KR102568913B1 - 호흡 기반 사람과 사물을 구분할 수 있는 fmcw 레이다 신호 처리 시스템 및 그 방법 - Google Patents

호흡 기반 사람과 사물을 구분할 수 있는 fmcw 레이다 신호 처리 시스템 및 그 방법 Download PDF

Info

Publication number
KR102568913B1
KR102568913B1 KR1020210121484A KR20210121484A KR102568913B1 KR 102568913 B1 KR102568913 B1 KR 102568913B1 KR 1020210121484 A KR1020210121484 A KR 1020210121484A KR 20210121484 A KR20210121484 A KR 20210121484A KR 102568913 B1 KR102568913 B1 KR 102568913B1
Authority
KR
South Korea
Prior art keywords
data
value
frame
unit
target
Prior art date
Application number
KR1020210121484A
Other languages
English (en)
Other versions
KR20230038867A (ko
Inventor
정윤호
이윤구
윤형석
김수연
허성욱
Original Assignee
한국항공대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국항공대학교산학협력단 filed Critical 한국항공대학교산학협력단
Priority to KR1020210121484A priority Critical patent/KR102568913B1/ko
Publication of KR20230038867A publication Critical patent/KR20230038867A/ko
Application granted granted Critical
Publication of KR102568913B1 publication Critical patent/KR102568913B1/ko

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/356—Receivers involving particularities of FFT processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/32—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
    • G01S13/34—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 발명은 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템 및 그 방법에 관한 것으로, 해결하고자 하는 과제는 속도의 변화에 대한 연산 없이 멈춰있는 대상의 호흡 변화 여부를 측정함으로써 사람과 사물의 구분이 가능하고, 2D FFT 없이 1D FFT와 위상의 변화만으로 대상의 호흡 여부를 감지하기에 복잡도가 낮으며, 위상을 추정하여 호흡 여부 측정이 가능함으로써 사람과 사물을 구분하는데 있다.
일례로, 적어도 하나의 고정 표적을 대상으로 한 FMCW(Frequency Modulated Continuous Wave) 레이다의 수신신호에 대한 전처리를 수행하는 전처리 수행부; 상기 전처리 수행부를 통해 전처리가 완료된 디지털신호를 FFT(Fast Fourier Transform)을 통해 주파수 영역의 데이터로 변환하고, 변환된 데이터를 프레임 단위로 합산하고, 프레임 별 데이터 평균값을 산출하는 데이터 평균 산출부; 상기 데이터 평균 산출부를 통해 산출된 프레임 별 데이터 평균값의 절대값에 CFAR(Constant False Alarm Rate Detection)을 적용하여 고정 표적과의 거리 파악을 통한 고정 표적의 위치를 탐지하는 표적 위치 탐지부; 및 상기 표적 위치 탐지부를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값을 입력 받고, 4분면 아크 탄젠트 함수를 이용하여 고정 표적의 위치 별 프레임의 위상 평균값을 계산하고, 프레임 간 위상 변화에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분하는 표적 대상 판단부를 포함하는 FMCW 레이다 신호 처리 시스템을 개시한다.

Description

호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템 및 그 방법{SYSTEM FOR PROCESSING FMCW RADAR SIGNAL CAPABLE OF CLASIFICATING FOR HUMAN AND OBJECTS BASED ON RESPIRATION}
본 발명의 실시예는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템 및 그 방법에 관한 것이다.
최근 기술의 발전에 따라 보안 시스템의 필요성이 증대되고 있으며, 카메라, 적외선 센서, 레이다(RADAR; radio detection and ranging) 시스템이 대표적이다.
그러나, 카메라나 적외선 센서의 경우 주변 환경에 따라 오작동하는 경우가 많다. 특히 카메라의 경우에는 이미지 파일을 활용하기에 높은 연산량을 요구하며, 사생활 침해 문제가 발생할 수 있다는 단점이 있다.
또한, 적외선 센서의 경우 LED(Light emitting diode)에서 방사된 적외선이 반사되어 센서로 들어오는 양에 따라 반응하기에 오인식 확률이 높다는 단점이 있다.
그러나, 레이다 센서의 경우 전자기파를 이용하여 표적을 탐지하기에 주변 운용 환경의 영향을 적게 받는다는 장점이 있다. 이러한 장점에 따라 레이다는 국방 및 항공 감시 분야에서 광범위하게 사용되었으며, 소형 및 경량 설계 기술이 발전하면서 실내 가전과 같은 민간 분야로 범위가 확장되고 있다.
또한, 레이다의 경우 송수신 방식에 따라 PD(Pulse Doppler) 레이다와 FMCW(Frequency modulated continuous wave) 레이다로 분류된다.
PD 레이다의 경우, 매우 짧은 펄스를 송신하고 표적에 반사되어 수신된 신호를 이용하므로 장거리 표적 검출 능력이 우수한 반면, 수신단의 높은 연산량과 그에 따른 전력 소모가 큰 문제가 있다.
