MFCC와 CNN을 이용한 저고도 초소형 무인기 탐지 및 분류에 대한 연구

• Published in: 한국정보통신학회논문지 Vol. 24; no. 3; pp. 364 - 370
• Main Authors: 신경식(Kyeongsik Shin), 유신우(Sinwoo Yoo), 오혁준(Hyukjun Oh)
• Format: Journal Article
• Language: Korean
• Published: 한국정보통신학회 2020
• Subjects: 전자/정보통신공학; CNN; 초소형 무인기 탐지; drone detection; 초소형 무인기 분류; 물체 분류를 위한 딥러닝; classification for micro-drone; MFCC; Deep learning for objection classification
• ISSN: 2234-4772; 2288-4165
• DOI: 10.6109/jkiice.2020.24.3.364

This paper is related to detection and classification for micro-sized aircraft that flies at low-altitude. The deep-learning based method using sounds coming from the micro-sized aircraft is proposed to detect and identify them efficiently. We use MFCC as sound features and CNN as a detector and classifier. We've proved that each micro-drones have their own distinguishable MFCC feature and confirmed that we can apply CNN as a detector and classifier even though drone sound has time-related sequence. Typically many papers deal with RNN for time-related features, but we prove that if the number of frame in the MFCC features are enough to contain the time-related information, we can classify those features with CNN. With this approach, we've achieved high detection and classification ratio with low-computation power at the same time using the data set which consists of four different drone sounds. So, this paper presents the simple and effecive method of detection and classification method for micro-sized aircraft. 본 논문은 저고도로 비행하는 초소형 무인기에 대한 탐지 및 분류에 대한 기술로써, 단순히 초소형 무인기를 탐지만 하는 것이 아니라 탐지된 무인기의 종류 및 모델까지 인식하는 심화학습 기반 탐지 및 분류 기법을 제안한다. 무인기의 소리 특성으로 MFCC를 사용하였고 탐지 및 분류를 위해 CNN를 사용하였다. 무인기들은 각각 CNN을 통해 구분할 수 있는 MFCC 특성을 가짐을 입증하였고, 또한 총 4가지의 무인기에 대한 dataset을 대상으로 분류를 한 결과 time-related sequence를 가지는 MFCC라 하더라도 RNN 대신 CNN를 사용하면 탐지 및 분류 능력을 갖추면서도 연산량을 줄일 수 있음을 검증하였다. 따라서 본 논문은 간단하면서도 효과적인 초소형 무인기 탐지 및 분류 방법을 제시한다.