레이더의 점은 어떻게 이동 경로가 될까? 표적 추적의 원리

항구를 지나는 배 한 척이 레이더 화면에 나타났다. 잠시 뒤 화면이 갱신되자 점은 조금 다른 자리에 찍혔다. 사람은 두 점을 보고 같은 배가 움직였다고 받아들이기 쉽다. 컴퓨터에는 그 연결도 계산해야 할 문제다. 새 점이 앞서 보았던 배인지, 다른 배인지, 잠깐 생긴 불필요한 반사인지부터 가려야 한다.

앞선 글에서는 서로 다른 기록이 같은 대상을 가리키는지 확인하는 방법을 살펴보았다. 제조 일련번호처럼 오래 유지되는 단서가 있으면 비교가 수월하다. 이동하는 대상은 위치가 계속 바뀌고 관측도 흔들린다. 이번에는 대상의 연결에 시간의 흐름을 더해, 흩어진 관측이 어떻게 하나의 이동 경로가 되는지 살펴본다.

아래의 거리·시간·좌표는 원리를 설명하기 위한 가상 값이다. 특정 레이더의 성능이나 군 체계의 실제 추적 절차를 나타내지 않는다.

한줄 요약
표적 추적은 새 관측점을 기존 대상에 연결하면서 위치와 움직임의 추정을 갱신하는 과정이다. 화면에 이어진 경로에는 관측뿐 아니라 예측도 들어 있으므로, 마지막 관측 시각과 불확실성을 함께 읽어야 한다.

레이더가 관측한 점과 컴퓨터가 관리하는 항적은 다르다

레이더는 전파의 반사를 이용해 대상의 거리와 방향 등을 측정한다. 센서와 처리 방식에 따라 얻을 수 있는 정보는 달라진다. 여기서는 복잡한 신호 처리를 거쳐 어떤 시각에 어느 위치에서 대상이 탐지되었다는 관측 기록이 만들어졌다고 가정한다.

이 관측 하나는 그 순간 얻은 측정값이다. 항적(track)은 관측을 시간에 따라 연결해 관리하는 대상의 추적 정보다. 위치뿐 아니라 속도와 진행 방향의 추정, 마지막 갱신 시각, 추정의 불확실성 등이 함께 들어갈 수 있다. 화면에 그려진 선은 그 정보의 일부를 눈에 보이게 표현한 것이다.

점 하나를 발견했다고 배의 이름이나 목적까지 알게 되는 것은 아니다. 추적용 번호도 실제 선박의 영구 식별번호와 다르다. 번호가 유지된다는 것은 추적기가 같은 대상이라고 판단하며 정보를 이어 가고 있다는 뜻이지, 그 대상의 신원이 확인되었다는 뜻은 아니다.

지난 위치보다 다음에 있을 위치를 먼저 계산한다

배가 동쪽으로 이동 중이라면 새 관측은 지난 위치보다 동쪽에서 나타날 가능성이 높다. 지난 점과 가까운 새 점만 찾는 것보다, 이동을 고려한 예상 위치와 비교하는 편이 자연스럽다. 추적기는 이전에 추정한 위치와 속도, 경과 시간을 이용해 다음 상태를 예측한다.

한 방향으로 움직이는 가상의 배를 생각해 보자. 기준점에서 동쪽 1,000m에 있고, 동쪽으로 초당 10m씩 움직인다고 추정했다면 10초 뒤 예상 위치는 1,100m가 된다. 이때 들어온 관측이 1,120m라면 예상과 20m 차이가 난다. 그 차이를 보고 곧바로 다른 배라고 판단하거나, 속도가 반드시 바뀌었다고 단정할 수는 없다.

위치 측정에는 오차가 있고, 이전 속도 추정도 완전하지 않다. 배가 실제로 속도를 조금 바꾸었을 수도 있다. 추적기는 움직임을 설명하는 모델의 오차와 센서 측정의 오차를 함께 고려한다. 불확실성은 ‘모른다’는 말을 덧붙이는 장식이 아니라, 관측을 얼마나 받아들일지 결정하는 계산의 일부다.