FMCW 레이다의 경우, 선형 변조된 연속적인 전파를 활용하므로 근거리 표적 검출에 유리하며, PD 레이다에 비해 상대적으로 낮은 연산량으로 인해 전력 소모가 적은 장점이 있다.
그러나, FMCW 레이다의 경우 표적과의 거리와 표적의 속도 변화를 검출하기 위해 RDM (Range Doppler map)을 사용하며, 이를 산출하기 위해 2D-FFT 연산 과정을 거치게 된다. 이는 큰 메모리와 많은 연산량을 요구하여 낮은 가격과 효율을 중시하는 실내 응용 분야에서의 활용을 어렵게 한다. 실내 응용의 경우 임베디드 시스템 형태의 설계 구현이 필수적이나 대상의 위치와 행동이 중시되기에 대상의 정확한 속도 추정이 필요하지 않다는 특징이 있다.
또한, 실내에서는 사람이 멈춰있는 경우가 잦은데 반해 기존의 FMCW 신호처리 시스템으로는 멈춰있는 대상이 사람인지 물체인지 구분하기 어려운 문제가 있다.
T. Lukac, j. Pucik, and L. Chrenko, "Contactless Recognition of Respiration Phases Using Web Camera," in 2014 24th International Conference Radioelektronika, Bratislava: Slovakia, pp. 1-4, Apr. 2014. O. Bodilovskyi, and A. Popov, "Estimation of Time Domain Parameters for Camera Based Respiration Monitoring," in 2017 Signal Processing Symposium(SPSympo), Jachranka: Poland, pp. 1-4, Oct. 2017. J. G. Park, and H. W. Kim, "A study on the Effective Identification of IP Cameras," KSCI Review, Vol. 26, No. 2, pp. 1-7, Dec. 2018. D. J. Woo, S. J. Kim, and T. K. Lee, "Design and Noise Figure Analysis of Coherent Transceiver for Airborne Radar," Journal of Advanced Navigation Technology, Vol. 8, No. 1, pp. 38-48, Jun. 2004. J. W. Kim, T. H. Cho, S. B. Choi, and H. D. Park, "Network Modeling and Analysis of Multi Radar Data Fusion for Efficient Detection of Aircraft Position," Journal of Advanced Navigation Technology, Vol. 18, No. 1, pp. 29-34, Feb. 2014. C. Li, V. M. Lubecke, O. Boric-Lubecke, and J. Lin, "A Review on Recent Advances in Doppler Radar Sensors for Noncontact Healthcare Monitoring," IEEE Transactions on Microwave Theory and Techniques, Vol. 61, No. 5, pp. 2046-2060, May. 2013. M. H. Cha, and D. W. Kim, "Comparison of Signal for Radio Frequency Sensing based Sensors using mmWave," in Proceedings of KIIT Conference, Daejeon, pp. 63-65, Jun. 2019. J. Park, D. Jung, K. Bae, and S. Park, "Range-Doppler Map Improvement in FMCW Radar for Small Moving Drone Detection Using the Stationary Point Concentration Technique," IEEE Transactions on Microwave Theory and Techniques, Vol. 68, No. 5, pp. 1858-1871, May. 2020. Y. S. Jin, E. G. Hy, S. D. Kim, B. S. Kim, and J. H. Lee, "Low Complexity FMCW Surveillance Radar Algorithm Using Phase Difference of Dual Chirps," IEMEK J. Embed. Sys. Appl,. Vol. 12, No. 2, pp.71-77, Apr. 2017. T. Kiuru et al., "Movement and respiration detection using statistical properties of the FMCW radar signal," in 2016 Global Symposium on Millimeter Waves (GSMM) & ESA Workshop on Millimetre-Wave Technology and Applications, Espoo: Finland, pp. 1-4, Jun. 2016. B. Y. Choi, K. W. Shin, J. K. Yoo, C. B. Lim, and M. K. Lee, "Design of RADIX-2 BUTTERFLY Arithmetic Unit," Proceedings of Symposium of the Korean institute of communications and Information Sciences, Vol. 5, No. 5, pp. 177-180, Jan. 1986. Rohling H, "Radar CFAR Thresholding in Clutter and Multiple Target Situations," IEEE Transaction on Aerospace and Electronics System, Vol. AES-19, No. 4, pp. 608-620, July. 1983. S. J. Shin, "A study of efficient CFAR algorithm," The Journal of Korean Institute of Electromagnetic Engineering and Science, Vol. 25, No. 8, pp. 849-856, Aug. 2014. B. R. Mahafza, Radar Systems Analysis and Design Using Matlab, 2nd ed. CRC Press, 2000. B. Magaz, A. Belouchrani, and M. Hamadouche, "Auto- matic threshold selection in OS-CFAR radar detection using information theoretic criteria," Progress in Electro- magnetics Research B, Vol. 30, pp. 157-175, May. 2011. M. R. Bales, T. Benson, R. Dickerson, D. Campbell, R. Hersey, and E. Culpepper, "Real-time implementations of ordered-statistic CFAR," in 2012 IEEE Radar Conference, Atlanta: GA, pp. 896-901, May. 2012. Iowegian International Corporation. DSP Trick: Fixed-Point Atan2 With Self Normalization [Internet]. Available: https://dspguru.com/dsp/tricks/fixed-point-atan2-with-self-normalization/. Xilinx. Zynq-7000 SoC Device [Internet]. Available: https://www.xilinx.com/products/silicon-devices/soc/zynq-7000.html. S. H. Lee, Y. C. Jung, and Y. H. Jung, "Design of Multi-Mode Radar Signal Processor for UAV Detection," Journal of Advanced Navigation Technology, Vol. 23, No. 2, pp. 134-141, Apr. 2019.
