광섬유 결함 자동 탐지를 위한 선형화 브레그만 반복

본 논문은 광섬유 네트워크의 물리층 감시를 위한 자동 결함 탐지 시스템을 제안한다. 시스템은 두 부분으로 구성되는데, 첫 번째는 Photon‑Counting OTDR을 이용한 데이터 획득 장치이며, 두 번째는 획득된 OTDR 프로파일을 Linearized Bregman Iterations(LBI) 알고리즘으로 처리하는 신호 처리 유닛이다. 저자는 먼저 OTDR의 기본 원리와 광섬유 손실이 발생하는 메커니즘을 설명하고, 결함이 발생하면 OTDR 신호에 급격한 레벨 변동(스텝)이 나타난다는 점을 강조한다. 이러한 스텝을 “희소”한 단계 함수들의 가중합으로 모델링함으로써, 결함 위치와 손실량을 추정하는 문제를 고차원 희소 파라미터 추정 문제로 전환한다. 전통적인 접근법인 Adaptive ℓ1 Filter는 좌표 하강 방식과 전처리 단계에서 복잡한 곱셈 연산을 필요로 하여 임베디드 구현에 부적합하다는 한계를 지적한다. 반면, LBI는 ℓ1/ℓ2 복합 정규화 형태의 최적화 문제를 단순한 선형 업데이트와 소프트 임계값 연산만으로 해결한다. 논문은 OTDR 데이터에 적용할 사전(dictionary) 행렬 A를 구성하는 방법을 상세히 제시한다. A의 열은 (1) 광섬유의 선형 감쇠를 나타내는 단일 기울기 벡터와 (2) 모든 가능한 샘플 위치에 대한 Heaviside 단계 함수들로 이루어져 있다. 이러한 과잉 사전은 후보 벡터가 측정 포인트보다 많아도 ℓ1 정규화를 통해 희소 해를 효율적으로 찾을 수 있게 한다. 알고리즘 구현에서는 LBI의 핵심 파라미터 λ와 α를 고정값으로 설정해 파라미터‑프리 형태를 구현한다. 이는 실시간 시스템에서 자동 튜닝이 필요 없도록 하며, 구현 복잡도를 크게 낮춘다. 각 반복은 β←β−α·Aᵀ(Aβ−y)와 β←shrink(β,λ) 두 단계로 이루어지며, shrink 연산은 단순히 절댓값이 λ 이하인 성분을 0으로 만드는 소프트 임계값 함수이다. 성능 평가는 두 가지 환경에서 수행되었다. 첫 번째는 다양한 SNR(무한대, 20 dB, 10 dB) 조건에서 생성한 시뮬레이션 데이터이며, 두 번째는 실제 10 km 광섬유에 Photon‑Counting OTDR을 적용해 얻은 측정 데이터이다. 시뮬레이션 결과는 LBI가 Adaptive ℓ1 Filter보다 높은 민감도(≥95 %)와 특이도(≥95 %)를 유지하면서, 처리 시간은 평균 0.12 초(CPU)로 2~3배 빠른 것을 보여준다. 실제 데이터에서도 LBI는 모든 주요 결함을 정확히 검출하고, 잡음에 강인한 추정값을 제공한다. 하드웨어 구현 가능성에 대해서는 LBI가 반복당 단순 연산만을 요구한다는 점을 강조한다. FPGA 구현 시 논리 셀 사용량은 전체의 12 % 이하, DSP 블록 사용량은 8 % 이하에 머물러 저비용 실시간 모니터링 장비에 적합함을 시뮬레이션 결과로 입증한다. 또한, LBI의 구조적 특성은 병렬화가 용이해 고속 데이터 스트림 처리에도 유리하다. 결론적으로, 본 연구는 OTDR 기반 광섬유 결함 탐지를 희소 신호 복원 문제로 재정의하고, LBI라는 효율적인 최적화 알고리즘을 적용함으로써 기존 방법 대비 정확도·속도·구현 용이성에서 모두 우수한 성능을 달성했다. 향후 연구 과제로는 다중 파장 WDM 시스템에 대한 확장, 실시간 동적 추적, 그리고 딥러닝 기반 사전 학습과의 하이브리드 접근법이 제시된다.