생성·최적화 기반 레이더/신호 처리와 위상 복원 연구

Generative and Optimization-driven Radar/Sensing Signal Processing and Phase Retrieval Research

연구 내용

conditional FLOW로 해상 클러터를 증강하고, 레이더 다중 표적 기하 분류와 multilateration을 최적화하며, ADMM unrolling 기반 딥 위상 복원을 수행하는 연구

해상 레이더 환경에서 데이터 획득 비용 문제를 줄이기 위해 conditional FLOW 기반 생성 모델로 sea clutter를 임의 길이로 합성하고, 전역 조건 변수를 통해 sea state 특성을 보간 반영하는 방법을 개발합니다. 동시에 distributed MIMO 레이더에서 기하 기반 bistatic range grouping으로 다중 표적 localization을 수행하는 알고리즘을 제안합니다. 센서 배치 설계에서는 least-squares multilateration 기반의 anchor placements를 비용 함수로 최적화합니다. 역문제 영역에서는 speech 신호의 phase retrieval을 deep unfolding 형태의 dual ADMM 네트워크로 해결하고, 희소성을 활용한 deep prior를 결합해 수렴 속도와 복원 품질을 개선합니다. 또한 wideband non-uniformly spaced linear array 설계를 reinforcement learning 기반 최적화로 수행합니다.

관련 프로젝트

0건

연구 흐름

초기에는 레이더/센서 문제에서 기하 및 최적화 관점의 알고리즘을 확립해 분산 MIMO에서 다중 표적을 묶는 range grouping과 multilateration의 anchor placement를 다룹니다. 이후 학습 기반 탐지 성능 향상을 위해 sea clutter의 데이터 분포를 모델링하는 conditional FLOW 연구로 확장하여 임의 길이 합성과 조건 기반 보간을 구현합니다. 이어서 영상이 아닌 역문제 영역으로 이동해 dual ADMM을 deep unfolding으로 전개하고 deep sparse prior를 결합한 위상 복원 네트워크를 제안합니다. 마지막으로 wideband 비균일 배열의 빔 패턴 설계를 reinforcement learning 기반 비용함수 최적화로 연결하는 흐름을 보입니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

sea clutter 증강 데이터 생성
레이더 다중 표적 localization
bistatic range grouping 기반 처리
multilateration 센서 배치 최적화
위상 복원 기반 음성 신호 처리
deep unfolding 역문제 해결
wideband 빔 패턴 최적화
비균일 배열 안테나 설계 자동화
클러터 강건성 평가용 데이터
센서 네트워크 오차 분산 최소화