본 발명의 실시예는, 속도의 변화에 대한 연산 없이 멈춰있는 대상의 호흡 변화 여부를 측정함으로써 사람과 사물의 구분이 가능하고, 2D FFT 없이 1D FFT와 위상의 변화만으로 대상의 호흡 여부를 감지하기에 복잡도가 낮으며, 위상을 추정하여 호흡 여부 측정이 가능함으로써 사람과 사물을 구분하는 FMCW 레이다 신호 처리 시스템 및 그 방법을 제공한다.
본 발명의 일 실시예에 따른 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템은, 적어도 하나의 고정 표적을 대상으로 한 FMCW(Frequency Modulated Continuous Wave) 레이다의 수신신호에 대한 전처리를 수행하는 전처리 수행부; 상기 전처리 수행부를 통해 전처리가 완료된 디지털신호를 FFT(Fast Fourier Transform)을 통해 주파수 영역의 데이터로 변환하고, 변환된 데이터를 프레임 단위로 합산하고, 프레임 별 데이터 평균값을 산출하는 데이터 평균 산출부; 상기 데이터 평균 산출부를 통해 산출된 프레임 별 데이터 평균값의 절대값에 CFAR(Constant False Alarm Rate Detection)을 적용하여 고정 표적과의 거리 파악을 통한 고정 표적의 위치를 탐지하는 표적 위치 탐지부; 및 상기 표적 위치 탐지부를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값을 입력 받고, 4분면 아크 탄젠트 함수를 이용하여 고정 표적의 위치 별 프레임의 위상 평균값을 계산하고, 프레임 간 위상 변화에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분하는 표적 대상 판단부를 포함한다.
또한, 상기 전처리 수행부는, FMCW 레이다의 수신신호를 디지털신호로 입력 받고, 입력된 디지털신호에 대해 미리 설정된 수의 첩(chirp)에 대한 데이터 값을 합산하고, 합산된 데이터 값의 평균을 계산하고, 계산된 데이터 평균값과 FMCW 레이다로부터 입력되는 디지털신호의 입력값 간의 차이를 계산하여 DC 성분이 제거된 데이터 차이값을 산출하는 DC 제거 유닛; 상기 DC 제거 유닛을 통해 DC 성분이 제거된 데이터 차이값을 차수만큼 딜레이하고, 각각의 계수와 곱한 후 합산하는 LPF(Low Pass Filter) 유닛; 및 상기 LPF 유닛을 통해 출력된 데이터 합산값을 LUT(Look Up Table) 형태로 저장된 해밍 윈도우 파라미터(Hamming Window Parameter)와 승산하는 HW(Hamming Window) 유닛을 포함할 수 있다.
또한, 상기 데이터 평균 산출부는, 상기 전처리 수행부로부터 출력되는 데이터 값에 대하여 BF(Butterfly) 구조에 따른 FFT(Fast Fourier Transform) 연산을 수행하는 FFT 유닛; 및 하나의 프레임에 구성된 첩(chirp)의 수만큼 상기 FFT 유닛을 통해 연산된 데이터 값을 합산 누적시킨 후 산술자리이동(arithmetic shift)을 통해 평균을 계산하여 프레임 별 데이터 평균값을 산출하는 합산 유닛을 포함할 수 있다.
또한, 상기 표적 위치 탐지부는, CA CFAR(Cell Average Constant False Alarm Rate) 유닛, OS CFAR(Ordered Statistics Constant False Alarm Rate) 유닛 및 MUX를 포함하고, 상기 데이터 평균 산출부를 통해 산출된 프레임 별 데이터 평균값에 포함된 실수 데이터와 허수 데이터를 입력 받되, 단일 표적이 존재하는 균질 환경인 경우 상기 MUX를 통해 상기 CA CFAR 유닛을 선택적으로 구동하고, 다중 표적이 존재하는 비균질 환경이나 클러터(clutter) 또는 잡음이 발생하는 경우 상기 MUX를 통해 상기 OS CFAR 유닛을 선택적으로 구동하여 상기 CA CFAR 유닛 및 상기 OS CFAR 유닛 중 어느 하나의 결과값을 통해 고정 표적의 위치를 탐지할 수 있다.
