(Radar) 14. 플롯과 클러터 모의 — 참값 궤적에 측정 잡음을 더하고 가짜 탐지를 뿌리기
추적 필터에 넣을 입력을 만드는 과정 — 드웰·히트·플롯이 무엇이고 실제 신호처리를 왜 건너뛸 수 있는지, 측정 표준편차가 분해능과 빔폭을 √(2·SNR) 로 나눈 꼴로 나오는 이유와 SNR 이 거리에 따라 변하면 표준편차도 플롯마다 달라지는 이유, 균등난수 열두 개를 더해 정규난수를 만드는 생성기와 그것이 분포를 따르는지 확인하는 법, 참값을 안테나 기준 거리·방위각·고각으로 바꿔 성분마다 잡음을 더하는 순서, FOV 안에서 균등 난수로 클러터를 뽑는 법, 그리고 표적 다섯 개를 60 초 동안 재서 플롯 3 000 개와 클러터 3 000 개를 지도에 겹쳐 확인하기까지.
이번 장에서는 플롯과 클러터 모의를 다루겠다. 표적 궤적 모의가 만든 궤적은 표적이 실제로 있던 자리, 곧 참값이다. 이번에는 그 참값을 레이다가 잰 것 같은 측정값으로 바꾸고, 표적이 아닌 곳에서 생기는 가짜 탐지인 클러터도 함께 만든다. 둘을 합친 것이 추적 필터의 입력이 된다.
조건은 이렇게 잡았다. 표적의 신호 대 잡음비 SNR 은 20 으로 고정한다. 레이다는 광속 299 792 458 m/s, 방위각 빔폭 5.14°, 고각 빔폭 5.31°, 대역폭 5 MHz, 모노펄스 기울기 상수 1.7 이다. 클러터는 한 스캔에 다섯 개를 거리 200 m ~ 15 000 m, 방위각 −60° ~ +60°, 고각 0° ~ 30° 안에서 균등 난수로 뽑는다. 시뮬레이션은 60 초, 한 스캔은 0.1 초이고, 참값과 플롯과 클러터를 서로 다른 색으로 위경도 위에 그린다. 난수는 기존 난수 라이브러리의 균등난수 UNIRAN 과 정규난수 GAUSS 를 쓰고, 그 둘이 분포를 따르는지도 먼저 확인한다.
1. 플롯은 어디서 나오는가
레이다가 빔을 한 방향에 머물게 하고 신호를 모으는 구간을 드웰(dwell)이라 한다. 드웰 동안 받은 신호를 처리하면 거리와 각도로 나눈 칸마다 신호 세기가 나오고, 문턱을 넘은 칸 하나를 히트(hit)라 한다. 표적 하나가 여러 칸에 걸쳐 잡히므로 붙어 있는 히트를 묶어 대표점 하나로 만드는데, 그것이 플롯(plot)이다. 플롯은 거리·방위각·고각과 잰 시각을 가진다. 빔이 탐색 영역 전체를 한 번 도는 주기가 스캔(scan)이고, 스캔마다 들어오는 플롯을 시간 순서로 이어 표적의 움직임을 추정한 것이 트랙(track)이다. 문턱은 잡음만 있는 칸도 가끔 넘긴다. 그런 히트도 묶이면 표적이 없는 자리의 플롯이 되고, 7절의 클러터가 흉내 내는 것이 바로 그것이다.
그림 1. 왼쪽은 한 드웰의 거리·방위각 칸에서 문턱을 넘은 히트다. 표적 하나가 여러 칸에 걸치고, 잡음만으로 넘은 칸도 하나 있다. 가운데는 붙은 히트를 묶어 만든 플롯이고 참값과 조금 어긋나 있다. 오른쪽은 스캔마다 하나씩 들어온 플롯을 이어 만든 트랙이다.
실제 레이다에서 플롯이 나오기까지는 단계가 길다. 표적에서 돌아온 신호와 수신기 잡음이 섞인 채 IQ 데이터로 들어오고, 펄스압축으로 긴 펄스를 좁게 모아 거리를 구분하고, 도플러 처리로 속도별로 나눠 움직이지 않는 클러터를 걸러 내고, CFAR 로 주변 잡음 크기에 맞춘 문턱을 정해 히트를 뽑고, 히트를 묶고, 모노펄스 처리로 빔폭보다 정밀한 각도를 얻는다.
이 모의는 그 가운데를 전부 건너뛴다. 참값에 잡음을 더해 바로 드웰 플롯을 만든다.
그림 2. 위가 실제 레이다, 아래가 이 모의다. 가운데 단계를 통째로 건너뛰고 참값에 잡음을 더한다.
건너뛰어도 되는 이유는 추적 필터가 받는 것이 플롯뿐이기 때문이다. 추적 필터는 IQ 데이터도 신호처리의 중간 결과도 보지 않는다. 신호처리를 거친 플롯은 참값에서 조금 벗어난 거리·방위각·고각이고, 그 벗어나는 크기만 맞춰 넣으면 추적 필터 입장에서는 같은 성질의 입력이다. 실제 과정을 그대로 모의하려면 파형과 안테나 패턴과 신호처리 전체가 있어야 하지만, 플롯 모의에 필요한 것은 성분별 표준편차 셋뿐이다. 신호처리를 검증할 때는 앞의 방법이, 추적 알고리즘과 데이터 처리의 기능·성능을 검증할 때는 뒤의 방법이 맞다. 그 크기를 어떻게 정하는지가 다음 절이다.
2. 측정 오차의 크기
거리·방위각·고각의 오차 표준편차 $p$ 는 세 식으로 정한다.
\[p_{rng} = \frac{c}{2B\sqrt{2\,\mathrm{SNR}}}, \qquad p_{azi} = \frac{\theta_{az}}{K_M\sqrt{2\,\mathrm{SNR}}}, \qquad p_{ele} = \frac{\theta_{el}}{K_M\sqrt{2\,\mathrm{SNR}}}\]$c$ 는 광속, $B$ 는 대역폭, $\theta$ 는 빔폭, $K_M$ 은 모노펄스 기울기 상수, SNR 은 선형값이다. 세 식 모두 분모에 $\sqrt{2\,\mathrm{SNR}}$ 이 있다. 거리 식의 분자는 거리 분해능 $c/2B$ 이고, 각도 식의 분자는 빔폭을 모노펄스 기울기 상수 $K_M$ 으로 나눈 값이다.
