A Stabilization of Low-Altitude Air Defense Target Identification Using Multi-Target TWS Algorithm

Joonchul Song; Gunwoo Lee; Chunho Kang; Doo-Hyun Choi

doi:10.9766/KIMST.2025.28.1.110

Abstract

Low-altitude anti air defense weapons use Identification Friend or Foe equipment to determine whether aerial targets are friend or not to prevent friendly fire. Due to the characteristics of radio signals, Identification Friend or Foe equipment may generate false targets or may not be accurately identified as friendly forces depending on the operating environment such as surrounding mountains or buildings, which limits smooth operation. To eliminate abnormal targets generated from low-altitude air defense weapons, track-while-scan(TWS) algorithm is proposed in this paper. It could provide the stability enemy identification information to operators.

Keywords: IFF(피아식별), TWS(탐색중추적), Ghost Target(허상표적), Unknown Target(불명표적)

서 론

IFF(Identification Friend or Foe)는 아군 오인 사격을 방지하기 위해 제 2차 세계대전 중에 처음 등장했으며 항공기 등에 암호화된 신호를 보내어 돌아오는 응답 신호를 통해 아군 여부를 식별하는 장비를 말한다^[1]. 피아식별 장비는 질문 신호를 송출하는 질문기와 질문 신호에 자동으로 응답하는 응답기로 구분된다^[1]. 군에서 운용 중인 방공무기에는 질문기가 탑재되고 항공기에는 응답기와 질문기가 탑재되어 운용된다. 방공무기에서 교전 절차를 수행하기 전 항공기에 질문 신호를 송신하고 항공기 응답기가 송신한 응답신호를 처리하여 아군 여부를 확인한다. 방공무기의 질문에 응답이 없는 항공기의 경우 잠재적인 적기로 간주하여 체계를 운용한다.

Fig. 1.

The concept of Identification friend or foe

이때 방공무기가 운용되는 환경에 따라 응답 신호의 다중경로가 발생하고 이로 인해 실제 항공기 위치와 다른 위치에 항공기가 존재 하는 것처럼 식별되는 허상 표적이 발생할 수 있다. 또한 아군 응답은 있으나 정의된 기준을 만족하지 못하는 경우 불명 표적으로 처리되어 화면에 전시되거나 특정 시간 동안 전시되지 않을 수 있다. 이런 비정상 표적은 운용자에게 혼란을 일으킨다. 특히, 저고도 방공무기가 담당하는 영역에 산지, 아파트와 같은 건축물, 송전탑 등이 많고 이로 인한 허상 표적이나 불명 표적이 발생하기 쉽다. 저고도 방공무기의 레이더는 OO km까지 탐지 가능하며 최대 OO여개의 표적이 화면에 동시에 전시될 수 있으며 간헐적으로 발생하는 불명 표적과 표적 미전시 현상은 운용자에게 큰 혼란을 일으킬 수 있다.

방공무기는 효과적인 교전을 위해 표적을 식별하고 융합하는 기능이 필수적이다^[2,3]. 본 논문에서는 저고도 방공무기에서 안테나 회전에 따라 매 스캔마다 출력되는 피아식별 정보를 처리할 때 탐색중추적(TWS) 알고리듬을 적용하여 간헐적으로 발생하는 허상 표적이나 불명 표적을 제거하고 표적이 간헐적으로 전시되지 않는 문제를 해결하는 방법과 실 장비에 적용한 시험 결과를 기술한다.

저고도 방공무기의 피아식별

저고도 방공무기는 고도 OOkm 이하 적 항공기에 대한 대공 방어를 담당하며 레이다, 피아식별기 질문기, 광학추적기, 사격통제장치 및 대공포가 장착되어 있다. 초당 O회 회전하는 안테나를 통해 레이다의 탐지 빔과 피아식별 질문기의 질문 신호가 송신된다. 레이다에서 탐지한 이동표적과 질문기에서 처리된 피아식별 정보는 각각 처리되어 운용자 전시기 화면에 함께 전시된다. 이때 이동표적은 항공기에 충돌 후 되돌아 온 무선 신호의 세기에 따라 다수의 중첩된 점 형태로 전시되고 피아식별 정보는 심볼 형태로 화면에 전시된다. 회전형 안테나로 탐지된 이동표적과 피아식별 심볼은 매 스캔마다 화면에 갱신된다. Fig. 2는 레이다 이동표적과 피아식별 심볼이 함께 화면에 전시되는 화면이다. 적기의 경우 피아식별에 대한 응답이 없으므로 레이다로 탐지된 이동표적만 화면에 전시되고 아군기의 경우 이동표적 주변에 피아식별 심볼이 함께 전시된다. 그리고 이동표적 없이 피아식별 심볼만 화면에 전시되는 경우도 있다.