또한, 상기 표적 대상 판단부는, 상기 표적 위치 탐지부를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값에 포함된 실수값(I)과 허수값(Q)을 입력 받되 상기 허수값을 절대값으로 변환하여 허수 절대값(abs(Q))으로 입력 받고, 상기 실수값(I)이 0을 초과하는 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하고, R = (I - abs(Q)) / (I + abs(Q)), P = C*(1 - R) 상기 실수값(I)이 0 이하인 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하되, R = (I + abs(Q)) / (abs(Q) - I), P = C*(3 - R) 상기 허수 절대값(abs(Q))이 0 미만인 경우 상기 P값을 음수 처리하여 상기 프레임의 위상 평균값(P)을 출력하고, 상기 허수 절대값(abs(Q))이 0 이상인 경우 상기 P값을 상기 프레임의 위상 평균값(P)으로 출력하고, 상기 C는 계수를 나타낼 수 있다.
또한, 상기 표적 대상 판단부는, 상기 프레임의 위상 평균값을 기초로 하기의 수식을 통한 프레임 간 위상 변화에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분하고, P[n] = Istart - Inext [n], (n≥2) 상기 Istart는 첫 번째 프레임의 위상 평균값으로서 기준으로 설정되고, 상기 Inext는 다음 프레임의 위상 평균값일 수 있다.
본 발명의 다른 실시예에 따른 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템은, 적어도 하나의 고정 표적을 대상으로 한 FMCW(Frequency Modulated Continuous Wave) 레이다의 수신신호에 대한 전처리를 수행하는 전처리 수행부; 상기 전처리 수행부를 통해 전처리가 완료된 디지털신호를 FFT(Fast Fourier Transform)을 통해 주파수 영역의 데이터로 변환하고, 변환된 데이터를 프레임 단위로 합산하고, 프레임 별 데이터 평균값을 산출하는 데이터 평균 산출부; 상기 데이터 평균 산출부를 통해 산출된 프레임 별 데이터 평균값의 절대값에 CFAR(Constant False Alarm Rate Detection)을 적용하여 고정 표적과의 거리 파악을 통한 고정 표적의 위치를 탐지하는 표적 위치 탐지부; 및 상기 표적 위치 탐지부를 통해 고정 표적의 위치가 확인된 각각의 프레임의 데이터 평균값에 대한 위상을 구한 후 고정 표적의 위치 별 프레임의 위상 평균값을 계산하고, 첫 번째 프레임의 위상 평균값을 기준으로 설정하고 상기 첫 번째 프레임의 위상 평균값과 다음 프레임의 위상 평균값 간의 차이에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분하는 표적 대상 판단부를 포함한다.
또한, 상기 전처리 수행부는, FMCW 레이다의 수신신호를 디지털신호로 입력 받고, 입력된 디지털신호에 대해 미리 설정된 수의 첩(chirp)에 대한 데이터 값을 합산하고, 합산된 데이터 값의 평균을 계산하고, 계산된 데이터 평균값과 FMCW 레이다로부터 입력되는 디지털신호의 입력값 간의 차이를 계산하여 DC 성분이 제거된 데이터 차이값을 산출하는 DC 제거 유닛; 상기 DC 제거 유닛을 통해 DC 성분이 제거된 데이터 차이값을 차수만큼 딜레이하고, 각각의 계수와 곱한 후 합산하는 LPF(Low Pass Filter) 유닛; 및 상기 LPF 유닛을 통해 출력된 데이터 합산값을 LUT(Look Up Table) 형태로 저장된 해밍 윈도우 파라미터(Hamming Window Parameter)와 승산하는 HW(Hamming Window) 유닛을 포함할 수 있다.
또한, 상기 데이터 평균 산출부는, 상기 전처리 수행부로부터 출력되는 데이터 값에 대하여 BF(Butterfly) 구조에 따른 FFT(Fast Fourier Transform) 연산을 수행하는 FFT 유닛; 및 하나의 프레임에 구성된 첩(chirp)의 수만큼 상기 FFT 유닛을 통해 연산된 데이터 값을 합산 누적시킨 후 산술자리이동(arithmetic shift)을 통해 평균을 계산하여 프레임 별 데이터 평균값을 산출하는 합산 유닛을 포함할 수 있다.
또한, 상기 표적 위치 탐지부는, CA CFAR(Cell Average Constant False Alarm Rate) 유닛, OS CFAR(Ordered Statistics Constant False Alarm Rate) 유닛 및 MUX를 포함하고, 상기 데이터 평균 산출부를 통해 산출된 프레임 별 데이터 평균값에 포함된 실수 데이터와 허수 데이터를 입력 받되, 단일 표적이 존재하는 균질 환경인 경우 상기 MUX를 통해 상기 CA CFAR 유닛을 선택적으로 구동하고, 다중 표적이 존재하는 비균질 환경이나 클러터(clutter) 또는 잡음이 발생하는 경우 상기 MUX를 통해 상기 OS CFAR 유닛을 선택적으로 구동하여 상기 CA CFAR 유닛 및 상기 OS CFAR 유닛 중 어느 하나의 결과값을 통해 고정 표적의 위치를 탐지할 수 있다.