분해능(resolution)은 가까이 있는 두 표적을 따로 구분할 수 있는 최소 간격이다. 거리 분해능은 압축된 펄스의 폭 $c/2B$ 이고, 전파가 표적까지 갔다 돌아오기 때문에 2 로 나눈다. 각도 분해능은 빔폭 자체다. 빔 하나 안에 같이 들어온 두 표적은 각도로 구분하지 못한다. $K_M$ 은 분해능이 아니라, 모노펄스 레이다가 합 신호와 차 신호의 비로 빔 안에서 표적 각도를 다시 잴 때 그 비가 각도에 따라 변하는 기울기를 빔폭으로 정규화한 값이다. 여기서 쓴 값은 1.7 이고 안테나 가중에 따라 달라지며, 기울기가 가파를수록 같은 SNR 에서 각도 오차가 작다. 그 계산은 10장에 있다. 각도 식의 분자 $\theta/K_M$ 은 그 기울기로 환산한 빔폭이지 두 표적을 구분하는 간격이 아니다.
정확도(accuracy)는 다르다. 표적 하나를 여러 번 쟀을 때 측정값이 참값 둘레에서 흔들리는 크기다. 압축된 펄스의 봉우리는 폭이 30 m 가까이 되지만, 그 봉우리가 어디에 있는지는 훨씬 좁은 범위에서 흔들린다. 신호가 잡음보다 셀수록 봉우리 위치를 정확히 잡을 수 있어서 분모에 SNR 이 들어간다.
그림 3. 왼쪽은 압축된 펄스 하나의 폭(분해능)과 봉우리 위치의 흔들림(정확도)이다. 오른쪽은 실제로 만든 플롯 1 500 개의 거리 오차와 방위각 오차를 거리 10 km 인 표적 하나에 옮겨 같은 축척으로 찍은 것이다. 거리 방향보다 옆으로 훨씬 넓게 퍼진다.
위의 제원을 넣으면 아래와 같다. SNR 20 이면 $\sqrt{40} = 6.325$ 다.
| 성분 | 분자 | ÷ √(2·SNR) | 표준편차 $p$ |
|---|---|---|---|
| 거리 | $c / 2B$ = 29.979 m | 6.325 | 4.740 m |
| 방위각 | $\theta_{az} / K_M$ = 3.024° | 6.325 | 0.4781° |
| 고각 | $\theta_{el} / K_M$ = 3.124° | 6.325 | 0.4939° |
거리 식의 분자를 분해능 $c/2B$ 그대로 둔 것은 보수적인 근사다. 정합필터로 봉우리 위치를 재는 이론 한계는 분해능 대신 신호 스펙트럼의 rms 대역폭 $\beta$ 를 써서 $c/(2\beta\sqrt{2\,\mathrm{SNR}})$ 이고, 스펙트럼이 평평한 선형 주파수 변조 펄스면 $\beta = \pi B/\sqrt 3$ 이라 4.740 m 의 0.551 배인 2.61 m 가 된다. 실제 추출기는 보간 손실이 있어 두 값 사이에 놓이고, 여기서 쓴 식은 그 가운데 큰 쪽을 택한 것이다.
각도 오차는 거리에 곱해져 위치 오차가 된다. 10 km 거리에서 방위각 표준편차 0.4781° 는 옆으로 83.4 m 다. 거리 표준편차 4.74 m 의 17.6 배다. 그래서 플롯은 레이다에서 표적을 바라보는 방향으로는 좁게, 그에 수직인 방향으로는 넓게 퍼진다. 추적 필터가 거리와 각도를 다른 무게로 다루어야 하는 이유가 이것이다.
SNR 은 식에 선형값으로 넣는다. 20 을 데시벨로 읽어 선형 100 을 넣으면 $\sqrt{200} = 14.14$ 로 나누게 되어 2.120 m, 0.2138°, 0.2209° 가 된다. 어느 쪽인지는 입력을 주는 쪽과 맞춰 두어야 한다. 이 글은 선형 20 이다.
SNR 20 은 데시벨로 13.0 dB 이고, 탐지 문턱에서 멀지 않은 약한 표적의 값이다. 실제로는 SNR 이 표적마다, 스캔마다 다르다. 수신 전력은 레이다 방정식을 따른다.
\[\mathrm{SNR} = \frac{P_t\,G^2\,\lambda^2\,\sigma}{(4\pi)^3\,R^4\,k T_0 B\,F\,L}\]$P_t$ 는 송신 전력, $G$ 는 안테나 이득, $\lambda$ 는 파장, $\sigma$ 는 표적의 레이다 반사 단면적, $R$ 은 거리, $kT_0B$ 는 잡음 전력, $F$ 는 잡음 지수, $L$ 은 손실이다. 빔폭은 안테나 이득으로, 대역폭은 잡음 전력으로 이 식에 들어 있다. 거리의 네제곱에 반비례하므로 표적이 다가올수록 SNR 이 커지고 측정 표준편차는 그만큼 작아진다. 13.3 km 에서 SNR 이 20 인 표적이 다가오면 표준편차는 아래처럼 줄어든다.
| 거리 | SNR | $p_{rng}$ | $p_{azi}$ | 가로 오차 $r\,p_{azi}$ |
|---|---|---|---|---|
| 13.3 km | 20 (13.0 dB) | 4.740 m | 0.4781° | 111.1 m |
| 10 km | 62.8 (18.0 dB) | 2.676 m | 0.2698° | 47.1 m |
| 5 km | 1 004 (30.0 dB) | 0.669 m | 0.0675° | 5.9 m |
| 1.36 km | 183 000 (52.6 dB) | 0.050 m | 0.0050° | 0.12 m |
마지막 줄의 5 cm 는 실제로 나오지 않는다. SNR 이 커지면 열잡음 대신 보정 잔차, 양자화, 표적 글린트 같은 다른 오차가 바닥을 만들기 때문이다. 실제 체계에서는 신호처리기가 플롯마다 그 플롯의 SNR 이나 진폭을 함께 내보내고, 추적 쪽이 그 값으로 표준편차를 플롯마다 계산한다. SNR 을 20 으로 고정한 이 모의는 가장 먼 표적 기준으로 잡음을 가장 크게 넣은 경우다.
