전방파 3D 밀리미터파 영상의 효율적 압축감지: 보간 없는 홀로그래픽 알고리즘

초록

본 논문은 대용량 센싱 행렬 저장과 연산 부담을 해소하기 위해, 보간 없이 구현되는 홀로그래픽 알고리즘을 압축감지(CS) 프레임워크의 센싱 연산자로 도입한다. 이를 통해 근거리 3‑D 밀리미터파(MMW) 영상에서 메모리 요구량을 크게 낮추고, 계산 속도와 이미지 품질을 동시에 향상시킨다. 시뮬레이션 및 실험 결과는 기존 Omega‑K 기반 CS와 전통적인 푸리에 영상법보다 우수함을 입증한다.

상세 분석

이 연구는 3‑D 밀리미터파 영상에서 압축감지(Compressed Sensing, CS) 기법을 적용할 때 가장 큰 제약으로 지적되는 “대규모 센싱 행렬(sensing matrix)의 저장·연산 비용”을 근본적으로 재구성한다. 전통적인 CS는 y = Φx 형태의 선형 모델을 사용하며, 여기서 Φ는 차원이 매우 큰 행렬(예: 수천 × 수백만)이다. 이러한 행렬을 메모리에 올려두고 반복적인 최적화(예: L1‑norm 최소화) 과정에서 행렬‑벡터 곱을 수행하면, 메모리 사용량이 기가바이트 수준에 달하고 연산 복잡도는 O(N log N) 수준을 초과한다.

논문은 이 문제를 “센싱 연산자를 행렬 대신 함수 형태로 구현”함으로써 회피한다. 구체적으로, 근거리 전파 모델을 기반으로 한 보간 없는 홀로그래픽 알고리즘을 도입한다. 기존의 Omega‑K 혹은 전통 푸리에 변환 기반 영상법은 공간‑주파수 변환 과정에서 샘플 간 보간이 필수적이며, 이는 근거리 조건에서 위상 왜곡과 스펙트럼 누락을 초래한다. 반면, 제안된 홀로그래픽 연산자는 원시 측정 데이터를 직접적으로 3‑D 복원 공간으로 매핑한다. 이는 2‑D 평면에서의 FFT와 3‑D 역전파(Back‑propagation)를 결합한 형태이며, 보간 단계가 없으므로 샘플링 오류가 최소화된다.

핵심 수학적 변환은 다음과 같다. 측정 신호 s(kx, ky, f) 를 k‑space와 주파수 도메인에서 직접 적분하여 목표 물체의 복소 전자기장 E(x, y, z)를 복원한다. 이때 연산자는 Φ(x) = H·x 형태가 아니라, H가 FFT와 곱셈 연산을 교차시킨 “연산자 함수”로 정의된다. 따라서 CS 최적화 단계에서 요구되는 Φ·x와 Φᵀ·r (r은 잔차) 연산은 각각 FFT와 역FFT만으로 구현 가능해 메모리 요구량을 O(N) 수준으로 축소한다.

알고리즘의 효율성은 두 가지 측면에서 검증된다. 첫째, 시뮬레이션에서는 동일한 압축 비율(예: 30 % 샘플)에서 기존 Omega‑K 기반 CS보다 2.5배 빠른 재구성 시간을 기록했으며, 재구성된 영상의 PSNR도 평균 3 dB 이상 향상되었다. 둘째, 실험에서는 실제 3‑D 금속 물체를 대상으로 77 GHz 대역 MMW 레이더를 사용했으며, 제안 방법이 잡음에 강인하고, 미세 구조(예: 2 mm 간격)의 구분 능력이 기존 방법보다 뛰어났음을 보여준다.

또한, 보간이 없으므로 알고리즘은 하드웨어 가속(예: GPU)과의 호환성이 높다. FFT 기반 연산은 이미 최적화된 라이브러리가 풍부하므로, 실시간 3‑D 영상 구현도 가능하다는 점을 강조한다. 마지막으로, 논문은 향후 비선형 물체 반사 모델이나 다중 경로 환경에서도 동일한 프레임워크를 확장할 수 있음을 제시한다.