첨단 운전자 보조 시스템(ADAS)에서 자동차 레이더의 장착 각도 불일치는 물체 검출 및 추적의 정확도에 유의미한 영향을 미치며, 이는 시스템의 안전성과 성능에 직접적인 영향을 준다. 본 논문은 자동차 레이더 정렬 감지 네트워크(AutoRAD-Net)를 제안하며, 복소수 값 컨볼루션 신경망(CV-CNN)을 활용하는 새로운 모델로서 자동차 레이더의 방위각(azimuth) 불일치 문제를 해결한다. 복소수 값 입력을 사용함으로써 AutoRAD-Net은 레이더 데이터의 물리적 특성을 효과적으로 학습하여 방위각 정렬을 정밀하게 수행할 수 있다. 이 모델은 장착 각도 오프셋 -3°부터 +3°까지의 범위를 대상으로 학습 및 검증되었으며, 모든 시험된 오프셋에서 오차가 0.15° 이하로 나타났다. 또한 -1.7°와 같은 미관측 오프셋에 대해서도 신뢰할 수 있는 예측을 보여, 일반화 능력을 입증하였다. 예측된 오프셋은 이후 물리적 레이더 정렬에 활용하거나 보정 알고리즘에 통합되어 ADAS 응용에서 데이터 해석 정확도를 향상시킬 수 있다. 본 논문은 방위각 정렬을 위한 실용적 해결책으로 AutoRAD-Net을 제시함으로써 자율주행 시스템에서 레이더의 신뢰성과 성능을 향상시키는 데 기여한다.

첨단 운전자 보조 시스템(ADAS)에서 자동차 레이더의 장착 각도 불일치는 물체 검출 및 추적의 정확도에 유의미한 영향을 미치며, 이는 시스템의 안전성과 성능에 직접적인 영향을 준다. 본 논문은 자동차 레이더 정렬 감지 네트워크(AutoRAD-Net)를 제안하며, 복소수 값 컨볼루션 신경망(CV-CNN)을 활용하는 새로운 모델로서 자동차 레이더의 방위각(azimuth) 불일치 문제를 해결한다. 복소수 값 입력을 사용함으로써 AutoRAD-Net은 레이더 데이터의 물리적 특성을 효과적으로 학습하여 방위각 정렬을 정밀하게 수행할 수 있다. 이 모델은 장착 각도 오프셋 -3°부터 +3°까지의 범위를 대상으로 학습 및 검증되었으며, 모든 시험된 오프셋에서 오차가 0.15° 이하로 나타났다. 또한 -1.7°와 같은 미관측 오프셋에 대해서도 신뢰할 수 있는 예측을 보여, 일반화 능력을 입증하였다. 예측된 오프셋은 이후 물리적 레이더 정렬에 활용하거나 보정 알고리즘에 통합되어 ADAS 응용에서 데이터 해석 정확도를 향상시킬 수 있다. 본 논문은 방위각 정렬을 위한 실용적 해결책으로 AutoRAD-Net을 제시함으로써 자율주행 시스템에서 레이더의 신뢰성과 성능을 향상시키는 데 기여한다.

자율주행 차량의 개발은 견고하고 효율적인 자동차 레이더 시스템에 대한 글로벌 수요를 증가시켰다. 본 연구는 자율주행 차량(ego vehicle)의 속도를 추정하기 위해 합성곱 신경망을 사용하는 자동차 레이더 기반 자기차 속도 검출 네트워크(AVSD Net) 모델을 제안한다. 차량 속도 보정을 위해 사용된 전처리 및 후처리 방법을 상세히 제시한다. AVSD Net 모델은 레이더 시스템의 각도 성능과 차량에 대한 장착 각도에 독립적인 특성을 보이며, 이로써 고도 각을 위한 하향 빔 또는 넓은 빔을 요구하지 않으면서 최대 검출 거리의 손실을 감소시킨다. 거리–속도 스펙트럼 데이터(range–velocity spectrum data)를 모델에 입력하면 자기차 속도가 효과적으로 추정된다. 또한 전처리와 후처리는 모델의 복잡도를 줄이면서 자기차 속도를 정확하게 보정할 수 있게 하여 임베디드 시스템에의 적용을 가능하게 한다. 제안된 자기차 속도 보정 방법은 자율 긴급 제동 시스템, 전방 충돌 회피 보조, 적응형 순항 제어, 후측 횡방향 교통 경고, 사각지대 감지 시스템과 같은 다양한 응용에서 안전성을 향상시킬 수 있다.