또한, 상기 표적 대상 판단부는, 상기 표적 위치 탐지부를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값에 포함된 실수값(I)과 허수값(Q)을 입력 받되 상기 허수값을 절대값으로 변환하여 허수 절대값(abs(Q))으로 입력 받고, 상기 실수값(I)이 0을 초과하는 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하고, R = (I - abs(Q)) / (I + abs(Q)), P = C*(1 - R) 상기 실수값(I)이 0 이하인 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하되, R = (I + abs(Q)) / (abs(Q) - I), P = C*(3 - R) 상기 허수 절대값(abs(Q))이 0 미만인 경우 상기 P값을 음수 처리하여 상기 프레임의 위상 평균값(P)을 출력하고, 상기 허수 절대값(abs(Q))이 0 이상인 경우 상기 P값을 상기 프레임의 위상 평균값(P)으로 출력하고, 상기 C는 계수를 나타낼 수 있다.
본 발명의 또 다른 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 방법은, 적어도 하나의 고정 표적을 대상으로 한 FMCW(Frequency Modulated Continuous Wave) 레이다의 수신신호에 대한 전처리를 수행하는 전처리 수행 단계; 상기 전처리 수행 단계를 통해 전처리가 완료된 디지털신호를 FFT(Fast Fourier Transform)을 통해 주파수 영역의 데이터로 변환하고, 변환된 데이터를 프레임 단위로 합산하고, 프레임 별 데이터 평균값을 산출하는 데이터 평균 산출 단계; 상기 데이터 평균 산출 단계를 통해 산출된 프레임 별 데이터 평균값의 절대값에 CFAR(Constant False Alarm Rate Detection)을 적용하여 고정 표적과의 거리 파악을 통한 고정 표적의 위치를 탐지하는 표적 위치 탐지 단계; 및 상기 표적 위치 탐지 단계를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값을 입력 받고, 4분면 아크 탄젠트 함수를 이용하여 고정 표적의 위치 별 프레임의 위상 평균값을 계산하고, 프레임 간 위상 변화에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분하는 표적 대상 판단 단계를 포함한다.
또한, 상기 전처리 수행 단계는, FMCW 레이다의 수신신호를 디지털신호로 입력 받고, 입력된 디지털신호에 대해 미리 설정된 수의 첩(chirp)에 대한 데이터 값을 합산하고, 합산된 데이터 값의 평균을 계산하고, 계산된 데이터 평균값과 FMCW 레이다로부터 입력되는 디지털신호의 입력값 간의 차이를 계산하여 DC 성분이 제거된 데이터 차이값을 산출하는 DC 성분 제거 단계; 상기 DC 성분 제거 단계를 통해 DC 성분이 제거된 데이터 차이값을 차수만큼 딜레이하고, 각각의 계수와 곱한 후 합산하는 LPF(Low Pass Filter) 동작 단계; 및 상기 LPF 동작 단계를 통해 출력된 데이터 합산값을 LUT(Look Up Table) 형태로 저장된 해밍 윈도우 파라미터(Hamming Window Parameter)와 승산하는 HW(Hamming Window) 동작 단계를 포함할 수 있다.
또한, 상기 데이터 평균 산출 단계는, 상기 전처리 수행 단계로부터 출력되는 데이터 값에 대하여 BF(Butterfly) 구조에 따른 FFT(Fast Fourier Transform) 연산을 수행하는 FFT 동작 단계; 및 하나의 프레임에 구성된 첩(chirp)의 수만큼 상기 FFT 동작 단계를 통해 연산된 데이터 값을 합산 누적시킨 후 산술자리이동(arithmetic shift)을 통해 평균을 계산하여 프레임 별 데이터 평균값을 산출하는 합산 단계를 포함할 수 있다.
또한, 상기 표적 위치 탐지 단계는, CA CFAR(Cell Average Constant False Alarm Rate) 유닛, OS CFAR(Ordered Statistics Constant False Alarm Rate) 유닛 및 MUX를 이용하고, 상기 데이터 평균 산출 단계를 통해 산출된 프레임 별 데이터 평균값에 포함된 실수 데이터와 허수 데이터를 입력 받되, 단일 표적이 존재하는 균질 환경인 경우 상기 MUX를 통해 상기 CA CFAR 유닛을 선택적으로 구동하고, 다중 표적이 존재하는 비균질 환경이나 클러터(clutter) 또는 잡음이 발생하는 경우 상기 MUX를 통해 상기 OS CFAR 유닛을 선택적으로 구동하여 상기 CA CFAR 유닛 및 상기 OS CFAR 유닛 중 어느 하나의 결과값을 통해 고정 표적의 위치를 탐지할 수 있다.