Fig. 2.

Display of radar target and IFF target

2.1 피아식별 허상 표적(IFF Ghost Target)

항공기에 장착된 피아식별 응답기는 전방향 안테나를 통해 응답 신호를 송신한다. 무선으로 송신된 응답 신호는 지상의 다양한 반사체에 반사되어 다중경로로 질문기에 수신될 수 있다. Fig. 3은 항공기의 응답 신호가 직접경로(①)와 다중경로(②)로 수신되는 상황이다. 응답기의 다중경로 응답 신호가 방공무기에서 피아식별 정보로 처리되고 화면에 전시되는 경우 표적의 실제 위치가 아닌 지점에 표적이 전시되는 허상 표적(Ghost Target)이 발생하고 전시된다.

Fig. 3.

A ghost target by reflector

다중경로의 응답 신호는 간헐적으로 질문기로 수신되어 피아식별 정보로 처리되고 피아식별 심볼로 화면에 전시되어 운용자 혼란을 일으킨다^[4]. 허상 표적은 실제 표적과 동시에 처리되어 화면에 함께 전시되거나 허상 표적만 전시되기도 한다. 허상 표적은 1∼3 스캔 내외로 짧은 시간 동안 전시되며 저고도 방공무기가 군에서 운용 시 다양한 주변 환경에 따라 Fig. 4와 같이 실제 표적의 위치(①)가 아닌 위치(②)에 산발적으로 허상 표적이 발생한다.

Fig. 4.

A ghost target in the display

2.2 피아식별 불명 표적 및 미탐지 표적

저고도 방공무기의 질문기는 수신된 모든 응답 신호를 표적으로 처리하지 않는다. 응답 신호의 횟수가 아군 기준을 넘는 경우에만 아군으로 처리되며 아군 기준에는 미치지 못하고 불명 기준을 넘는 신호는 불명 표적으로 처리되고 그 이외 응답 신호는 무시된다. 1 스캔 동안 응답 신호가 Fig. 5와 같은 경우 아군 표적 3개(③, ④, ⑤), 불명 표적 3개(①, ②, ⑥)가 표적으로 처리된다. 저고도 방공무기에서는 아군 표적의 경우 녹색 심볼로 전시하고 불명 표적인 경우 황색 심볼로 전시한다. 아군 항공기임에도 불명으로 처리되어 간헐적으로 황색 심볼로 전시되는 경우가 발생 할 수 있다.

Fig. 5.

Concept of reply signal process

질문기와 응답기 사이의 수하는 무선 통신 환경, 질문기 및 응답기 장비 상태에 많은 영향을 받는다. 이런 영향에 따라 아군 항공기의 응답 신호가 수신되었음에도 간헐적으로 불명 표적으로 처리되거나 표적으로 처리되지 않을 수 있다. Fig. 6과 같이 아군 표적이 한 스캔 동안 불명 표적으로 화면에 전시되거나 화면에 심볼이 전시되지 않을 수 있다.

Fig. 6.

Unknown target and missed target

피아식별 표적 안정화 방안 제안

3.1 피아식별 정보 탐색중추적(TWS)

피아식별 허상 표적, 불명 표적, 미탐지 현상을 제거하기 위해 본 논문에서는 Fig. 7과 같은 피아식별 정보 다중표적 탐색중추적(TWS; Track While Scan) 알고리듬을 제안한다. 표적에 대한 예측 및 측정오차 필터링은 고정된 센서 시스템에서 성능이 뛰어난 칼만(Kalman) 필터를 적용하였고^[5], 예측 위치의 표적과 탐지된 표적과의 할당(Assignment)를 위해서 최근접 이웃 할당(NNA; Nearest Neighbor Assignment) 알고리듬을 적용하였다.

Fig. 7.

IFF TWS algorithm

칼만 필터는 잡음이 포함된 측정치를 바탕으로 현재 상태를 추정하는 재귀 필터로 특정 물체의 위치, 속도 등을 측정하고 미래 위치를 추정하는 데 사용된다. 본 논문에서는 아래 식 (1), (2), (3)과 같이 시스템 모델을 적용하고 피아식별 레이다의 거리 오차, 방위각 오차, 항공기 최대 속도를 적용하였다.

(1)

Sk+1=[1T000100001T0001]Sk+[T220T00T220T]Uk

(2)

Sk=[XkX´kYkY´k]=[표적거리표적거리속도표적방위각표적방위각속도]

(3)

Uk=[U1(k)U2(k)]=[표적거리속도변화량표적방위각속도변화량]

최근접 이웃 할당은 새로운 표적이 기존 표적과 같은 표적인지 판단하는데 위치가 가장 근접한 표적으로 처리하기 위해 사용하였다.

