저궤도 위성망에서 재밍 대응을 위한 다중위성 협력 기반 딥러닝 신호 복원 기법
Jamming Mitigation in LEO Satellite Networks : Deep Reinforcement Learning based Multisatellite Collaborative Signal Recovery
- 주제(키워드) LEO위성망 , 전자전 , 재밍 , 딥러닝 , 신호복원
- 주제(DDC) 355
- 발행기관 아주대학교 일반대학원
- 지도교수 김재현
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 석사
- 학과 및 전공 일반대학원 국방디지털융합학과
- 실제URI http://www.dcollection.net/handler/ajou/000000035551
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
현대전에서 전자전(EW, Electronic Warfare)의 중요성이 급격히 증대됨에 따라, 전자전에서 전자기 스펙트럼 공격(Electromagnetic Spectrum Attack)에 효과적으로 대응하는 능력은 전쟁의 승패를 좌우하는 핵심 요소가 되고 있다. 대표적인 전자기 스펙트럼 공격인 재밍(Jamming)은 전자전의 주요 수단으로서 군 지휘통신 체계의 가용성과 신뢰성을 직접적으로 위협한다. 저궤도(LEO) 위성망은 지상 네트워크가 파괴되거나 교란된 상황에서도 전구 전역을 포괄하는 광역 커버리지와 낮은 지연 시간을 제공하기 때문에, 차기 C4I(Command, Control, Communications, Computers, and Intelligence) 체계의 핵심 기반 인프라로 주목 받고 있다. 그러나 LEO 위성의 궤도가 예측 가능하고 상향(Uplink) 채널이 개방된 무선 자원을 사용한다는 특성으로 인해, 적대 세력이 수행하는 광대역 재밍 공격에 구조적으로 취약하다는 근본적인 한계가 존재한다. 본 논문은 이러한 전자기 스펙트럼 공격 환경에서 군 전술통신의 생존성을 확보하기 위하여, 다중위성 협력 구조와 딥러닝을 결합한 새로운 상향링크 신호 복원 기법을 제안한다. 제안 기법은 저궤도 위성망에서 다수의 위성이 동일 단말의 신호를 수신하는 구조를 가정하고, 각 위성에서 수신된 신호를 지상국에서 디코딩(Decoding)하는 과정에서 생성되는 로그 우도비(LLR, Log-Likelihood Ratio)를 입력으로 활용한다. 먼저, 단일 위성에서 얻어진 LLR 을 딥러닝 기반 LLR 정제(Refiner) 모듈을 통해 재밍에 의해 왜곡된 소프트 정보를 보정하고, 이후 다중위성에서 정제된 LLR 들을 LLR 융합(Fuser) 모듈에서 학습 기반으로 결합함으로써, 기존의 단순 선택 결합 또는 선형 가중합 방식보다 신뢰도 높은 LLR 을 생성한다. 최종적으로, 이와 같이 정제·융합된 LLR 을 통해 위상과 가중치를 추정하여, 강재밍 환경에서도 안정적인 신호 복원이 가능하도록 한다. 저궤도 위성망에서의 재밍 상황을 모델링한 모의실험 결과, 제안한 다중위성 협력 기반 딥러닝 신호 복원 기법은 기존 다중위성 협력 및 코드 보조 기법 대비 동일 재밍 전력 조건에서 비트 오류율(BER, Bit Error Rate)을 유의미하게 감소시키고 유효 데이터 처리율(Goodput)을 향상시키는 것으로 나타났다. 이는 제안 기법이 데이터의 무결성과 전송 효율성을 동시에 개선할 수 있음을 의미한다. 또한, 다중위성 협력 구조를 고려하여 활용하는 위성 개수에 따른 BER 및 Goodput 변화를 분석함으로써, 전자기 스펙트럼 공격 환경에서 위성 자원 운용 전략 수립에 참고 가능한 정량적 근거를 제시하였다. 이러한 결과를 통해, 본 논문에서 제안하는 기법이 차세대 전자전 환경에서 LEO 위성 기반 군 전술통신망의 생존성과 통신 보안성을 향상시키는 효과적인 기술적 대안이 될 수 있음을 확인하였다.
more목차
제 1장 서론 1
제 1 절 연구배경 및 동기 1
제 2 절 기여도 3
제 3 절 논문구성 4
제 2장 관련연구 6
제 1 절 전자기 스펙트럼 공격 6
1. 전자기 스펙트럼 공격 종류 6
2. 무선통신 시스템에서 재밍 관련 연구 7
제 2 절 저궤도 위성망 재밍 관련 연구 8
1. 저궤도 위성망 8
2. 저궤도 위성망에서 전자기 스펙트럼 공격 관련 연구 10
제 3 절 딥러닝 기반 신호 복원 13
1. 딥러닝 기반 신호 복원 관련 연구 13
제 4 절 선행 연구 16
1. 항공기 스케쥴 기반 핸드오버 기법 16
2. 선행 연구 모의실험 17
제 3장 제안기법 20
제 1 절 LEO 위성망 재밍 시나리오 20
1. 위협 시나리오 20
제 2 절 시스템 모델 21
1. 통신시스템 모델링 21
2. 채널 모델링 22
제 3 절 다중위성 코드보조 신호추정 기법 23
1. 다중 위성 기반 신호추정 기법 23
2. 결합 SJNR 최대화 25
3. 코드 보조 파라미터 추정 절차 28
제 4 절 딥러닝 기반 신호 추정 기법 31
1. 전체 프로세스 31
2. LLR Refiner 모델링 33
3. LLR Fuser 모델링 37
제 4장 성능검증 40
제 1 절 모의실험 환경 40
제 2 절 신호 복원 능력 분석 42
제 3 절 데이터 처리율 분석 49
제 4 절 다중위성 특성 분석 53
제 5장 결론 56
참고문헌 57
Abstract 59
