Unmanned Aerial Vehicle Proximity Tracking Scheme Using Deep Reinforcement Learning

최근 급증하고 있는 무인기로 인해 발생할 수 있는 다양한 사회적 문제들을 예방하고 해결하기 위한 안티-무인기 시스템의 핵심 요소 기술인 불법 무인기 추적 시스템을 연구한다. 기존의 불법 무인기의 위치와 항로 궤적을 예측하는 대부분의 기존 연구들과 달리 본 논문에서 제안하는 추적 시스템은 불법 무인기의 효율적인 중화를 지원하기 위하여 불법 무인기 근처로 빠르게 접근할 수 있다. 이를 통해서 불법 무인기의 중화 과정에서 필연적으로 발생할 수 있는 부작용을 최소화할 수 있다. 제안하는 추적 시스템은 복수의 소형 추적 드론에 탑재된 수신 안테나를 활용하여 불법 무인기가 방출하는 통신 신호를 수신한다. 이들 신호 정보와 심화 강화 학습 네트워크를 이용하여 불법 무인기의 위치를 지속적으로 예측하고 추적 드론들의 위치와 이동 거리 등을 제어함으로써 불법 드론에 접근할 수 있다. 다양한 채널 환경을 고려하여 제안된 심화 강화 학습 모델을 학습시켰으며 학습된 모델의 성능을 검증한 결과에 따르면 제안 방식은 기존 방식 대비 이동 횟수 측면에서 5.41%~6.92%의 성능 향상을 보였으며, 이동 거리 측면에서는 11.5%~15.8%의 성능 향상을 나타내었다.