Blind Estimation of Waveforms and Channel States in Non-Cooperative Wireless Communication Systems

Abstract

현대 전장에서 무인 항공기, 무인 지상 차량 또는 로봇 등의 무인 자율 시스템의 중요성은 전쟁의 주요 수행 주체로서 인간을 대체할 것으로 예상되고 있기 때문에 빠른 속도로 커지고 있다. 무인 자율 시스템의 사용 예는 정찰, 감시 및 통신과 같은 전통적 임무부터 전투 임무에서의 능동적인 역할까지 확대되고 있다. 상기 사용 예 중에서 감시 임무는 임무 수행에 필수적인 정보를 수집하는 데 중요한 역할을 수행하는 신호 정보(SIGINT) 및 환경 모니터링을 포함하는 것으로 간주된다. 주로 UAS는 임무의 성격 때문에 비협조적인 상황에서 임무를 수행한다. 본 논문에서는 비협조적 환경에서 감시 임무에 적합한 간단하고 효과적인 블라인드 추정 알고리즘을 제안한다. 제시된 알고리즘 중 라인 코딩 파형에 대한 블라인드 분류를 위한 알고리즘은 SIGINT에서의 활용이 가능하다. 우리는 특징 기반 및 순차 분류 방식인 알고리즘을 제안한다. 이는 라인 코딩 파형의 고유의 특징을 이용하며, 또한 여러 라인 코딩 파형을 순차적으로 식별한다. 다음으로 제안 알고리즘 내 핵심 기능에 대한 분류 성공 확률 식을 도출한다. 마지막으로 컴퓨터 시뮬레이션을 통해 잡음 및 비잡음 환경 모두에서 분류 성능을 검증한다. 채널 상태에 대한 블라인드 추정을 위한 알고리즘은 환경 감시 임무에 대한 적용이 가능하다. 비협조적 환경에서 그 역할 수행을 위해 실제 필드 측정 데이터의 수신 신호 강도 값을 사용하도록 설계되어 있다. 첫째, 채널 가용성에 있어서, 사전 처리된 L 대역 전파 측정 데이터에서 송수신 실패 영역을 정의하여 채널 가용성을 제시하는 통신 성공 확률을 수식화 한다. 무선 통신 시스템의 성능에 대한 채널 가용성의 영향을 분석할 수 있도록, 구한 채널 가용성 결과를 구현된 Link 16 시뮬레이터에 채용한다. 둘째, 간섭 환경에 관해서는 장치 주위의 간섭 환경을 표현할 수 있는 L 대역 전파 측정 데이터의 확률 분포의 PDF를 추정한다. 측정 데이터 확률 분포의 PDF를 후보 그룹의 이론적 확률 분포 군의 PDF와 비교하여 가장 유사한 확률 분포 및 PDF를 확인한다. 제안된 알고리즘은 간단하고 효율적이므로, 비협조적 환경에서 UAS의 감시 임무를 위한 자율 임무 능력의 향상이 가능하다. 블라인드 분류 알고리즘은 잡음 및 비잡음 환경에서 비협조적으로 획득한 50개 입력 파형으로 동작하며, 채널 상태 블라인드 추정 알고리즘은 비협조적으로 수집한 전파 측정 데이터를 기반으로 동작한다. 따라서 모든 알고리즘은 비협조적 환경 임무 능력을 위하여 설계되어 있다. 또한, 우리가 확인한 바에 의하면, 라인 코딩 블라인드 분류 및 채널 가용성 추정 등 제안된 방법들은 기존에 보고된 바가 없었다. 제안된 알고리즘은 UAS의 감시 임무 능력 증진에 중요한 역할이 기대된다. 이는 더 간단하고 효율적인 방식의 임무 수행을 가능하게 할 것이다.; In modern battlespace, the importance of unmanned autonomous systems (UASs), such as unmanned aerial vehicle, unmanned ground vehicle, and robots, is growing rapidly because they are expected to replace human beings as the main agent of warfare. Use cases of UASs are getting wider from traditional reconnaissance, surveillance and communication missions, towards more active parts in combat missions. Among the use cases, surveillance missions are considered to include signals intelligence (SIGINT) and environmental monitoring, which play important roles in securing mission critical intelligence. Very often, an UAS operates in a non-cooperative context because of the nature of the missions. In this dissertation, we propose simple and effective blind estimation algorithms suitable for surveillance missions in a non-cooperative environment. Among the algorithms, a blind classification algorithm for line-coding waveforms is intended for use in SIGINT. We propose a feature-based and sequential-classification algorithm that uses characteristic features and identifies multiple waveforms sequentially. Then, we derive theoretical equations for the correct classification probability of the proposed algorithm’s core function. Finally we validate the classification performance in both noiseless and noisy environments through computer simulations. The blind estimation algorithms about channel states are intended for the application in environmental monitoring missions, and are designed to use the received signal strength values so that they can be applied in a non-cooperative environment. First, we formulate the channel availability in terms of the probability of successful communication. To analyze the influence of channel availability, the results are adopted by the implemented Link 16 simulator. Second, with regard to the interference environment, we estimate the probability density function (PDF) of the distribution of actual field measurement data in the L-band, which denotes the interference environment surrounding a device. By comparing the probability distribution of the measurement data with the PDFs of theoretical distributions in a candidate group, the closest probability distribution, which explains interference environment, is identified. As the proposed algorithms are simple and efficient, they enable UAS to enhance autonomous mission capability for surveillance missions in a non-cooperative environment. The blind-classification algorithm works with non-cooperative acquisition of only 50 input waveforms in both noisy and noiseless environments, and the blind estimation algorithms for channel states are based on field measurement data collected non-cooperatively. Furthermore, to the best of our knowledge, the proposed approaches, such as the blind classification of line-coding waveforms and estimation of channel availability, have not been reported previously. We expect these algorithms to play important roles in facilitating the UAS’s mission capability for surveillance. It will allow the missions to be performed in a simpler and more effective manner.