본문 바로가기
KERD
논문KCI 등재

이미지 변환을 통한 RF 신호 기반의 드론 및 성능 평가

Drone Classification and Performance Evaluation Based on RF Signal through Image Transformation

한미란|이한빈|오진섭|최두호|조준영|조리노
한국정보보호학회 (Korea Institute Of Information Security And Cryptology)|2024.12|정보보호학회논문지 (Journal of The Korea Institute of Information Security and Cryptology)|제34권 제6호|pp. 1283-1295|DOI https://doi.org/10.13089/JKIISC.2024.34.6.1283

0

조회

0

다운로드

0

인용

0

참고문헌

키워드

Convolutional neural networkImage transformationRF signalsDrone classification
주제분류컴퓨터학

초록

드론 기술의 급속한 발전과 다양한 산업에서의 응용이 크게 확대되어감과 함께 보안 위협 또한 증가하고 있으며, 이를 해결하기 위한 연구가 요구되고 있다. 본 연구에서는 드론 분류를 위하여 RF 신호를 사용하였고, 이를 전처리하기 위해 웨이블릿 변환, STFT 및 Mel-Spectrogram 분석을 수행하고, 이를 이미지로 변환하여 학습하는 CNN 기반 학습 모델을 개발하였다. 또한 Image 변환 과정에서 병렬 처리를 최적화하여 계산 속도를 향상시켰다. 제안된 모델은 기존 Spectrogram 변환 방식 대비 학습 속도를 크게 단축하며, 실시간 탐지에 적합한 성능을 보였다. 결론적으로, 본 연구는 Image 변환 방식을 통한 CNN 모델을 통해 RF 신호 기반 드론 탐지의 분류의 정확성과 실시간성을 향상시켰다.

Abstract

The rapid advancement of drone technology has led to increasing security threats, requiring effective countermeasures. This study presents a CNN-based model for drone classification using RF signals, processed with wavelet transform, STFT, and Mel-spectrogram. By optimizing parallel image conversion, the model achieves faster computation and supports real-time detection. The proposed approach enhances both classification accuracy and real-time performance compared to conventional methods.

참고문헌 (21)

  1. "Worldwide Drone Incidents"[URL]
  2. Omolara, Abiodun Esther, "Drone cybersecurity issues, solutions, trend insights and future perspectives: a survey", Neural computing and applications, 35(31), pp.23063~23101 (2023)
  3. Driss Aouladhadj, "Drone Detection and Tracking Using RF Identification Signals", Sensors, MDPI, 23(7650) (2023)
  4. He, Kaiming, "Deep residual learning for image recognition", Proceedings of the IEEE conference on computer vision and pattern recognition, pp.770~778 (2016)
  5. Ajayi, O. G., "Drone-based crop type identification with convolutional neural networks:an evaluation of the performance of RESNET architectures", ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 10, pp.991~998 (2023)
  6. Tao, Lei, "Drone identification based on CenterNet-TensorRT", 2020 IEEE international symposium on broadband multimedia systems and broadcasting (BMSB), pp.1~5 (2020), IEEE
  7. Oh, Hyun Min, "Comparing Convolutional Neural Network (CNN) models for machine learning-based drone and bird classification of anti-drone system", 2019 19th International Conference on Control, Automation and Systems (ICCAS) (2019), IEEE
  8. Walker, James S, "Fourier analysis and wavelet analysis", Notices of the AMS, 44(6), pp.658~670 (1997)
  9. Medaiyese, O. O., "Wavelet transform analytics for RF-based UAV detection and identification system using machine learning", Pervasive and Mobile Computing, 82, pp.101569~ (2022)
  10. Sejdić, Ervin, "Time-frequency feature representation using energy concentration: An overview of recent advances", Digital signal processing, 19(1), pp.153~183 (2009)
  11. D. Griffin, "Signal estimation from modified short-time Fourier transform", IEEE Transactions on Acoustics, Speech, and Signal Processing, 32(2), pp.236~243 (1984)
  12. Y. Diao, "Drone authentication via acoustic fingerprint", Proc. Computer Security Applications Conf., pp.658~668 (2022)
  13. R. Kılıc, "Drone classification using rf signal based spectral features", Engineering Science and Technology, an International Journal, 28(101028), pp.1~10 (2022)
  14. Bilal Taha, "Machine Learning-Based Drone Detection and Classification:State-of-the-Art in Research", IEEE Access, 7, pp.138669~138682 (2019)
  15. Zhai Xianxu, "YOLO-Drone: An Optimized YOLOv8Network for Tiny UAV Object Detection", Electronics, MDPI, 12(17) (2023)
  16. Xu, Chengtao, "RF Fingerprint Measurement for Detecting Multiple Amateur Drones Based on STFT and Feature Reduction", 2020 Integrated Communications Navigation and Surveillance (ICNS) Conference (2020), IEEE
  17. Seidaliyeva, Ulzhalgas, "Advances and Challenges in Drone Detection and Classification Techniques: A State-of-the-Art Review", Sensors, MDPI, 24(1), pp.1~26 (2024)
  18. Kolamunna, Harini, "DronePrint: Acoustic Signatures for Open-set Drone Detection and Identification with Online Data", Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, 5(1), pp.31~ (2021)
  19. Vittoria Bruni, "A Fast and Robust Spectrogram Reassignment Method", Mathematics, MDPI (2019)
  20. Popovski, P., "Strategies for adaptive frequency hopping in the unlicensed bands", IEEE Wireless Communications, 13(6), pp.60~67 (2006)
  21. Jusung Kang, "Radio Frequency Fingerprinting for Frequency Hopping Emitter Identification", Applied Sciences, MDPI, 11(22) (2021)

관련 논문AI추천

환경 소음 제거를 통한 범용적인 드론 음향 탐지 구현강해영, 이경호한국정보보호학회 · 정보보호학회논문지2022 · 제32권 제5호이산 푸리에 변환과 LightGBM모델을 활용한 드론 무선주파수 신호 탐지 및 식별 모델 연구성기현, 이수진한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2024 · 제29권 제10호Drone movement classification based on deep learning using micro-Doppler signature images서동욱, 이동엽, 이재인한국마린엔지니어링학회 · 한국마린엔지니어링학회지2021 · 제45권 제4호심층 컨벌루션 신경망 기반의 실시간 드론 탐지 알고리즘이동현한국로봇학회 · 로봇학회 논문지2017 · 제12권 제4호함정의 드론 대응 능력 향상을 위한 AI 적용 연구(Convolutional Neural Network 모델 적용을 중심으로)송창규한국IT정책경영학회 · 한국IT정책경영학회 논문지2025 · 제17권 제2호드론탐지용 RF스캐너의 성능에 송전탑이 미치는 영향 분석방정주, 이문희한국ITS학회 · 한국ITS학회 논문지2024 · 제23권 제1호

이 간행물의 다른 논문 (34건)

블록암호 MGFN의 선형 공격에 대한 안전성 분석전용진, 김남일, 백승준, 김종성pp. 1161-1170딥러닝을 활용한 경량 블록 암호의 신경망 구분자 성능 개선 기술 연구오채린, 임우상, 서창호, 김현일, 정수용pp. 1171-1188Width 효율적 ASCON 양자 회로를 이용한 Grover 기반 양자 보안비도 분석최찬호, 최두호, 오진섭pp. 1189-1199terSIDH의 성능 분석 및 상수 시간 구현김수리, 이정환, 홍석희, 허동회, 강태훈pp. 1201-1209기계 학습 활용 운영체제 핑거프린팅 연구 조사김휘강, 안명식, 박상범, 윤경찬pp. 1211-1229
원문 보기