압축 측정으로 한 번에 찾는 신호 이동량

본 논문은 두 1‑차원 신호 x 와 y 가 순환 이동 Dₗ 에 의해 연결된 상황에서, 전체 신호를 복원하지 않고 압축된 측정값만으로 정확한 이동 l 을 찾아내는 새로운 프레임워크인 “Compressed Shift Retrieval”(CSR)를 제안한다. 전통적인 방법은 두 신호의 교차상관을 전 구간에 대해 계산해 arg max ⟨y, Dₛ x⟩ 을 찾는 것이지만, 이는 O(n²) 연산과 전체 샘플링이 필요하다. CSR은 압축 센싱 원리를 차용해 m ( m ≪ n ) 개의 선형 측정값 z = Ay, v = Ax 만을 이용한다. 핵심 이론은 센싱 행렬 A 와 순환 이동 연산자 Dₛ 가 서로 교환한다면, 압축된 측정에 대해 A* z = Dₛ A* v 가 성립한다는 점이다. 이를 이용해 s 에 대한 테스트 A* z = Dₛ A* v (또는 최소화 ‖A* z − Dₛ A* v‖₂²) 를 수행하면, 올바른 s 가 선택될 때만 식이 만족한다. 그러나 교환성, 정규화, 열 구별성이라는 세 가지 조건이 필요하다. 첫 번째 조건 A* ADₛ = Dₛ A* A 는 모든 s 에 대해 성립해야 하며, 이는 부분 푸리에 행렬을 사용하면 자동으로 만족한다. 두 번째 조건은 α AA* = I 인 실수 α 가 존재해야 하는데, 이는 행렬 A 가 정규화된 부분 유니터리 행렬임을 의미한다. 세 번째 조건은 AX 의 열이 서로 다르다는 것으로, 이는 선택한 푸리에 계수 X_{kₚ} 가 0이 아니고 kₚ/n 이 정수 배가 아닌 경우에 충족된다. 특히, 부분 푸리에 행렬 A 를 사용하면 m = 1 (즉, 하나의 푸리에 계수만)으로도 이동을 완벽히 복원할 수 있다. 이때 필요한 조건은 선택한 푸리에 인덱스 k₁ 이 1,…,n‑1 의 배수가 아니고 해당 계수가 0이 아니어야 한다는 점이다. 따라서 첫 번째 푸리에 계수( k₁ = 1 )만을 측정하면 충분하다. 연산 복잡도는 2 m n 곱셈으로, 전체 신호에 대한 교차상관 n² 곱셈에 비해 크게 감소한다. 노이즈가 존재하는 경우, 논문은 두 가지 주요 결과를 제시한다. Theorem 5는 열 간 ℓ₂ 거리와 노이즈 에너지 ‖e_z‖₂, ‖e_v‖₂ 의 관계를 통해 “노이즈가 추정에 영향을 주지 않는다”는 충분조건을 제시한다. Corollary 6은 추가로 2‖e_v‖₂ 보다 큰 열 간 거리를 요구함으로써 실제 이동까지 정확히 복원되는 조건을 제공한다. Corollary 7은 이미 추정된 이동 s* 에 대해, 해당 열과 다른 열 사이의 거리와 노이즈 한계가 만족되면 s* 가 진정한 이동임을 검증한다. 실험에서는 n = 10, m = 1 ~ 10 범위에서 10,000번의 Monte‑Carlo 시뮬레이션을 수행했다. 저 SNR(≈2)에서는 m 가 작을수록 추정 오류가 증가했으며, m = 10 일 때는 전통적인 교차상관과 동일한 성능을 보였다. 고 SNR(≈10)에서는 m = 2 일 때도 40 % 이상의 경우에 Theorem 5의 조건을 만족해 노이즈가 영향을 주지 않았으며, 이때 모두 실제 이동을 정확히 복원했다. 결론적으로, CSR은 센싱 비용과 연산량을 크게 절감하면서도 이동 추정 정확도를 유지한다. 특히 푸리에 계수만을 직접 측정할 수 있는 하드웨어(예: 디지털‑아날로그 변환기와 필터링 회로)와 결합하면, 저전력·저대역폭 환경에서도 실시간 이동 검출이 가능하다. 이론적 보장은 부분 푸리에 행렬에 한정되지만, 다른 직교 변환(예: DCT, 웨이브릿)에도 유사한 교환성 조건이 성립한다면 확장 가능성이 있다. 향후 연구는 다중 이동(다중 타깃) 상황, 비순환 이동, 그리고 비선형 센싱 매트릭스에 대한 일반화와, 실제 레이더·음향 시스템에의 적용을 목표로 할 수 있다.