한 진전임을 보여주는 동시에, 다음 단계로는 이 아이디어들이 실제 세계의 예측 불가능한 성질에 어떻게 대응하는지 확인하기 위해 실제 하드웨어로 테스트하는 과정이 필요할 것이라고 결론지었습니다.

기술 요약: 도래각 추정을 위한 유전 알고리즘 기반 3차원 UAV 군집 궤적 설계

문제 정의
도래각(Direction-of-Arrival, DOA) 추정은 레이더, 수색 및 구조, 표적 추적과 같은 응용 분야에서 매우 중요하다. 기존의 고정형 안테나 배열은 물리적 개구면과 플랫폼의 제약으로 인해 공간 해상도와 자유도(DOF)가 제한된다. 무인 항공기(UAV) 군집은 대형 개구면을 가진 분산 안테나 배열(DAA)을 형성함으로써 유연한 솔루션을 제공할 수 있지만, 이는 상당한 과제를 동반한다. 실질적인 비행 안전과 충돌 회피를 위해서는 UAV 간의 간격이 반파장보다 커야 한다. 이러한 큰 기선(baseline)은 2D DOA 추정 시 공간 에일리어싱(spatial aliasing), 격자 로브(grating lobes) 및 위상 모호성(phase ambiguities)을 유발한다. 또한, 기존 문헌들은 동적인 3D 기하학적 최적화, 위상 모호성 해결, 그리고 UAV 기체에 의해 도입되는 실제 전자기적 효과(구조적 산란, 차폐, 상호 결합)를 통합적으로 다루지 못하는 경우가 많다.

방법론
저자들은 2D DOA 추정을 위한 3D UAV 군집 안테나 배열을 설계하고 평가하기 위한 다단계 프레임워크를 제안한다:

시스템 모델링: 시스템은 각각 단일 안테나 소자를 탑재한 $M$ 개의 자율 마이크로 UAV로 구성된다. 군집은 미지의 고도( $\theta$ ) 및 방위각( $\phi$ ) 각도를 가진 3D 공간에서 작동한다. 수신 신호 모델은 동적인 3D 운동학 및 가우스 백색 잡음을 고려한다.
궤적 및 토폴로지 최적화: 제약 조건이 적용된 유전 알고리즘(Genetic Algorithm, GA)을 사용하여 UAV의 초기 위치와 3D 속도를 최적화한다. 목적 함수는 타겟 각도에 대한 크라메르-라오 하한(Cramér–Rao Lower Bound, CRLB)을 최소화하여 추정 정밀도를 극대화하는 것이다. 최적화는 다음의 물리적 제약을 준수해야 한다:
- 최소 간격 ( $d_{min}$ ): 충돌 회피 및 공기역학적 난류 완화를 보장하기 위함.
- 최대 간격 ( $d_{max}$ ): 신뢰할 수 있는 무선 동기화 및 위상 일관성을 유지하기 위함.
신호 처리 프레임워크:
- 위상 모호성 해결: 요소 간 간격이 크기 때문에, DOA 추정 전에 간섭계 방식의 위상 모호성 해결 단계가 적용된다. 이는 측정된 위상 차이를 기하학적 조향 기대치와 매핑하여 모호한 피크를 제거한다.
- DOA 추정: 모호성 제거 후, 고해 解상도 2D-MUSIC 알고리즘을 사용하여 결합된 고도 및 방위각 파라미터를 추정한다.
전파 전계(Full-Wave) 전자기 검증: 최적화된 기하학적 구조를 CST Studio Suite에서 재구성한다. 이 단계에서는 구조적 산란, 상호 결합, 차폐 및 방사 패턴 왜곡을 평가하기 위해 실제 UAV 기체(탄소 섬유 강화 폴리머), 모터 하우징 및 프로펠러 어셈블리를 포함한다. 이 결과는 이상적인 등방성 및 MATLAB 모노폴 모델과 비교된다.
성능 평가: 몬테카를로 시뮬레이션을 통해 다양한 신호 대 잡음비(SNR), 이득 불확실성 및 위상 불확실성 하에서의 DOA 추정 성능(제곱 평균 제곱근 오차 - RMSE)을 정량화한다.