철교에서 주행할 때, 정지된 철 구조물(철 유사 클러터)은 자동차 레이더 시스템에서 이동 표적의 검출을 방해한다. 본 논문(레터)에서 저자들은 철교에서의 공간 영역 위상 유사성을 활용하는 이동 표적 검출 방법을 제안한다. 상·하(업- 및 다운) 슈프링 비트 주파수의 배열 안테나 신호를 통해 공간 영역을 분석하기 위해, 주파수 변조 연속파(FMCW) 위상 배열 레이더 신호를 사용하였다. 제안된 방법을 사용하면 각 물체(이동 표적)와 정지된 철 구조물에 대해 상(업)-및 하(다운) 슈프링 비트 주파수를 매칭할 수 있다. 이 매칭을 통해 이동 표적뿐만 아니라 자차(ego-vehicle)와 이동 표적의 속도도 검출된다. 제안된 방법의 적합성은 77 GHz FMCW 위상 배열 레이더를 사용한 도로 주행 측정 데이터로 검증하였다.

본 연구에서 저자들은 철 구조물로 인한 철-클러터(iron-clutter)로 인해 성능이 저하되는 것을 줄이기 위해, 주파수 변조 연속파(frequency-modulation continuous-wave, FMCW) 레이더를 사용하는 자동차 레이더에서 철-구조물 하의 정지 클러터(stationary clutter)를 억제하는 방법을 제안한다. 철교, 방음벽, 철 터널과 같은 다수의 철 구조물이 존재하면 클러터로 인해 레이더 탐지 성능이 악화되는 가혹한 환경이 조성된다. 저자들은 클러터의 부정적 영향을 완화하기 위해 신호 특성 분석을 바탕으로 상향-및 하향-치프(up- and down-chirp) 신호를 이용한 클러터 억제 기법을 제안한다. 특히, 상향-치프와 하향-치프의 위상이 유사하도록 함으로써 정지 클러터를 억제할 수 있음을 보인다. 제안한 방법을 실험적으로 검증하기 위해, 철 구조물이 여러 개 위치한 도로에서 적응형 순항 제어(adaptive cruise control)를 위한 77 GHz FMCW 레이더 데이터를 획득하였다. 실험 결과는 제안된 클러터 억제 기법을 사용함으로써 철-클러터가 풍부한 환경에서도 이동 표적의 주파수를 잘 탐지할 수 있음을 보여준다. 또한 제안된 클러터 억제 기법을 적용함으로써 레이더의 표적 탐지 성능을 안정적으로 확보할 수 있다.

최근 들어, 밀리미터파 대역을 활용하는 5세대 이동 통신 시스템에 대한 연구가 활발히 진행되고 있으며, 밀리미터파 대역의 전파 감쇠 특성으로 인하여 전력 증폭기의 비선형성을 완화시키는 방법의 중요성이 증가하고 있다. 본 논문에서는 전력 증폭기의 특성을 선형구간과 비선형구간을 구분하여 구간별 계수를 사용하는 구간별 차등 다항식 모델을 제안하였다. 또한, 제안된 모델과 직접 학습 방식을 이용하여 디지털 사전왜곡기 구현 방안을 제시하였다. 제안된 모델의 성능을 검증하기 위하여 LTE 신호를 인가한 60 GHz 대역 전력증폭기를 위한 제안된 모델과 직접 학습 방식에 기반한 디지털 사전왜곡기를 FPGA로 구현하였고 하드웨어 테스트벤치를 통하여 성능 및 연산 복잡도를 비교 검증하였다. 제안된 모델은 기존 단일 다항식 모델 대비 ACLR 측면에서는 3.3 dB 개선됨을 보였으며 연산 복잡도 측면에서는 7.5 % 감소됨을 보여주었다.