또한, 상기 표적 대상 판단 단계는, 상기 표적 위치 탐지 단계를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값에 포함된 실수값(I)과 허수값(Q)을 입력 받되 상기 허수값을 절대값으로 변환하여 허수 절대값(abs(Q))으로 입력 받고, 상기 실수값(I)이 0을 초과하는 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하고, R = (I - abs(Q)) / (I + abs(Q)), P = C*(1 - R) 상기 실수값(I)이 0 이하인 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하되, R = (I + abs(Q)) / (abs(Q) - I), P = C*(3 - R) 상기 허수 절대값(abs(Q))이 0 미만인 경우 상기 P값을 음수 처리하여 상기 프레임의 위상 평균값(P)을 출력하고, 상기 허수 절대값(abs(Q))이 0 이상인 경우 상기 P값을 상기 프레임의 위상 평균값(P)으로 출력하고, 상기 C는 계수를 나타낼 수 있다.
또한, 상기 표적 대상 판단 단계는, 상기 프레임의 위상 평균값을 기초로 하기의 수식을 통한 프레임 간 위상 변화에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분하고, P[n] = Istart - Inext [n], (n≥2) 상기 Istart는 첫 번째 프레임의 위상 평균값으로서 기준으로 설정되고, 상기 Inext는 다음 프레임의 위상 평균값일 수 있다.
본 발명의 또 다른 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 방법은, 적어도 하나의 고정 표적을 대상으로 한 FMCW(Frequency Modulated Continuous Wave) 레이다의 수신신호에 대한 전처리를 수행하는 전처리 수행 단계; 상기 전처리 수행 단계를 통해 전처리가 완료된 디지털신호를 FFT(Fast Fourier Transform)을 통해 주파수 영역의 데이터로 변환하고, 변환된 데이터를 프레임 단위로 합산하고, 프레임 별 데이터 평균값을 산출하는 데이터 평균 산출 단계; 상기 데이터 평균 산출 단계를 통해 산출된 프레임 별 데이터 평균값의 절대값에 CFAR(Constant False Alarm Rate Detection)을 적용하여 고정 표적과의 거리 파악을 통한 고정 표적의 위치를 탐지하는 표적 위치 탐지 단계; 및 상기 표적 위치 탐지 단계를 통해 고정 표적의 위치가 확인된 각각의 프레임의 데이터 평균값에 대한 위상을 구한 후 고정 표적의 위치 별 프레임의 위상 평균값을 계산하고, 첫 번째 프레임의 위상 평균값을 기준으로 설정하고 상기 첫 번째 프레임의 위상 평균값과 다음 프레임의 위상 평균값 간의 차이에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분하는 표적 대상 판단 단계를 포함한다.
또한, 상기 전처리 수행 단계는, FMCW 레이다의 수신신호를 디지털신호로 입력 받고, 입력된 디지털신호에 대해 미리 설정된 수의 첩(chirp)에 대한 데이터 값을 합산하고, 합산된 데이터 값의 평균을 계산하고, 계산된 데이터 평균값과 FMCW 레이다로부터 입력되는 디지털신호의 입력값 간의 차이를 계산하여 DC 성분이 제거된 데이터 차이값을 산출하는 DC 성분 제거 단계; 상기 DC 성분 제거 단계를 통해 DC 성분이 제거된 데이터 차이값을 차수만큼 딜레이하고, 각각의 계수와 곱한 후 합산하는 LPF(Low Pass Filter) 동작 단계; 및 상기 LPF 동작 단계를 통해 출력된 데이터 합산값을 LUT(Look Up Table) 형태로 저장된 해밍 윈도우 파라미터(Hamming Window Parameter)와 승산하는 HW(Hamming Window) 동작 단계를 포함할 수 있다.
또한, 상기 데이터 평균 산출 단계는, 상기 전처리 수행 단계로부터 출력되는 데이터 값에 대하여 BF(Butterfly) 구조에 따른 FFT(Fast Fourier Transform) 연산을 수행하는 FFT 동작 단계; 및 하나의 프레임에 구성된 첩(chirp)의 수만큼 상기 FFT 동작 단계를 통해 연산된 데이터 값을 합산 누적시킨 후 산술자리이동(arithmetic shift)을 통해 평균을 계산하여 프레임 별 데이터 평균값을 산출하는 합산 단계를 포함할 수 있다.
또한, 상기 표적 위치 탐지 단계는, CA CFAR(Cell Average Constant False Alarm Rate) 유닛, OS CFAR(Ordered Statistics Constant False Alarm Rate) 유닛 및 MUX를 이용하고, 상기 데이터 평균 산출 단계를 통해 산출된 프레임 별 데이터 평균값에 포함된 실수 데이터와 허수 데이터를 입력 받되, 단일 표적이 존재하는 균질 환경인 경우 상기 MUX를 통해 상기 CA CFAR 유닛을 선택적으로 구동하고, 다중 표적이 존재하는 비균질 환경이나 클러터(clutter) 또는 잡음이 발생하는 경우 상기 MUX를 통해 상기 OS CFAR 유닛을 선택적으로 구동하여 상기 CA CFAR 유닛 및 상기 OS CFAR 유닛 중 어느 하나의 결과값을 통해 고정 표적의 위치를 탐지할 수 있다.