구분	가상 값	값이 뜻하는 것
이전 추정 위치	동쪽 1,000m	이전 관측까지 반영한 위치 추정
속도 추정	동쪽 10m/s	일정한 속도로 움직인다는 모델의 입력
10초 뒤 예측 위치	동쪽 1,100m	1,000 + 10 × 10으로 계산한 예상
새 관측 위치	동쪽 1,120m	센서가 새로 측정한 값, 예측과 20m 차이

새 측정값을 그대로 덮어쓰지 않는 이유

매번 최신 관측값으로 위치를 교체하면 센서 오차까지 대상의 움직임으로 받아들이기 쉽다. 반대로 예측만 고집하면 실제로 방향을 바꾼 배를 따라가지 못한다. 추적 필터는 새 관측과 기존 예측 사이에서 추정을 갱신한다. 칼만 필터는 이런 예측과 보정을 반복하는 대표적인 방법이다.

계산의 느낌만 보이기 위해 앞선 예측 1,100m와 관측 1,120m를 절반씩 반영하면 보정 위치는 1,110m가 된다. 실제 칼만 필터가 언제나 두 값의 평균을 쓰는 것은 아니다. 어느 쪽의 불확실성이 큰지에 따라 반영 비중이 달라지고, 위치뿐 아니라 속도 추정과 오차에 관한 정보도 함께 갱신한다.

이 과정은 관측점을 보기 좋게 다듬는 기능으로만 이해하면 부족하다. 지금 보이는 위치를 추정하고 다음 관측을 연결할 기준도 만드는 작업이다. 이전 단계의 잘못된 연결이 필터에 들어가면, 계산이 매끄럽게 이루어져도 엉뚱한 대상의 움직임을 따라갈 수 있다.

고전적인 칼만 필터의 설명에는 선형 모델과 가우시안 잡음이라는 조건이 따른다. 레이더가 측정하는 거리·방향과 지도 위의 위치 관계는 비선형일 수 있고, 대상도 일정한 속도로만 움직이지 않는다. 그래서 실제 추적에서는 측정 방식과 운동 특성에 맞는 필터를 선택한다. 이 글의 단순한 산술 예시는 그 선택을 대신하는 공식이 아니다.

두 배가 교차하면 가까운 점이 다른 배일 수 있다

앞선 예시는 배 한 척만 있었다. 두 척이 접근했다가 서로 지나가면 연결이 어려워진다. 새 관측 두 개 가운데 무엇이 항적 A에 속하고 무엇이 항적 B에 속하는지 판단해야 한다. 관측을 기존 항적에 대응시키는 이 과정을 데이터 연관(data association)이라고 부른다.

가상의 좌표에서 A는 오른쪽으로, B는 위쪽으로 이동 중이라고 하자. A의 지난 위치와 가장 가까운 새 점이 B의 점일 수 있다. A의 예상 위치와 진행 방향을 고려하면 다른 점이 더 자연스러운 후보가 된다. 물론 대상이 급격히 방향을 바꿀 수도 있으므로 방향 하나만으로 확정할 수는 없다.

먼저 예측과 너무 맞지 않는 관측을 후보에서 제외하는 방법을 게이팅(gating)이라고 한다. 이때 후보 범위는 고정된 거리 원으로만 정하는 것이 아니라 추정과 측정의 불확실성을 고려할 수 있다. 후보 안에 들어왔다는 것은 비교할 가치가 있다는 뜻이지, 같은 대상임이 입증되었다는 뜻은 아니다.

여러 항적과 관측이 있으면 하나씩 가장 좋아 보이는 짝을 고르는 판단이 전체적으로는 나쁠 수 있다. A가 먼저 선택한 관측 때문에 B에 매우 부자연스러운 관측만 남을 수 있기 때문이다. 전체 조합을 비교하는 방식이나 여러 연결 가능성을 확률적으로 다루는 방식이 쓰이는 이유다. Stone Soup의 다중 표적 예제도 개별 최근접 선택과 전체 연결 평가의 차이를 보여준다.

점이 잠깐 사라져도 배가 사라진 것은 아니다

대상이 탐지되지 않는 순간도 있다. 센서 관측 조건이 달라지거나 일부 보고가 누락될 수 있다. 한 번 놓쳤다고 항적을 바로 지우면 같은 배가 새 번호로 다시 나타나 경로가 끊어질 수 있다. 그렇다고 관측 없이 영원히 유지하면 이미 떠난 대상의 흔적이 상황도에 남는다.