3. 잡음을 만드는 난수
잡음은 기존 난수 라이브러리의 함수 둘로 만든다. UNIRAN 은 0 과 1 사이의 균등난수를, GAUSS 는 평균과 표준편차를 받아 정규난수를 돌려준다.
UNIRAN 은 선형합동(linear congruential) 방식이다. 직전 값에 16807 을 곱해 $2^{31} - 1$ 로 나눈 나머지를 다음 값으로 삼고, 그것을 $2^{31} - 1$ 로 나눠 0 과 1 사이로 만든다. 곱하는 수와 나누는 수가 이 조합이면 같은 값이 다시 나올 때까지의 주기가 $2^{31} - 2$, 약 21 억이다. 나머지가 0 이 되는 일이 없어서 0 과 1 자체는 나오지 않는다. 처음 값인 시드(seed)가 같으면 뽑히는 순서가 늘 같다.
GAUSS 는 UNIRAN 을 열두 번 더한 뒤 6 을 뺀다. 균등난수 하나의 평균은 1/2, 분산은 1/12 이다. 열둘을 더하면 평균 6, 분산 $12 \times 1/12 = 1$ 이 되고, 6 을 빼면 평균 0, 표준편차 1 이다. 거기에 받은 표준편차를 곱하고 평균을 더해 돌려준다. 독립인 값을 많이 더할수록 합이 정규분포에 가까워진다는 중심극한정리를 그대로 쓴 것이다.
그림 4. 실제 UNIRAN 으로 10 000 개씩 뽑아 그렸다. 하나는 평평하고 둘을 더하면 삼각형이 되며, 열둘을 더하면 표준정규분포 곡선과 거의 겹친다.
이 방식의 한계도 알아 둔다. 열둘의 합에서 6 을 뺀 값은 $-6$ 과 $+6$ 사이를 벗어나지 못하고, 그 안에서도 꼬리가 진짜 정규분포보다 얇다. 어디까지가 같고 어디부터 다른지를 숫자로 보면 아래와 같다.
| 범위 | 열둘의 합 | 정규분포 |
|---|---|---|
| $\lvert v\rvert > p$ | 0.3215 | 0.3173 |
| $\lvert v\rvert > 2p$ | 0.0446 | 0.0455 |
| $\lvert v\rvert > 3p$ | 0.00201 | 0.00270 |
| $\lvert v\rvert > 4p$ | $1.7 \times 10^{-5}$ | $6.3 \times 10^{-5}$ |
$2p$ 까지는 같고 $3p$ 밖은 정규분포의 4 분의 3, $4p$ 밖은 4 분의 1 이다. 10 000 개를 뽑으면 정규분포는 4 밖이 0.6 개꼴, 이 생성기는 0.2 개꼴이라 4절의 확인에서 칸 밖으로 나간 값이 없었던 것도 자연스럽다. 추적 필터의 게이트는 보통 정규분포를 가정해 3σ 나 카이제곱 문턱으로 잡는데, 이 생성기로 만든 플롯은 그 문턱 밖으로 덜 나가므로 게이트 설계를 시험하는 자리라면 그만큼 게이트가 실제보다 후하게 평가된다. 정확한 정규분포가 필요하면 균등난수 둘로 정규난수 둘을 만드는 Box–Muller 변환을 쓴다. 플롯 잡음처럼 $\pm 3p$ 안이 거의 전부인 용도에는 열둘의 합으로 충분하다.
시드가 정해져 있으면 결과를 다시 만들 수 있다. 측정 모의는 시작할 때마다 시드를 12345 로 되돌리므로 같은 시나리오를 몇 번 돌려도 같은 플롯이 나온다. 뒤에서 나오는 숫자가 전부 그대로 재현되는 것도 이 때문이다. 난수 확인 창은 반대로 시드를 되돌리지 않고 지난번에 멈춘 자리에서 이어 뽑아, 열 때마다 다른 10 000 개가 나오게 두었다.
플롯 잡음과 클러터는 같은 난수열에서 차례로 뽑는다. 그래서 SNR 을 바꾸면 GAUSS 가 돌려주는 값에 곱하는 표준편차만 달라져 잡음의 패턴은 그대로고 크기만 변하지만, 스캔당 클러터 수를 바꾸면 클러터가 난수를 더 가져가 두 번째 스캔부터 플롯 잡음이 전부 달라진다. 클러터가 다섯 개일 때 0.1 초의 대공 표적 잡음은 거리 −3.54 m, 방위각 −0.40°, 고각 −0.36° 인데 여섯 개로 바꾸면 −1.23 m, −0.13°, −0.74° 가 된다. 클러터 밀도만 바꿔 추적 성능을 비교하려면 표적 잡음은 그대로 두는 편이 맞고, 그러려면 플롯용과 클러터용 난수열을 따로 두고 시드도 따로 준다. 몬테카를로로 여러 번 돌릴 때는 돌릴 때마다 시드를 바꿔야 하고, 이 생성기는 시드가 1 에서 $2^{31}-2$ 사이여야 한다. 0 을 넣으면 계속 0 만 나와 GAUSS 가 표준편차의 −6 배를 돌려준다. 한 번 돌리는 데 쓰는 난수는 117 000 개로 주기의 십만 분의 5 라 넉넉하지만, 수천 번 돌리는 몬테카를로에는 곱수 16807 의 선형합동 생성기 대신 메르센 트위스터 같은 생성기가 안전하다.