고속 열차에 무선 센서 네트워크를 구성하여 센서 데이터를 이용한 모니터링 시스템에 대한 연구들이 진행됨에 따라, 열차외부와 내부 간의 통신 시에 발생하는 철도 무선 채널 특성에 대한 연구가 요구된다. 특히, 무선 채널에 다중경로 지연특성이 있는 경우 심볼간 간섭에 따른 성능 열화를 막기 위한 등화기 및 채널 추정기가 요구될 수 있다. 따라서, 본 논문에서는 실제 고속열차에서 IEEE 802.15.4 규격으로 구성되는 ZigBee 송수신기를 이용하여 수신신호를 측정하고, 측정된 수신신호를 분석하여 다중경로가 최대 두 개인 다중경로 지연특성을 확인하였다. 그리고, 확인 된 철도 환경에서 다중경로 지연특성을 고려하여, IEEE 802.15.4 데이터 칩 시퀀스 특성을 이용한 저복잡도의 채널 추정 기법을 제안하고, 제안 기법에 대한 복잡도 및 성능 오차 분석 후 적용 가능성을 검증하였다.

MUSIC(multiple signal classification) 알고리즘은 고유값(eigenvalue)과 고유벡터(eigenvector)를 이용하여 표적의 도래각을 추정하는 대표적인 알고리즘이다. 일반적으로 고유값과 고유벡터는 고유치 해석(eigen-analysis)을 이용하여 구할 수 있으나, 계산 복잡도가 높고 수렴 시간이 길다는 문제가 있다. 따라서 이러한 접근법으로 저가형 실시간 시스템을 구축하는 것은 거의 불가능하다. 이러한 문제를 개선하기 위한 고유치 해석 접근으로 QR 반복법이 고려되었음에도, MUSIC 알고리즘에 적용하기에는 부적절하다. 본 논문에서는 고유값에 기반한 기존 수렴 판단 방법의 문제점을 분석하고, 고유벡터를 활용한 개선된 수렴 판단 알고리즘을 제안한다.

열차 모니터링 시스템에서 차륜(바퀴)에 측정된 센서 데이터는 차축 인근에 위치한 송신부로부터, 객차 내부에 배치된 수신기로 전송될 필요가 있다. 송신기와 수신기 사이에 여러 금속 부품이 존재하므로 열차 외부에서 내부로 이어지는 무선 채널의 상태는 매우 중요하다. 또한 채널 변동의 특성은 열차가 운행되는 구역에 따라 변화한다. 따라서 감지된 데이터의 성공적인 전송을 위해서는 무선 채널 조건에 대한 분석이 중요하다. 여기서는 다양한 운행 시나리오 동안 측정된 데이터를 기반으로 채널 프로파일을 추정한다. 채널 변동 통계는 특정 핵심 무선 채널 파라미터를 갖는 확률함수로 특성화된다. 모든 시나리오에서 dB 스케일의 극값 분포가 채널 통계와 잘 일치한다. 이 Letter에서는 철도 무선 센서 네트워크에 대한 실용적 연구를 제시하며, 향후 시뮬레이션 연구의 기반이 될 것으로 기대된다.

이동 표적은 신체 움직임으로 인해 발생하는 마이크로-도플러 효과와는 무관하게 비일관(비정합) 위상 특성을 갖는데, 이는 표적의 이동이 비트 주파수와 그 위상을 변화시키기 때문이다. 이동으로 인해 발생하는 위상 변화를 제거하기 위한 위상 보상 방법을 제안한다. 제안된 위상 보상 방법을 사용하면 보행자와 자동차가 각각 비일관 위상과 일관 위상을 가지므로, 위상 분산에 기반하여 표적을 보행자 또는 자동차로 분류할 수 있다. 실험 데이터를 적용함으로써 표적 분류 가능성을 보였다.