먼저 질문기에서 처리된 피아식별 정보를 Table 1과 같이 세 가지 종류의 표적으로 정의한다.

Table 1.

IFF target classification

Category	Definition
Plot	임시 표적
PreTrack	확정 대기 중인 표적
Track	확정된 표적

새로운 피아식별 정보가 수신되면 Track 표적, PreTrack 표적, Plot 표적 순으로 동일 여부를 확인하고 표적 정보를 갱신한다. 이때 신규 피아식별 정보가 기존 표적과 같은 표적으로 판단되면 다른 표적 종류에 대한 동일 여부를 확인하지 않는다. 만약 마지막 표적인 Plot 표적에서 같은 표적으로 판단되는 정보가 없으면 새로운 Plot 표적으로 생성하고 관리한다. 상기 절차를 새로운 표적이 수신될 때마다 반복해서 수행하여 표적정보를 최신화한다.

3.2 허상 표적 제거

항공기 이동에 따라 발생하는 허상 표적은 1∼3 스캔 동안 제한된 시간 동안만 처리되고 화면에 전시된다. TWS 알고리듬으로 관리되는 표적정보에서 표적이 확정되기 전의 표적(Plot, PreTrack)은 화면에 전시하지 않는 방법으로 허상 표적을 화면에서 제거할 수 있다. Fig. 8과 같이 2, 3 스캔에서 한 스캔 동안만 표적이 처리되는 경우 해당 표적은 Plot 표적으로 처리되어 화면에 전시되지 않는다.

Fig. 8.

Removed ghost target

3.3 불명 표적 제거

Track 표적의 누적된 피아식별 결과를 통해 간헐적으로 발생하는 불명 표적의 황색 심볼이 전시되는 것을 방지할 수 있다. Track 표적의 현재 피아식별 결과와 다른 수하 결과가 연속 α회 이상 수신되는 경우에만 전시하는 심볼의 색상을 변경하여 α회 보다 적은 횟수로 수신되는 불명 표적을 화면에서 제거할 수 있다. Table 2는 α가 3인 경우 3, 5, 6 스캔에서 수신되는 불명 표적정보는 무시되어 화면에 전시되지 않는다.

Table 2.

Interrogation result display decision

Scan	Received Result	Display Result	Remark
1	F	F
2	F	F
3	U	F	Removed Unknown Result
4	F	F
5	U	F	Removed Unknown Result
6	U	F	Removed Unknown Result
7	F	F
8	F	F

*F: Friend, 아군 표적, U: Unknown, 불명 표적

3.4 미 탐지 표적 전시

TWS 알고리듬을 통해 관리되는 표적은 미래 위치정보를 예측하여 저장하고 있다. 미 탐지 표적의 경우 특정 스캔에 표적정보가 미수신되는 현상으로 표적이 저장하고 있는 예측 위치에 표적을 전시하여 미탐지로 인해 표적이 미전시 되는 현상을 제거할 수 있다. Table 3과 같이 3 스캔에서 표적이 미탐지 되는 경우 표적의 예측 위치에 표적 심볼을 전시하여 표적 심볼을 화면에 계속 전시한다.

Table 3.

Missed target display

Scan	Received Result	Display	Remark
1	O	O
2	O	O
3	X	O	Predicted position
4	O	O
5	O	O

시험 결과

4.1 실 항공기 시험 데이터

20OO년 OO월 OO일 ∼ OO일 간 저고도 방공무기 시스템(CPU: Intel Core, OS: Window)에 적용하여 실제 항공기를 대상으로 피아식별 표적 안정화 알고리듬의 적용 결과를 확인하였다.

Fig. 9와 같이 저고도 방공무기의 진북 기준 약 40도 방향에서 약 21 km에서 약 5 km까지 5분 동안 진입하는 항공기를 대상으로 수하를 실시하고 그 결과를 분석하였다. 저고도 방공무기에서 처리된 항공기의 피아식별 정보의 거리는 Fig. 10과 같으며 약 300여개의 마커는 탐지된 항공기의 거리를 의미한다. 또한 Fig. 11은 피아식별 정보의 방위각 정보를 마커로 표현하였다.

Fig. 9.

Airplane flight path

Fig. 10.

Airplane range in IFF result

Fig. 11.