4. 난수가 분포를 따르는지 확인
두 함수가 의도한 분포를 따르는지부터 확인했다. 10 000 개를 뽑아 칸마다 세고, 개수를 표본 수와 칸 폭의 곱으로 나눠 확률밀도로 바꾼다. 그러면 막대 넓이의 합이 1 이 되어 이론 확률밀도와 같은 눈금에서 비교할 수 있다. UNIRAN 은 0 에서 1 까지 10 칸이라 모든 칸이 1 근처여야 하고, GAUSS 는 $-4$ 에서 4 까지 32 칸이라 표준정규분포 곡선을 따라야 한다. 합과 제곱합도 같이 더해 평균과 표준편차를 구한다.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
for (nIndex = 0; nIndex < PCS_RAND_NUM; nIndex++)
{
value = (isGauss != 0) ? GAUSS(0.0, 1.0) : UNIRAN();
sum = sum + value;
sumSq = sumSq + (value * value);
// 구간 밖 값은 세지 않음 (GAUSS 의 |x| > 4)
nBinIndex = (INT32)floor((value - binMin) / st_Hist->binWidth);
if ((nBinIndex >= 0) && (nBinIndex < nBin))
{
st_Hist->nCount[nBinIndex]++;
}
else
{
st_Hist->nOutNum++; // 칸 밖. 합과 제곱합에는 넣고 칸에는 넣지 않음
}
}
for (nIndex = 0; nIndex < nBin; nIndex++)
{
st_Hist->pdf[nIndex] = (FLOAT64)st_Hist->nCount[nIndex] / ((FLOAT64)PCS_RAND_NUM * st_Hist->binWidth);
}
st_Hist->mean = sum / (FLOAT64)PCS_RAND_NUM;
st_Hist->std = sqrt((sumSq / (FLOAT64)PCS_RAND_NUM) - (st_Hist->mean * st_Hist->mean));
그림 5. 막대가 코드로 센 확률밀도, 주황 선이 이론값이다. 진한 막대는 첫 번째 값이 들어간 칸이다.
시드 12345 에서 시작한 첫 확인의 값은 아래와 같다. 첫 번째 값을 따라가 보면 계산이 어떻게 이어지는지 보인다. UNIRAN 의 첫 값은 0.0966 이고 0.1 로 나눈 정수 부분이 0 이라 0 번 칸에 들어간다. 0 번 칸에는 10 000 개 가운데 999 개가 들어왔고, $999 / (10\,000 \times 0.1) = 0.999$ 가 그 칸의 확률밀도다. GAUSS 의 첫 값 0.5953 은 4 를 더해 0.25 로 나누면 18.38 이라 18 번 칸이다. 이 칸의 확률밀도는 0.3048 로 이론값 0.3282 보다 조금 낮지만, 옆의 17 번 칸은 0.3836 으로 이론값 0.3719 보다 높다. 칸 하나에 800 개 안팎이 들어가는 수준에서는 이 정도로 흔들린다.
| 평균 | 표준편차 | 칸 밖으로 나간 값 | |
|---|---|---|---|
| UNIRAN 10 000 개 | 0.5026 (이론 0.5) | 0.2892 (이론 1/√12 = 0.2887) | 0 |
| GAUSS(0, 1) 10 000 개 | −0.0008 (이론 0) | 0.9955 (이론 1) | 0 |
눈으로 보는 대신 칸마다 관측 개수와 기대 개수의 차를 제곱해 기대 개수로 나눈 값을 더한 카이제곱 통계량으로 맞춰 볼 수 있다. 칸 수에서 하나를 뺀 자유도의 카이제곱 분포에서 이 값이 흔히 나올 만하면 분포가 다르다고 할 근거가 없다. UNIRAN 은 열 칸 기대 1 000 개씩에 대해 6.62 로 자유도 9 의 5 % 문턱 16.9 아래이고, GAUSS 는 기대 개수가 5 개 아래인 양끝 칸을 합쳐 28 칸으로 29.4 라 자유도 27 의 5 % 문턱 40.1 아래다. 둘 다 이론 분포와 다르다고 볼 근거가 없다. 18 번 칸이 이론보다 낮은 것도 기대 819 개에 관측 762 개로 2 표준편차 안이다.
다시 뽑으면 숫자는 조금씩 바뀌지만 매번 이론값 근처에 모인다. 두 함수를 그대로 써도 된다고 보고 넘어갔다.
5. 참값을 안테나 기준으로
잡음을 더하려면 참값이 레이다가 재는 형태여야 한다. 궤적 모의가 낸 참값은 지구 중심 기준의 ECEF 위치이므로 레이다 안테나 기준의 거리·방위각·고각으로 바꾼다. 레이다는 플랫폼에 실려 있으니 그 스캔 시각의 플랫폼 위치와 자세를 레이다의 것으로 쓴다. 이번 시나리오의 플랫폼은 북위 32.0°, 동경 126.0°, 고도 0 m 에 자세 (0, 0, 0)° 로 정지해 있어 600 스캔 내내 같은 값이다. 대공 표적의 첫 위치 북위 32.12° 는 여기서 정북으로 위도 0.12°, 13.3 km 떨어진 자리다.
그림 6. 플랫폼 위치로 NED 로, 자세로 동체로, 축을 바꿔 안테나로 옮긴 뒤 거리와 두 각도로 바꾼다. 지도에 찍을 때는 거꾸로 밟는다.
변환 함수는 12장에서 쓴 변환 라이브러리 그대로다. ECEF 에서 플랫폼 위치를 빼고 위경도로 돌리면 북·동·아래 성분이 되고, 플랫폼 자세로 돌리면 선수·우현·아래 성분이 되며, 축을 바꾸면 안테나의 왼쪽·위·조준축 성분이 된다. 마지막에 세 성분을 거리와 두 각도로 바꾼다. 방위각은 조준축에서 왼쪽이 +, 고각은 위가 + 인 그 라이브러리의 규약을 그대로 따랐다. 플랫폼 자세가 0 이라 이번 시나리오의 조준축은 늘 북쪽이고, 방위각 + 는 서쪽이다.
방위각의 부호와 기준은 메시지 규약에 반드시 적어 둔다. 레이다 쪽에서 흔히 쓰는 규약은 북쪽 또는 조준축에서 시계 방향, 곧 오른쪽이 + 인데 여기서 쓴 변환 코드는 왼쪽이 + 다. 보내는 쪽과 받는 쪽이 이 규약을 다르게 알고 있으면 플롯이 조준축 반대편에 찍히고, 이 종류의 불일치가 체계 연동에서 가장 자주 나오는 결함이다. 각도를 라디안 각으로 주는지 사인 공간의 $u = \sin az$ 로 주는지도 같이 적는다.
