분산형 MIMO 레이더의 압축 샘플링 기반 DOA 추정

본 논문은 소규모 무선 네트워크에 속한 다수의 송신·수신 노드가 협력하여 하나의 분산형 MIMO 레이더 시스템을 구성하는 시나리오를 전제로 한다. 전통적인 MIMO 레이더는 다수의 송신 안테나가 서로 다른 파형을 방출하고, 수신 안테나가 전파를 수신해 가상 어레이를 형성함으로써 높은 각도 해상도와 목표 탐지 능력을 제공한다. 그러나 분산 환경에서는 각 수신 노드가 획득한 원시 데이터 전체를 중앙 융합 센터로 전송해야 하는데, 이는 대역폭 제한, 전력 소모, 지연 등을 초래한다. 이를 해결하기 위해 저자들은 압축 샘플링(Compressive Sampling, CS) 이론을 도입한다. CS는 신호가 특정 도메인에서 희소(sparse)할 경우, Nyquist 샘플링보다 훨씬 적은 샘플만으로도 원본 신호를 정확히 복원할 수 있다는 원리를 기반으로 한다. 레이더 시스템에서 목표들의 방위각은 일반적으로 넓은 각도 구간에 비해 소수의 목표만 존재하므로, 각도 공간에서의 신호는 희소 벡터로 모델링될 수 있다. 논문은 먼저 송신 파형 설계에 대해 두 가지 옵션을 제시한다. 첫 번째는 전통적인 비상관 파형을 사용해 각 송신 안테나가 독립적인 스펙트럼을 방출함으로써 전송 매트릭스가 완전한 랭크를 갖게 하는 방법이다. 두 번째는 상관 파형을 설계해 특정 빔패턴을 사전에 정의하고, 목표가 예상되는 영역에 에너지를 집중시키는 방법이다. 파형 선택은 수신 측에서 얻는 관측 행렬 ΦA의 구조와 복원 알고리즘의 수렴 속도에 직접적인 영향을 미친다. 수신 노드에서는 전통적인 샘플링 대신, 무작위 서브샘플링 행렬 Φ를 적용해 M개의 압축 측정값 y=ΦAx+e를 획득한다. 여기서 A는 송신 파형과 배열 응답을 결합한 사전 행렬, x는 각도 공간에서의 희소 계수 벡터, e는 잡음이다. 저자들은 OMP(Orthogonal Matching Pursuit), CoSaMP, 그리고 ℓ1-규제 최소화와 같은 대표적인 CS 복원 알고리즘을 적용해 x를 복원한다. 이 과정에서 목표 수 K가 희소성 수준을 결정하고, 샘플 수 M은 일반적으로 M≥C·K·log(N/K) (C는 상수, N은 각도 그리드 크기) 조건을 만족하면 정확한 복원이 가능함을 보인다. 복원된 희소 계수와 해당 인덱스(각도)는 각 수신 노드에서 압축된 형태로 융합 센터에 전송된다. 융합 센터는 다중 노드의 결과를 통합해 다중 스냅샷 및 다중 경로 정보를 활용한다. 이를 통해 목표 검출 확률(Pd)과 거짓 경보 확률(Pfa)을 개선하고, 기존의 MUSIC, ESPRIT 등 고전적인 DOA 추정 방법에 비해 동일 샘플 수에서 약 3~5 dB 높은 SNR에서 정확한 각도 추정이 가능함을 실험적으로 입증한다. 또한, 샘플 수를 전체 Nyquist 샘플의 1/4 수준으로 감소시켜도 해상도 저하가 미미함을 확인한다. 논문은 또한 실용적인 고려사항을 논의한다. 첫째, 압축 행렬 Φ가 완전한 랜덤 행렬일 경우 구현 복잡도가 높아질 수 있으므로, 부분 푸리에 행렬이나 구조화된 서브샘플링 방식을 제안한다. 둘째, 잡음 및 클러터가 강한 환경에서는 희소성 가정이 약해져 복원 오류가 증가할 수 있음을 지적하고, 이를 보완하기 위한 가중 ℓ1 최소화와 베이지안 CS 기법을 향후 연구 과제로 제시한다. 셋째, 분산 노드 간 동기화와 위상 보정 문제를 해결하기 위한 보정 프로토콜이 필요함을 강조한다. 결론적으로, 이 연구는 MIMO 레이더의 고해상도 각도 탐지 능력을 유지하면서, 분산 네트워크에서 발생하는 데이터 전송 부담을 압축 샘플링을 통해 크게 경감시키는 새로운 프레임워크를 제시한다. 이는 차세대 무인 항공기, 자율 주행 차량, 그리고 사물인터넷 기반 감시 시스템 등에서 실시간 고성능 레이더 구현에 중요한 기여를 할 것으로 기대된다.