관측이 끊긴 동안 추적기는 운동 모델로 위치를 예측할 수 있다. 다만 그 예측을 새로 측정한 위치와 같은 의미로 표시해서는 곤란하다. 일정 속도 모델이라면 배가 그대로 움직인다는 가정 아래 위치가 이어지는 것이다. 보이지 않는 동안 회전하거나 속도를 바꾸면 실제 경로와 멀어진다.

이런 모델에서는 새 관측으로 보정하지 못하는 시간이 길어질수록 위치의 불확실성이 커지는 경우가 일반적이다. 나중에 점이 다시 나타나도 넓어진 후보 범위 안에 여러 대상이 들어올 수 있다. 관측 누락은 단지 화면의 빈칸이 아니라, 다시 연결할 때의 판단을 더 어렵게 만드는 조건이다.

추적기는 새 관측에서 임시 항적을 만들고, 충분한 근거가 쌓이면 확정하며, 관측 누락이나 낮아진 점수에 따라 종료하는 관리 규칙을 둔다. MathWorks 공식 문서에는 최근 여러 갱신 중 일정 횟수 이상 탐지되면 확정하는 예시가 나온다. 그 수치는 설명용 설정이며 모든 레이더에 적용되는 공통 기준은 아니다.

상황도에는 위치와 함께 정보의 나이도 보여야 한다

정보체계를 보는 입장에서는 같은 점 모양으로 표시된 정보가 같은 품질을 갖는지부터 확인할 필요가 있다. 방금 관측한 위치와 수십 초 동안 예측만 이어 온 위치는 다르다. 대상 번호와 좌표만 전달하면 그 차이가 사라질 수 있다.

예를 들어 화면의 표시가 움직이는데 마지막 실제 관측은 오래전이라면, 운용자가 그 움직임을 실시간 확인으로 받아들일 가능성이 있다. 관측 시각, 추정 기준 시각, 연결 상태와 품질 정보가 함께 전달되면 같은 화면을 훨씬 신중하게 읽을 수 있다. 어떤 항목을 실제로 표시할지는 체계 목적에 맞춰 정해야 한다.

짧은 생각
지휘통제와 정보통신의 관점에서는 점이 부드럽게 움직이는 화면보다 그 점의 근거를 확인할 수 있는 화면이 더 믿을 만하다. 관측과 예측의 차이가 전달 과정에서 사라지면, 원래 센서가 갖고 있던 한계도 함께 숨겨진다. 항적을 공유한다는 일에는 좌표를 보내는 것과 함께 판단의 조건을 보내는 일이 포함되어야 한다.

이번 글은 한 추적기가 관측을 이어 가는 원리에 초점을 맞췄다. 센서가 여러 개가 되면 각 센서의 위치 기준, 시각, 오차 특성이 서로 다르다는 문제가 더해진다. 다음에는 서로 다른 센서가 만든 관측과 항적을 함께 사용할 때 왜 공통 좌표와 시간 기준부터 맞춰야 하는지 이어서 다룰 수 있다.

함께 읽으면 좋은 글

움직임을 연결하기 전에 서로 다른 기록이 같은 대상을 가리키는지 판단하는 원리를 앞선 글에서 살펴볼 수 있다.

번호가 달라도 같은 대상일까? 여러 기록을 하나의 실체로 연결하는 방법

 

참고자료

• MathWorks — Introduction to Estimation Filters: 상태 추정, 운동·측정 모델, 예측과 보정 및 필터의 적용 조건을 참고했다.
• MathWorks — Multiple Object Tracking: 관측과 추적의 구분, 데이터 연관과 게이팅의 기본 설명을 참고했다. 영상 추적 설명 중 여러 센서에 공통으로 적용되는 원리를 활용했다.
• Stone Soup — Data association: multi-target tracking tutorial: 교차하는 대상의 연결 문제와 개별 최근접 선택·전체 조합 평가의 차이를 참고했다.
• Stone Soup — An introduction using the Kalman filter: 위치·속도·시각을 갖는 상태, 일정 속도 모델과 관측값을 이용한 갱신의 설명을 참고했다.
• MathWorks — Introduction to Track Logic: 탐지 이력과 점수에 따른 항적 확정·종료의 개념을 참고했다.