대공 표적의 첫 위치로 확인해 보면 이렇다. 표적은 레이다 정북 13.3 km, 고도 300 m 에 있고, 바꾸면 거리 13 310.2 m, 방위각 0°, 고각 1.2315° 다. 300 을 13 307 로 나눠 각을 구하면 1.29° 인데 그보다 작다. 지구가 둥글어서 13.3 km 앞의 지면이 레이다의 수평면보다 13.9 m 아래로 휘어 있고, 레이다가 보기에 표적은 수평면 위 286.1 m 에 있기 때문이다. ECEF 에서 계산하니 이 효과가 따로 손대지 않아도 들어갔다.
6. 플롯 만들기
플롯 $z$ 는 참값 $x$ 에 잡음 $v$ 를 더한 것이다. 성분마다 평균 0, 표준편차 $p$ 인 GAUSS 를 따로 부른다.
\[z_{rng} = x_{rng} + v_{rng}, \qquad z_{azi} = x_{azi} + v_{azi}, \qquad z_{ele} = x_{ele} + v_{ele}, \qquad v \sim N(0,\ p^2)\]궤적 모의의 결과가 이미 ECEF 위치인데 거기에 바로 잡음을 더하지 않고 굳이 바꾼 다음 더하는 데는 이유가 있다. 모의의 목표는 실제 레이다가 잴 때 생기는 오차를 그대로 흉내 내는 것이다. 레이다는 표적의 x·y·z 좌표를 재지 않는다. 전파가 돌아올 때까지 걸린 시간으로 거리를 재고, 돌아온 방향으로 각도를 잰다. 오차도 그 자리에서 생긴다. 13.3 km 앞 표적이면 전파는 88.8 μs 뒤에 돌아오고, 잡음이 섞인 신호에서 그 시각과 방향을 매번 조금씩 틀리게 잡는 것이 오차다. 위치는 그 값으로 나중에 계산한 것일 뿐이다. 그래서 모의도 실제 레이다에서 오차가 생기는 바로 그 자리, 거리·방위각·고각에 잡음을 넣고 그다음에 위치로 바꾼다. ECEF 에 잡음을 더하면 오차가 모든 방향으로 같은 크기로 퍼져서 2절의 모양이 나오지 않는다.
표준편차는 SNR 이 고정이라 측정을 시작할 때 한 번만 계산한다. SNR 이 플롯마다 다른 체계라면 이 함수를 플롯마다 불러야 한다. 빔폭은 도 단위 상수인데 참값 각도가 라디안이라 라디안으로 바꿔 계산한다.
1
2
3
4
5
6
7
8
9
10
11
12
// 측정 표준편차 p. snr 은 선형값.
STRUCT_Coord_Sph f_Pcs_CalcSigma(FLOAT64 snr)
{
const FLOAT64 root = sqrt(2.0 * snr);
STRUCT_Coord_Sph st_Sigma;
st_Sigma.r = LIGHT_SPEED / (2.0 * PCS_BANDWIDTH * root);
st_Sigma.az = f_Deg_To_Rad(PCS_BEAM_AZI) / (PCS_KM * root);
st_Sigma.el = f_Deg_To_Rad(PCS_BEAM_ELE) / (PCS_KM * root);
return st_Sigma;
}
이 계산은 빔폭이 어느 방향에서나 같다고 본 것이다. 안테나를 기계적으로 돌려 늘 조준축으로 재는 레이다라면 맞지만, 빔을 전자적으로 조향하는 위상배열은 조향각이 커질수록 배열이 좁게 보여 빔폭이 $\theta_3/\cos\theta_s$ 로 넓어지고, 각도 표준편차도 같은 비로 커진다. 조준축에서 0.4781° 인 방위각 표준편차가 30° 에서 0.552°, 45° 에서 0.676°, 이 시나리오의 표적 3 이 닿는 54° 에서 0.808°, FOV 끝 60° 에서 0.956° 가 된다. 10 km 가로 오차로는 83 m 가 167 m 로 두 배다. 위상배열의 측정 모의라면 표준편차를 플롯마다 조향각으로 다시 계산하고, 추적 쪽의 공분산도 같은 식을 따라야 한다. 위상배열은 각도를 사인 공간 $u = \sin az$ 에서 재므로 사인 공간의 오차 표준편차는 조향각과 무관하게 일정하고, 그것을 각도로 바꿀 때 $1/\cos\theta_s$ 가 나오는 것이 같은 현상이다.
측정 함수는 궤적 모의가 0.1 초마다 남긴 기록을 시각 순서로 하나씩 꺼내 한 번 잰 것으로 본다. 기록은 0 초부터 60 초까지 601 칸이지만 마지막 칸은 재지 않아 스캔은 600 번이다. 스캔마다 표적 수만큼 참값을 구하고 잡음을 더하고, 지도에 찍을 위경도도 함께 구해 둔다.
이 모의는 한 스캔의 플롯 다섯 개에 모두 같은 시각을 준다. 실제 레이다는 빔을 방향마다 차례로 비추므로 같은 스캔이라도 표적마다 잰 시각이 다르고, 플롯은 스캔 시각이 아니라 자기 드웰의 시각을 갖는다. 그 차이는 작지 않다. 스캔 0.1 초 안에서 시각이 0.1 초 어긋나면 200 m/s 표적은 20 m 움직이는데, 거리 표준편차 4.74 m 의 네 배가 넘는다. 시각을 스캔 하나로 묶으면 이만큼이 잡음이 아닌 오차로 들어간다. 그래서 플롯 메시지에는 플롯마다 시각 칸이 있어야 하고, 추적 필터는 스캔 시각이 아니라 플롯 시각으로 예측한다. 실제 플롯 메시지에는 이 밖에도 그 플롯의 SNR 또는 진폭, 도플러 속도, 품질 표시가 함께 실린다.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
changeSEED(PCS_SEED);
for (nScan = 0; nScan < nScanNum; nScan++)
{
st_In = &st_Sample[nScan];
st_Radar = &st_In->st_Platform;
st_Out = &st_Scan[nScan];
for (nTarget = 0; nTarget < st_In->nTargetNum; nTarget++)
{
// 참값 x
st_Out->st_True[nTarget] = f_Pcs_EcefToSph(&st_In->st_Target[nTarget].st_PosEcef, st_Radar);
// 플롯 z = x + v, v ~ N(0, p^2)
st_Out->st_Plot[nTarget].r = st_Out->st_True[nTarget].r + GAUSS(0.0, st_Sigma.r);
st_Out->st_Plot[nTarget].az = st_Out->st_True[nTarget].az + GAUSS(0.0, st_Sigma.az);
st_Out->st_Plot[nTarget].el = st_Out->st_True[nTarget].el + GAUSS(0.0, st_Sigma.el);
st_Out->st_PlotLla[nTarget] = f_Pcs_SphToLla(&st_Out->st_Plot[nTarget], st_Radar);
}
...