주요 기여
본 연구는 세 가지 주요 기여를 한다:

제약 조건 인식 GA 프레임워크: CRLB 기반의 목적 함수를 사용하여 3D UAV 위치와 궤적을 최적화하면서 노드 간 간격 및 동기화 제약을 엄격히 준수하는 GA를 개발하였다.
통합된 모호성 해결: 분산형 UAV 배열에 내재된 큰 기선을 명시적으로 처리하기 위해 2D-MUSIC 추정 전에 간섭계 위상 모호성 해결 단계를 통합하였다.
전자기적 실재성: UAV 구조적 효과(산란, 차폐, 상호 결합)를 고려한 전파 전계 전자기 시뮬레이션을 통해 최적화된 기하학적 구조를 평가함으로써, 이상적인 해석 모델보다 더 실질적인 평가를 제공하였다.

결과

최적화 성능: GA로 최적화된 토폴로지는 $\theta = -30^\circ, \phi = 60^\circ$ 인 타겟에 대해 $0.0208^\circ$ 의 CRLB를 달성했다. 100,000개의 무작위 배열 구현 사례와 비교했을 때, GA 솔루션을 능가하거나 일치하는 사례가 없었으며, 이는 알고리즘이 비볼록(non-convex) 탐색 공간을 효과적으로 탐색함을 나타낸다.
표준 배열과의 비교: 최적화된 군집은 모든 SNR 수준에서 7가지의 전통적인 토폴로지(URA, UCA, ULA 및 구형 배열 포함)보다 우수한 성능을 보였으며, 현저히 낮은 추정 하한치를 나타냈다.
전자기적 효과: 전파 전계 시뮬레이션 결과, UAV 기체가 암(arm) 산란 및 본체 차폐로 인한 급격한 널(null)과 리플(ripple)을 포함한 심각한 방사 패턴 왜곡을 일으킴을 밝혀냈다. CST 모델은 높은 고도 각도에서는 이상적인 모델과 밀접하게 일치했으나, 낮은 고도( $-30^\circ$ ~ $-90^\circ$ )에서는 구조적 장애물로 인해 뚜렷한 감쇠와 변동을 보였다.
결함에 대한 강건성:
- 위상 vs 이득: 위상 불확실성이 추정 정확도를 저하시키는 지배적인 요인인 것으로 나타났다. 최대 40%의 이득 오차는 RMSE 증가에 미미한 영향만 주었으나, 위상 오차는 오차의 급격한 상승을 초래했다.
- 최적화 vs 무작위: GA로 최적화된 배열은 탁월한 강건성을 입증했다. 최대 $30^\circ$ 의 위상 오차 조건에서 최적화된 배열은 RMSE를 1도 미만으로 억제한 반면, 무작위 배열 구성은 4도를 초과하며 급격히 저하되었다.

의의 및 주장
본 논문은 배열의 기하학적 구조, 위상 모호성, 그리고 전자기적 효과를 공동으로 고려하는 것이 분산형 UAV 안테나 배열을 평가하는 데 필수적임을 입증한다고 주장한다. 연구는 최적화된 구성이 시뮬레이션 조건 내에서 참조 구성들보다 낮은 추정 오차를 제공하지만, 결과가 수치 및 전파 전계 시뮬레이션에 국한되어 있음을 명시한다.

저자들은 본 연구가 실제 다중 UAV 플랫폼에서의 실험적 검증을 구성하지 않는다는 점을 명시적으로 밝힌다. 또한, 개선된 CRLB 성능이 공간 에일리어싱이나 격자 로브의 완전한 제거를 보장하는 것은 아니며, 이는 최적화 목적 함수에 사이드로브 레벨 제약이 명시적으로 포함되지 않았기 때문이라고 경고한다. 본 연구의 의의는 이론적인 배열 설계와 UAV 군집의 실제적인 전자기적 제약 사이의 간극을 메우는 포괄적인 시뮬레이션 프레임워크를 제공함으로써, 향후 실질적인 배포를 위한 정밀한 위상 일관성 및 구조 인지 모델링의 필요성을 강조한 데 있다.

유사한 논문