고속 군집 자폭 USV 대응을 위한 최적화된 다중 센서 융합 칼만 필터 기반 탐지 및 추적 기법

한, 민석¹ ; 황, 재룡²^{, *}

1해군사관학교 전자제어공학과 부교수
2해군 중령/해군사관학교 사이버과학과 교수

Optimized Multi-Sensor Fusion Kalman Filter-Based Detection and Tracking Method for Countering High-Speed Suicide USV Swarms

Min-Seok Han¹ ; Jaeryong Hwang²^{, *}

1Associate professor, Dept. of Electronics and Control Engineering, Republic of Korea Naval Academy
2LCR, ROK Navy/Professor, Dept. of Cyber Science, Republic of Korea Naval Academy

Correspondence to: ^*Jaeryong Hwang 1 Jungwon-ro, Jinhae-gu, Changwon-si, Gyungsangnam-do, 51704, Republic of Korea Tel: +82-55-907-5350 E-mail: jhwang@navy.ac.kr

초록

최근 고속·군집 기동 자폭 USV(무인수상정)는 해상 방어 시스템에 심각한 비대칭 위협이다. 본 연구는 이러한 위협에 효과적으로 대응하기 위해, 다중 센서 융합(MSF)과 칼만 필터(KF)를 결합한 최적화된 탐지 및 추적 기법을 제안한다. 제안하는 기법은 L-BFGS-B 알고리즘을 활용하여 RMSE(평균 제곱근 오차)를 최소화하는 과정/측정 노이즈(Q, R) 공분산 파라미터를 최적화한다. 또한, 칼만 필터로 추정된 표적의 속도가 정의된 임계값(예: 8 m/s)을 일정 비율(예: 80%) 이상 초과 시 고속 위협으로 식별하는 탐지 로직을 포함한다. 10대 이상의 USV 군집 기동 시뮬레이션 결과, 제안하는 시스템은 95%의 높은 평균 탐지율과 0.5 m 수준의 낮은 추적 RMSE를 달성하였다. 이는 30 FPS의 처리 속도와 함께, 실시간 해상 방어 작전에 효과적으로 적용 가능함을 시사한다.

Abstract

High-speed unmanned surface vehicle (USV) swarms, employed as suicide threats, pose a significant asymmetric challenge to modern maritime defence systems. This paper proposes an optimized detection and tracking method combining multi-sensor fusion (MSF) with a Kalman filter (KF) to effectively counter these threats. The proposed technique utilizes the L-BFGS-B algorithm to optimize the process and measurement noise covariance (Q and R) parameters, minimizing the root mean square error (RMSE) for tracking. Furthermore, it incorporates a threat detection logic that identifies a target as a high-speed threat if its KF-estimated velocity exceeds a predefined threshold (e.g., 8 m/s) for a significant duration (e.g., over 80% of the time). Simulation results, involving a swarm of 10 USVs, demonstrate that the proposed system achieves a high average detection rate of 95% and low tracking RMSE of 0.5 m. Combined with a processing speed of 30 FPS, these results indicate the effective applicability of the method for real-time maritime defence operations.

Keywords:

USV Swarms, Kalman Filter, Multi-Sensor Fusion (MSF), Target Detection and Tracking, Parameter Optimization

키워드:

군집 무인수상정, 칼만 필터, 다중 센서 융합, 표적 탐지 및 추적, 파라미터 최적화

Acknowledgments

이 논문은 2025년도 해군사관학교 해양연구소 지원을 받아 수행된 논문임.

References

Yang Wang, Chenxi Xie, Yinfeng Liu, Jialin Zhu, & Jixing Qin, ‘A Multi-Sensor Fusion Underwater Localization Method Based on Unscented Kalman Filter on Manifolds,’ Sensors, VOL. 24, NO. 19, 2024, Article 6299. [https://doi.org/10.3390/s24196299]
Wenwen Liu, ‘Robust Multi-Sensor Data Fusion for Practical Unmanned Surface Vehicles (USVs) Navigation,’ Ph.D. dissertation, University College London, London, UK, 2020.
Lei Zhang, Xiang Du, Renran Zhang, & Jian Zhang, ‘A Lightweight Detection Algorithm for Unmanned Surface Vehicles Based on Multi-Scale Feature Fusion,’ Journal of Marine Science and Engineering, VOL. 11, NO. 7, 2023, Article 1392. [https://doi.org/10.3390/jmse11071392]
Xianzhen Xu, Zhiyu Yuan, & Yanping Wang, ‘Multi-Target Tracking and Detection Based on Hybrid Filter Algorithm,’ IEEE Access, VOL. 8, 2020, pp. 209528-209536. [https://doi.org/10.1109/ACCESS.2020.3024928]
Chinyang H. Tseng & Jiunn-Yih Wu, ‘SHAKF-PU: Sage–Husa Adaptive Kalman Filtering-Based Pedestrian Characteristic Parameter Update Mechanism for Enhancing Step Length Estimation in Pedestrian Dead Reckoning,’ Applied Bionics and Biomechanics, 2024, Article 1150076. [https://doi.org/10.1155/2024/1150076]