}
첫 스캔의 대공 표적에 실제로 들어간 값은 아래와 같다.
| 성분 | 참값 $x$ | 잡음 $v$ | 플롯 $z$ |
|---|---|---|---|
| 거리 | 13 310.2362 m | +2.4453 m | 13 312.6815 m |
| 방위각 | 0.0000° | −0.3574° | −0.3574° |
| 고각 | 1.2315° | −0.8396° | 0.3919° |
고각이 0.84° 작게 나온 이 플롯을 위도·경도·고도로 바꾸면 고도가 300 m 가 아니라 105.0 m 에 찍힌다. 다음 스캔에서는 거리 13 290.2 m 인 참값이 13 286.7 m, −0.4007°, 0.8776° 인 플롯이 되고 고도는 217.4 m 다. 이런 오차가 스캔마다 새로 생긴다.
플롯 3 000 개의 오차 $z - x$ 를 모아 표준편차를 다시 구하면 넣은 값이 그대로 나와야 한다.
그림 7. 세 성분의 오차 히스토그램이다. 주황 곡선은 표준편차 p 인 정규분포다.
| 성분 | 넣은 표준편차 $p$ | 플롯 3 000 개의 오차 표준편차 |
|---|---|---|
| 거리 | 4.740 m | 4.800 m |
| 방위각 | 0.4781° | 0.4760° |
| 고각 | 0.4939° | 0.4928° |
거리가 1.3 % 크게 나왔는데, 정규분포 표본 $N$ 개로 구한 표준편차 자체가 $1/\sqrt{2N}$, 곧 3 000 개면 1.3 % 만큼 흔들린다. 이 차이는 그 안이다.
표준편차와 함께 평균도 확인한다. 평균이 0 에서 벗어나면 편향(bias)이고, 추적 필터는 편향을 잡음으로 흡수하지 못해 트랙이 참값에서 한쪽으로 치우친다. 3 000 개의 오차 평균은 거리 +0.085 m, 방위각 +0.0042°, 고각 −0.0061° 이고, 평균의 표준편차 $p/\sqrt N$ 으로 나누면 0.99, 0.48, −0.68 이라 모두 1 안쪽이다. 넣은 잡음에 편향은 없다.
이 모의는 표적마다 스캔마다 플롯을 반드시 하나 만든다. 실제 레이다에서는 잡음이 섞인 신호가 문턱을 넘어야 플롯이 생기므로, 플롯이 생기는 것 자체가 확률이다. 그 확률이 탐지확률(probability of detection) $P_D$ 다. 오경보율 $10^{-6}$ 에서 SNR 20 이면 표적 반사가 일정한 Swerling 0 모델로 $P_D$ 는 0.876 이고, 반사 세기가 스캔마다 요동하는 Swerling 1 모델로는 $P_D = P_{FA}^{1/(1+\mathrm{SNR})}$ 이라 0.518 이다. SNR 20 인 표적은 두 스캔에 한 번꼴로 플롯이 없다는 뜻이다. 추적 필터는 플롯이 없는 스캔을 반드시 겪으므로 추적 시험용 모의에는 $P_D$ 를 넣어야 한다. 넣는 방법은 간단하다. 참값을 구한 뒤 UNIRAN 을 하나 더 뽑아 $P_D$ 보다 크면 그 스캔의 플롯을 만들지 않는다. 그러면 스캔의 플롯 수가 표적 수와 달라지므로 플롯 배열을 따로 세어야 한다. 플롯이 하나 더 적게 나오는 경우도 있다. 한 분해능 셀 안의 두 표적은 히트가 붙어 플롯 하나로 묶인다. 10 km 에서 방위각 빔폭 5.14° 는 가로 897 m 이고 거리 셀은 30 m 라, 이 안에 든 두 표적은 가운데 한 점으로 나온다. 이 모의는 표적을 합치지 않으므로 교차하는 표적 둘이 있어도 플롯은 늘 둘이다.
7. 클러터 만들기
레이다 전파는 표적에서만 돌아오지 않는다. 파도, 지면, 비구름, 새 떼에서도 돌아오고, 이렇게 표적이 아닌 것에서 생긴 탐지를 클러터(clutter)라 한다. 신호처리가 대부분을 걸러 내지만 다 걸러지지는 않아서 남은 것은 표적 플롯과 같은 형식으로 추적 필터에 들어온다. 플롯만 봐서는 어느 것이 표적인지 알 수 없다.
실제 클러터를 그대로 만드는 것은 바다 상태, 지형, 날씨까지 넣어야 하는 별도의 연구 분야다. 데이터 처리를 검증하는 모의에서는 그렇게까지 하지 않고, 해상처럼 전 영역에서 무작위로 생기는 클러터를 단순하게 만든다. 클러터 속에서 표적을 놓치지 않는 추적 기법을 시험하기에는 이것으로 충분하다.