또한, 상기 표적 대상 판단 단계는, 상기 표적 위치 탐지 단계를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값에 포함된 실수값(I)과 허수값(Q)을 입력 받되 상기 허수값을 절대값으로 변환하여 허수 절대값(abs(Q))으로 입력 받고, 상기 실수값(I)이 0을 초과하는 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하고, R = (I - abs(Q)) / (I + abs(Q)), P = C*(1 - R) 상기 실수값(I)이 0 이하인 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하되, R = (I + abs(Q)) / (abs(Q) - I), P = C*(3 - R) 상기 허수 절대값(abs(Q))이 0 미만인 경우 상기 P값을 음수 처리하여 상기 프레임의 위상 평균값(P)을 출력하고, 상기 허수 절대값(abs(Q))이 0 이상인 경우 상기 P값을 상기 프레임의 위상 평균값(P)으로 출력하고, 상기 C는 계수를 나타낼 수 있다.
본 발명에 따르면, 속도의 변화에 대한 연산 없이 멈춰있는 대상의 호흡 변화 여부를 측정함으로써 사람과 사물의 구분이 가능하고, 2D FFT 없이 1D FFT와 위상의 변화만으로 대상의 호흡 여부를 감지하기에 복잡도가 낮으며, 위상을 추정하여 호흡 여부 측정이 가능함으로써 사람과 사물을 구분하는 FMCW 레이다 신호 처리 시스템 및 그 방법을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 FMCW 레이다 신호 처리 시스템에 대한 개요도이다.
도 2는 본 발명의 일 실시예에 따른 FMCW 레이다 신호 처리 시스템의 전체 하드웨어 구성을 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 전처리 수행부의 하드웨어 구성을 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 데이터 평균 산출부의 하드웨어 구성을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 표적 위치 탐지부의 하드웨어 구성을 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 표적 위치 탐지부에 적용된 CA CFAR 유닛과 OS CFAR 유닛의 하드웨어 구성을 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 표적 대상 판단부의 의사코드를 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 표적 대상 판단부의 하드웨어 구성을 나타낸 도면이다.
도 9는 본 발명의 다른 실시예에 따른 FMCW 레이다 신호 처리 방법의 전체 구성을 나타낸 흐름도이다.
도 10은 본 발명의 다른 실시예에 따른 전처리 수행 단계의 구성을 나타낸 흐름도이다.
도 11은 본 발명의 다른 실시예에 따른 데이터 평균 산출 단계의 구성을 나타낸 도면이다.
도 12는 본 발명의 실험 환경 및 FMCW 레이다 파라미터를 나타낸 도면이다.
도 13은 본 발명의 실험예에 따른 호흡 여부 측정 정확도 및 사람과 사물의 거리 추정 결과를 나타낸 도면이다.
도 14는 본 발명의 실험예에 따른 사람과 사물의 위상 변화를 나타낸 도면이다.
도 15는 본 발명의 실험예에 따른 FPGA 기반 구현 결과를 나타낸 도면이다.
도 16은 본 발명의 실험예에 따른 신호 처리 프로세서와 기존 신호 처리 프로세서의 논리 합성 결과를 나타낸 결과이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나 이상의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 발명의 일 실시예에 따른 FMCW 레이다 신호 처리 시스템에 대한 개요도이다.
도 1에 도시된 바와 같이, 그림 1은 제안된 FMCW 레이다 신호처리 시스템의 개요를 도시한다. ADC (Analog-to-digital converter)를 거쳐 입력된 신호의 DC 성분을 제거하고, FIR 필터 과정을 통해 잡음을 최소화한다. 이후, 해밍 (Hamming) 윈도우를 통해 FFT 연산을 수행한 후 발생할 수 있는 오차를 줄인다. 전처리가 완료된 데이터는 Range-FFT 연산을 통해 주파수 영역으로 변환되고, 변환된 데이터를 프레임 단위로 더하여 시간 내 오차를 줄인다. 연산 과정이 마무리되면 프레임 단위 magnitude의 절댓값을 구하고 CFAR 과정을 거쳐 대상의 위치를 파악한다. 간소화된 아크 탄젠트 함수와 나눗셈 함수를 활용하여 표적 별 위상값의 변화를 구함으로써 호흡 여부를 확인하게 된다.