Airplane azimuth in IFF result

항공기의 거리가 약 21 km에서 5 km까지 근접하는 것을 확인 할 수 있으며 거리에서 특이점은 없었으며 Fig. 10과 Fig. 11에 의하면 거리는 비슷하고 방위각이 다른 불명 표적이 4회 발생했음을 확인할 수 있으며 허상 표적을 유발한 구조물이 체계 근거리에 있음을 추정할 수 있다.

4.2 허상 표적 제거 확인

Fig 12의 방위각 정보에서 확인되는 바와 같이 약 130도 방향에서 허상 표적이 총 4회 발생했으나 해당 표적은 Plot, PreTrack 표적으로 처리되어 화면에 전시되지 않음을 확인하였다.

Fig. 12.

Ignored ghost target

4.3 불명 표적 제거 확인

5분 동안 처리된 피아식별 정보는 약 300여개이며 불명이나 아군으로 처리된 정보를 각각의 마커로 구분하면 Fig. 13과 같다. 불명 정보는 총 8회 수신되었고, 연속된 불명 정보는 최대 2회였다. 전시되는 표적의 피아식별 결과는 Fig. 14와 같이 불명으로 전시되는 표적이 없음을 확인하였다.

Fig. 13.

Received IFF result

Fig. 14.

Displayed IFF result

4.4 미 탐지 표적 전시 확인

본 논문의 알고리듬에 의해 표적이 전시될 때 실제 탐지된 표적의 위치에 전시되는지, 예측 위치에 전시되는지를 표적 정보에 기록하여 표적이 미 탐지된 횟수를 확인하였다. Fig. 15와 같이 약 300회의 수하 중 표적이 수신되지 않은 경우는 18회이며 탐지되지 않은 스캔은 표적의 예측 위치에 심볼이 전시됨을 확인하였다.

Fig. 15.

Target missed times

4.5 시험결과 종합

본 논문의 알고리듬 효과를 검증하기 위해 실제 군에서 운용중인 장비에 소프트웨어를 수정하고 실제 항공기를 대상으로 시험한 결과는 Table 4와 같다. 알고리듬을 적용하여 허상 표적과 불명 표적이 전시되지 않고 간헐적으로 표적이 미전시되는 현상이 발생하지 않음을 확인하였다.

Table 4.

Effect of algorithm

Category	Pre-Algorithm	Post-Algorithm
Ghost target display times	4	0
Unknown target display times	8	0
Missed display times	18	0

*시험결과는 시험환경, 장비상태에 따라 다를 수 있음

결 론

군에서 운용중인 저고도 방공무기는 피아식별 장비를 이용하여 공중 표적에 대해 아군 여부를 판별한다. 피아식별 응답기의 특성과 운용 환경으로 인해 발생하는 허상 표적, 불명 표적 및 표적이 전시되지 않는 현상은 운용성 향상을 위해 제거해야 한다. 본 논문에서는 다중표적 TWS 알고리듬으로 피아식별 정보를 표적으로 관리하여 비정상 표적을 제거하는 방법을 제안하였다. 표적의 위치를 예측하는데 칼만(Kalman) 필터를 적용하고, 기존 표적과 새로운 표적의 동일 여부는 최근접 이웃 할당 알고리듬을 사용하였다. 실 항공기를 이용한 시험을 통해 본 논문에서 제안한 알고리듬으로 허상 표적과 불명 표적이 제거되고 표적 정보가 미 수신되는 경우에도 화면에 표적이 전시됨을 확인하였다. 본 논문에서 제안한 알고리듬은 칼만 필터 같은 추적 알고리듬을 사용하여 표적을 추적하고 전시, 송신 등의 후처리 시 정보 품질을 안정화하는데 응용할 수 있을 것으로 판단된다. 특히, 다른 레이다 시스템에도 안정적으로 표적을 전시하는데 적용 가능하다.

본 논문에서 제안한 알고리듬은 현재 군에서 운용중인 저고도 방공무기에 최적화되었다. 따라서 방공무기의 레이다나 피아식별 질문기의 성능이 개선되면 알고리듬의 최적화가 필요하다. 최근 피아식별 장비 성능개량이 여러 체계에서 진행 중이며^[6∼7] 저고도 방공무기의 피아식별 성능개량 시에도 안정적인 수하결과 확인을 위해 다중표적 TWS 알고리듬의 최적화 되어야 한다.

최근 신호나 패턴의 특징을 추출하는데 딥러닝을 포함한 인공지능 알고리즘이 활용되고 있다^[8∼10]. 본 논문의 피아식별 표적 안정화 방법을 특정 패턴을 찾는 문제로 정의하면 인공지능의 적용이 가능할 것으로 판단되며 이에 관한 추가 연구가 필요하다.