헬미트와 푸리에 변환을 이용한 FHSS 신호의 희소 재구성

초록

본 논문은 주파수 도약 확산 스펙트럼(FHSS) 신호를 헬미트 변환과 푸리에 변환 영역에서 희소화하고, 압축 센싱(Compressive Sensing) 기법으로 적은 샘플만으로 복원하는 방법을 비교한다. 측정 수를 변화시켜 재구성 정확도를 평가하고, 적응형 그래디언트 기반 알고리즘을 사용해 실험적으로 검증한다.

상세 분석

본 연구는 FHSS 신호가 시간‑주파수 영역에서 급격히 변하는 특성 때문에 전통적인 푸리에 변환만으로는 충분히 희소성을 확보하기 어렵다는 점에 주목한다. 이를 보완하기 위해 정규 직교성을 갖는 헬미트 함수군을 기반으로 한 헬미트 변환을 도입하였다. 헬미트 변환은 가우시안‑가중치 다항식 형태로, 신호의 순간적인 주파수 변동을 보다 효율적으로 캡처하여 계수들의 대부분을 0에 가깝게 만든다. 따라서 압축 센싱 프레임워크에서 요구되는 측정 수(M)와 재구성 오류 사이의 트레이드오프가 푸리에 변환 대비 유리하게 변한다.

압축 센싱 단계에서는 랜덤 서브샘플링 매트릭스를 사용해 원본 신호의 일부 샘플만을 획득한다. 이때 측정 수를 10 %에서 50 %까지 다양하게 설정하고, 각각에 대해 두 변환 도메인에서의 희소 계수 벡터를 추정한다. 재구성 알고리즘은 기존의 L1 최소화 대신, 적응형 그래디언트 기반 방법을 채택하였다. 이 알고리즘은 초기 단계에서 큰 스텝 사이즈로 빠르게 수렴하고, 이후 잔차가 작아짐에 따라 스텝을 자동 감소시켜 과적합을 방지한다.

실험 결과는 헬미트 변환이 푸리에 변환보다 동일한 측정 수에서 평균 신호 대 잡음비(SNR)가 2 ~ 4 dB 높게 나타났으며, 특히 측정 비율이 20 % 이하일 때 그 차이가 두드러졌다. 또한, 헬미트 기반 재구성은 잡음에 대한 내성이 강화되어, SNR이 10 dB 이하인 상황에서도 복원 품질이 비교적 안정적이었다. 반면 푸리에 변환은 측정 수가 충분히 많을 경우(>40 %)에만 경쟁력을 확보한다. 이러한 결과는 FHSS와 같이 급격히 변하는 스펙트럼을 갖는 신호에 대해 헬미트 변환이 보다 적합한 희소 사전(prior)임을 시사한다.

또한, 논문은 변환 선택이 압축 센싱 시스템 설계에 미치는 영향을 정량적으로 분석한다. 측정 매트릭스 설계 시, 변환 도메인에 맞는 최적의 샘플링 패턴을 적용하면 측정 수를 15 % 정도 절감하면서도 동일한 복원 정확도를 유지할 수 있다. 이는 무선 통신 수신기나 스펙트럼 감시 장비에서 전력 소모와 처리 지연을 크게 감소시킬 수 있는 실용적 이점을 제공한다.