방법은 세 단계다. 한 스캔에 만들 클러터 수를 정하고, 클러터가 생길 수 있는 거리·방위각·고각의 범위(FOV)를 정하고, 그 범위 안에서 성분마다 균등 난수로 값을 뽑는다. 0 과 1 사이의 균등난수 $u$ 를 범위에 맞게 늘리면 된다.
\[r = r_{min} + (r_{max} - r_{min})\,u, \qquad az = az_{min} + (az_{max} - az_{min})\,u, \qquad el = el_{min} + (el_{max} - el_{min})\,u\]1
2
3
4
5
6
7
8
9
// 클러터: FOV 안 균등분포, 매 스캔 새로 뽑음
for (nClutter = 0; nClutter < nClutterNum; nClutter++)
{
st_Clutter = &st_Out->st_Clutter[nClutter];
st_Clutter->r = PCS_CLT_RNG_MIN + ((PCS_CLT_RNG_MAX - PCS_CLT_RNG_MIN) * UNIRAN());
st_Clutter->az = f_Deg_To_Rad(PCS_CLT_AZI_MIN + ((PCS_CLT_AZI_MAX - PCS_CLT_AZI_MIN) * UNIRAN()));
st_Clutter->el = f_Deg_To_Rad(PCS_CLT_ELE_MIN + ((PCS_CLT_ELE_MAX - PCS_CLT_ELE_MIN) * UNIRAN()));
st_Out->st_ClutterLla[nClutter] = f_Pcs_SphToLla(st_Clutter, st_Radar);
}
균등난수 0.37 이 나왔다면 거리는 $200 + 14\,800 \times 0.37 = 5\,676$ m 다. 방위각과 고각도 같은 식으로 따로 뽑고 스캔마다 새로 뽑는다. 위경도로 바꾸는 함수는 플롯과 같다.
그림 8. 왼쪽은 위에서 본 부채꼴, 오른쪽은 옆에서 본 쐐기다. 거리를 고르게 뽑았는데 지도에서는 레이다 가까이가 촘촘하다.
가까운 쪽이 촘촘한 것은 거리와 각도를 고르게 뽑았기 때문이다. 거리 $r$ 에서 폭 $dr$ 인 띠의 넓이는 $r$ 에 비례하는데 그 띠에 들어가는 개수는 같으니, 넓이당 밀도는 $1/r$ 로 줄어든다. 넓이당 밀도를 고르게 하려면 거리 대신 거리의 제곱을 고르게 뽑아야 하지만, 이 모의는 처음 정한 대로 성분을 고르게 뽑았다.
추적 성능을 숫자로 말하려면 클러터의 통계가 필요하다. 흔히 쓰는 모델은 두 가지다. 스캔당 개수는 평균이 밀도 × 감시 부피인 푸아송 분포를 따르고, 위치는 감시 영역 안에서 균등하다. 실제 레이다에서 표적 없는 자리에 남는 탐지의 수는 CFAR 가 허용한 오경보 확률에 FOV 안 분해능 셀 수를 곱한 값이 평균이다. 이 FOV 를 거리 29.98 m, 방위각 5.14°, 고각 5.31° 칸으로 나누면 약 65 000 셀이고, 스캔당 평균 다섯 개는 셀당 오경보 확률 $7.7 \times 10^{-5}$ 에 해당한다. 고정된 다섯 개는 분산이 0 이라 어떤 스캔은 하나도 없고 어떤 스캔은 열 개가 몰리는 실제 오경보의 요동을 빠뜨린다. 평균 5 인 푸아송이면 0 개인 스캔이 0.7 %, 10 개 이상인 스캔이 3.2 % 다. 위치가 넓이당 균등이려면 거리는 균등이 아니라 제곱이 균등해야 한다.
\[r = \sqrt{r_{min}^2 + (r_{max}^2 - r_{min}^2)\,u}\]균등난수 0.37 이면 거리 균등으로는 5 676 m, 넓이 균등으로는 9 126 m 다. 이 모의의 부채꼴 넓이는 235.6 km² 라 평균 밀도는 스캔당 0.021 개/km² 인데, 거리를 균등하게 뽑아 국소 밀도는 1 km 에서 0.161, 10 km 에서 0.016 개/km² 로 열 배 차이가 난다. 5 km 안쪽은 넓이가 전체의 11 % 인데 클러터의 32 % 가 들어간다. 이 밀도가 추적 쪽에서는 게이트 안에 가짜 플롯이 들어올 확률이 된다. 10 km 에서 거리 ±3p, 가로 ±3rp 의 타원 게이트는 넓이 11 200 m² 이고 그 안에 클러터가 들 기대값은 스캔당 $1.8 \times 10^{-4}$ 개다. 클러터 다섯 개는 게이트 안으로는 거의 들어오지 않는 성긴 환경이고, 문제가 되는 것은 클러터끼리 우연히 가까이 찍히는 자리다. 고각을 0° 에서 30° 까지 균등하게 뽑는 것도 해면 클러터와는 다르다. 15 km 에서 고각 30° 는 높이 7.5 km 라 비구름이나 새 떼에 가깝고, 3 000 개 가운데 41 % 가 고도 2 km 위에 찍혔다. 해면 클러터만 흉내 내려면 고각을 0° 근처에 두어야 한다. 처음에 고정 다섯 개와 성분별 균등으로 정했으므로 코드는 그대로 두었고, 위 숫자는 그 결과를 읽을 때 기준으로 두면 된다.
8. 표적 다섯 개의 결과
전시는 표적 다섯 개로 했다. 기본 시나리오의 대함·대공 표적 둘에 셋을 더했다. 모두 레이다 북쪽의 FOV 안에서 움직이게 두었다.
| 표적 | 위도 [°] | 경도 [°] | 고도 [m] | 속력 [m/s] | yaw [°] | 기동 |
|---|---|---|---|---|---|---|
| 레이다 (플랫폼) | 32.0 | 126.0 | 0 | 0 | 0 | 정지 |
| 1 대함 | 32.125 | 126.03 | 0 | 30 | 270 | 없음 |
| 2 대공 | 32.12 | 126.0 | 300 | 200 | 180 | 없음 |
| 3 대공 | 32.05 | 126.08 | 1 500 | 150 | 0 | yaw −1.5 G, 10 ~ 40 s |
| 4 대공 | 32.10 | 125.93 | 2 000 | 180 | 110 | 없음 |
| 5 대함 | 32.04 | 125.96 | 0 | 20 | 45 | 없음 |
표적 3 은 북쪽으로 가다가 1.5 G 로 30 초 동안 왼쪽으로 돈다. 150 m/s 에서 1.5 G 는 초당 5.62° 라 168.6° 를 돌고, 선회 반경은 1 530 m 다. 표적 4 는 레이다 정면을 동남동으로 가로지르고, 표적 5 는 북동쪽으로 천천히 간다. 60 초 동안 다섯 표적의 방위각은 −54° 에서 +40° 사이에 있어 전부 FOV 안이다.
