| 초록 |
□ 연구개요 광범위한 연근해의 수중환경 감시를 위해서는 수중 센서 네트워크의 게이트웨이와 해상 기지국 간의 장거리 수중 음향 통신이 필요하다. 그러나 장거리에 의한 경로 손실이 발생하기 때문에 낮은 SNR을 가지고 있어서 수중 채널을 기반으로 다중 수신 센서에 의한 SNR 이득을 얻을 필요가 있다. 그러나 같은 위치라도 장거리 수중통신 채널은 계절별로 바뀌고 밤과 낮에 따서 급변하기 때문에 기존의 수중통신 기술로는 안정된 통신 링크를 지속적으로 유지하기 어렵다. 이러한 수중통신 환경에서 수중환경을 감시하기 위해 동해, 서해, 남해의 다양한 지역에서의 계절별, 시간별 채널 특성을 수온의 변화와 지형 정보에 따라 수중 채널을 기계 학습 (machine learning, ML) 함으로써 변화하는 장거리 수중통신 채널을 추정하고 기계 학습과 결합된 시역전 기술 (time reversal mirror, TRM)을 이용하여 장거리 수중통신 링크의 성능을 향상시키는 방법을 개발하는 것을 목표로 한다. □ 연구 목표대비 연구결과 본 연구의 목표는 수중의 수온 변화와 지형 정보에 따른 장거리 수중 채널을 기계 학습 기법을 이용하여 추정하고 기계 학습과 결합된 시역전 기술을 이용하여 장거리 수중통신 링크의 성능을 향상시키는 방법 개발이다. 1 차년도에는 계절별, 시간별 채널 특성을 수온의 변화와 지형 정보에 따라 수중 채널을 기계 학습함으로써 변화하는 장거리 수중통신 채널 추정을 위한 수중 음속 추정 방법을 개발하였다. 상대적으로 큰 변화량을 가지는 온도를 이용하여 계절과 시간에 따라 변화하는 수중 채널을 학습하기 위해 실시간 해양환경 어장정보 시스템에서 제공하는 실시간 관측정보를 활용하였으며, 시간과 계절에 따라 변화하는 온도의 특징을 이용하여 시계열 기반기계 학습 알고리즘인 RNN 기반의 Bi-LSTM을 통한 음속 추정 알고리즘을 개발하였다. 2 차년도에는 깊이에 따른 수중 음속의 변화와 수중 채널의 관계를 기계 학습하여 수중 음속 구조 기반 수중 채널 임펄스 응답 추정 방법을 개발하였다. 수중 음속구조의 크고 작은 음속 변화에 따라 변화하는 채널 임펄스 응답 추정성능을 증가시키기 위해 수중 음속 구조에 음속 변화량의 규모를 증가시키는 scaling 방법 및 2차원 이미지 데이터 변화 방법을 포함한 전처리 과정을 적용하였으며. 2차원 수중 음속 구조 데이터로부터 효율적으로 특징을 추출하기 위해 separate bidirectionalfeature pyramid network 기반의 수중 채널 임펄스 응답 추정기를 개발하였다. 실제 해상에서 확보한 데이터를 활용하여 개발한 알고리즘의 성능을 검증하였으며, 전문 학술지 게재 (SCI)를 통해 2 차년도에 개발한 알고리즘을 검증하였다. □ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성) 1. 실제 수중환경 정보를 이용한 수중음향통신 관련 딥러닝 기반의 수중통신 기술 고도화. 2. 다양한 수중음향채널을 극복하는 통신기법을 통해 전반적인 수중통신 기술에 적용하여 해양의 지형 탐사, 해양환경 감시, 수중작업 등의 다양한 분야에 기여할것으로 기대됨. 3. AUV, 수중 로봇 시스템과 같은 무인 해양환경 감시 시스템이나 수상 함정, 잠수함, 어선 등 바다에서 통신이 필요한 모든 시스템에 적용할 수 있으므로, 해양 산업 측면에서 긍정적 효과를 얻을 수 있을 것으로 기대됨. 4. 해양 감시 체계나 잠수함 통신과 같은 해양 방위산업에 활용하여 군수 분야에서 경제적 파급효과를 얻을 수 있을 것으로 기대됨. 5. 해양환경 감시 시스템에 적용하여 쓰나미, 선박 사고 등에 의한 해양 재해로부터 인명 피해를 최소화할 수 있을 것으로 기대됨. (출처 : 연구결과 요약문 2p) |