그림 9. 선이 참값 궤적, 검은 점이 플롯, 회색 점이 클러터다. 600 스캔을 모두 겹쳐 그렸고 점선 부채꼴이 클러터 범위다.
플롯은 600 스캔에 표적 다섯이라 3 000 개, 클러터는 스캔당 다섯이라 3 000 개다. 플롯은 궤적 선을 따라 옆으로 흩어져 찍히고, 클러터는 부채꼴 안에 고루 뿌려지되 레이다 가까이가 촘촘하다. 참값 궤적 표시를 끄면 선은 사라지고 점만 남는데, 그것이 추적 필터가 받는 입력이다.
고도도 같은 식으로 흩어진다. 고각 오차는 표준편차가 0.4939° 로 일정하지만 고도 오차는 거리가 곱해지므로 거리에 따라 달라진다.
그림 10. 표적 2 의 플롯 600 개를 위경도로 바꿔 얻은 고도다. 점선은 참값 고도에 거리 × 고각 표준편차를 더하고 뺀 띠다.
표적 2 는 13.3 km 에서 1.4 km 까지 다가온다. 고도 오차의 표준편차는 처음 114.7 m 에서 끝에 11.7 m 로 줄고, 실제 플롯 고도는 67 m 에서 640 m 사이에 찍혔다. 참값은 내내 300 m 다. 추적 필터가 같은 플롯이라도 먼 것은 덜 믿고 가까운 것은 더 믿어야 하는 이유가 이 그림에 있다.
수상 표적은 사정이 다르다. 참값 고도가 0 이라 고각 참값은 지구가 휘어 내려간 만큼 이미 음수고, 14.1 km 의 표적 1 은 −0.064° 다. 여기에 표준편차 0.49° 의 잡음이 더해지면 플롯 고각은 절반이 음수가 되고, 고도로 바꾸면 표적 1 의 플롯 600 개는 −371 m 에서 +367 m 사이에 표준편차 121 m 로 흩어진다. 표적 5 도 −155 m 에서 +166 m 다. 바다 아래 수백 미터에 찍힌 플롯을 그대로 쓰면 수상 트랙의 고도 추정이 잡음에 끌려다닌다. 실제 체계는 수상 표적 트랙을 거리와 방위각만의 2 차원으로 다루거나 고도를 0 으로 묶고, 고각은 표적이 수상인지 공중인지 가르는 데만 쓴다. 이 모의의 열잡음만으로도 이런데, 실제 저고도 표적은 해면 반사가 직접 신호와 섞여 고각 오차가 열잡음보다 훨씬 크고 한쪽으로 치우친다. 이것이 저고도 추적 문제이고, 모의에 넣으려면 고각 0° 근처에서 표준편차를 키우거나 편향을 더한 별도 모델이 필요하다.
프로그램은 궤적 모의 프로그램에 측정 모의를 얹었다. 화면에서 SNR 과 스캔당 클러터 수를 바꾸면 궤적은 그대로 두고 측정만 다시 하고, 참값 궤적·플롯·클러터 표시를 따로 켜고 끌 수 있다. 난수 확인 창은 4절의 두 히스토그램과 함께 뽑은 값 앞 열 개가 어느 칸에 들어갔는지, 칸마다 개수와 확률밀도가 얼마인지, 평균과 표준편차가 어떤 식으로 나왔는지를 실제 값으로 보여 준다. 위의 숫자는 모두 그 프로그램의 계산부를 그대로 돌려 얻은 것이다.
9. 정리
플롯은 참값에 성분별 잡음을 더해 만든다. 잡음의 표준편차는 거리는 분해능 $c/2B$ 를, 각도는 빔폭을 $K_M$ 으로 나눈 값을 다시 $\sqrt{2\,\mathrm{SNR}}$ 로 나눈 것이고, SNR 20 에서 거리 4.740 m, 방위각 0.4781°, 고각 0.4939° 다. 각도 오차는 거리에 곱해져 위치 오차가 되므로 플롯은 거리 방향보다 옆으로 훨씬 넓게 퍼지고, 고도 오차도 먼 표적일수록 크다.
정규난수는 균등난수 열둘을 더해 만들었고, 10 000 개를 뽑아 평균·표준편차·확률밀도가 이론과 맞는 것을 확인한 뒤 썼다. 잡음은 ECEF 위치가 아니라 레이다가 실제로 재는 안테나 기준 거리·방위각·고각에 더한다. 그래야 실제 레이다에서 오차가 생기는 자리에 오차가 들어간다.
클러터는 정한 개수만큼 FOV 안에서 거리·방위각·고각을 균등 난수로 뽑는다. 표적 다섯 개를 60 초 동안 600 번 재서 플롯 3 000 개와 클러터 3 000 개를 만들었고, 플롯 오차의 표준편차는 넣은 값과 1.3 % 안에서 같았다. 이 점들이 추적 필터의 입력이다.
참고 자료
- D. K. Barton, Radar System Analysis and Modeling, Artech House — 거리·각도 측정 오차의 표준편차를 분해능과 $\sqrt{2\,\mathrm{SNR}}$ 로 적는 식, 분해능과 정확도의 구분
- Y. Bar-Shalom, X. R. Li, T. Kirubarajan, Estimation with Applications to Tracking and Navigation, Wiley — 측정 모델 $z = x + v$, 감시 영역 안에 균등하게 분포하고 개수는 푸아송 분포를 따르는 클러터(오경보) 모델, 측정 편향이 필터에 미치는 영향
- S. K. Park, K. W. Miller, “Random number generators: good ones are hard to find,” Communications of the ACM, vol. 31, no. 10, 1988 — 곱수 16807, 법 $2^{31}-1$ 인 선형합동 난수의 성질과 주기
- D. E. Knuth, The Art of Computer Programming, Vol. 2: Seminumerical Algorithms, Addison-Wesley — 균등난수 열두 개의 합으로 정규난수를 근사하는 방법과 그 한계, Box–Muller 변환
- M. I. Skolnik, Introduction to Radar Systems, McGraw-Hill — 레이다 방정식, 오경보 확률과 Swerling 표적 모델에 따른 탐지확률, 위상배열의 조향에 따른 빔폭 변화