호흡 여부 확인 알고리즘은 FMCW 레이다의 특성에 기반하고 있다. FMCW 레이다는 선형 주파수 변조한 파장을 연속적으로 방사하고 대상에 충돌해 돌아온 주파수를 이용하는 비트 주파수를 활용하는데, 하기의 수식 1과 같이 비트 주파수(F)와 거리(R)는 비례하는 것을 확인할 수 있다. B는 대역폭, c는 파장의 속도, T는 한 첩 (chirp)의 시간을 나타낸다.
[수식 1]
수식 1과 같이 range-FFT를 통해 대상과의 거리를 구할 수 있지만, 거리 해상도 미만의 움직임을 보이는 호흡 변화는 확인할 수 없다. 반면 대상의 호흡 변화와 같은 미세한 움직임에도 비트 주파수의 위상은 변하기 때문에 이를 이용한다면 호흡 여부를 판단할 수 있다. 하지만 선례의 경우 기준값 없이 짧은 시간에 해당하는 첩 간의 차이를 연속적으로 배열하여 대상의 위상 변화를 인식하지 못하는 경우가 있었다
따라서, 본 실시예에서는 오작동률을 낮추고, 오차를 줄이기 위해 하기의 수식 2와 같이 첫 번째 프레임의 FFT peak의 위상 평균값 Istart를 기준으로 두고 다음 프레임의 위상 평균값인 Inext[n]와 Istart와의 차이를 확인하여 호흡 여부를 확인한다.
[수식 2]
도 2는 본 발명의 일 실시예에 따른 FMCW 레이다 신호 처리 시스템의 전체 하드웨어 구성을 나타낸 블록도이고, 도 3은 본 발명의 일 실시예에 따른 전처리 수행부의 하드웨어 구성을 나타낸 도면이고, 도 4는 본 발명의 일 실시예에 따른 데이터 평균 산출부의 하드웨어 구성을 나타낸 도면이고, 도 5는 본 발명의 일 실시예에 따른 표적 위치 탐지부의 하드웨어 구성을 나타낸 도면이고, 도 6은 본 발명의 일 실시예에 따른 표적 위치 탐지부에 적용된 CA CFAR 유닛과 OS CFAR 유닛의 하드웨어 구성을 나타낸 도면이고, 도 7은 본 발명의 일 실시예에 따른 표적 대상 판단부의 의사코드를 나타낸 도면이며, 도 8은 본 발명의 일 실시예에 따른 표적 대상 판단부의 하드웨어 구성을 나타낸 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 FMCW 레이다 신호 처리 시스템(1000)은 전처리 수행부(100), 데이터 평균 산출부(200), 표적 위치 탐지부(300) 및 표적 대상 판단부(400) 중 적어도 하나를 포함할 수 있다.
상기 전처리 수행부(100)는, 적어도 하나의 고정 표적을 대상으로 한 FMCW(Frequency Modulated Continuous Wave) 레이다의 수신신호에 대한 전처리를 수행할 수 있다.
이를 위해 전처리 수행부(100)는 도 3에 도시된 바와 같이, DC 제거 유닛(110), LPF 유닛(120) 및 HW 유닛(130) 중 적어도 하나를 포함할 수 있다.
상기 DC 제거 유닛(110)은, FMCW 레이다의 수신신호를 디지털신호로 입력 받고, 입력된 디지털신호에 대해 미리 설정된 수의 첩(chirp)에 대한 데이터 값을 합산하고, 합산된 데이터 값의 평균을 계산하고, 계산된 데이터 평균값과 FMCW 레이다로부터 입력되는 디지털신호의 입력값 간의 차이를 계산하여 DC 성분이 제거된 데이터 차이값을 산출할 수 있다. 좀 더 구체적으로는, ADC 이후 unsigned 16bit 형태로 제1 메모리(10)에 저장된 데이터를 읽어서 해당 데이터에 대한 평균을 구하여 DC 성분을 제거할 수 있으며, 이때 레이다를 통해 들어온 신호에 대해 한 첩에 대한 합을 계산할 수 있다. 256개의 데이터가 더해지면 EN 신호를 이용하여 8bit를 시프트(shift) 해주어 평균을 계산하고 입력값과의 차이를 계산한다.
상기 LPF 유닛(120)은, DC 제거 유닛(110)을 통해 DC 성분이 제거된 데이터 차이값을 차수만큼 딜레이하고, 각각의 계수와 곱한 후 합산할 수 있다. 즉, DC가 제거된 데이터에 10차 FIR 필터를 적용하여 후술하는 CFAR 과정에서 생길 수 있는 오차를 최소화할 수 있다.
상기 HW 유닛(130)은, LPF 유닛을 통해 출력된 데이터 합산값을 LUT(Look Up Table) 형태로 저장된 해밍 윈도우 파라미터(Hamming Window Parameter)와 승산할 수 있다. 즉, LPF 유닛(120)에 구성된 FIR 필터의 출력 데이터를 입력 받고, 해당 출력 데이터와 해밍 윈도우(Hamming Window)의 파라미터에 대한 곱셈 연산을 수행한다.
상기 데이터 평균 산출부(200)는, 전처리 수행부(100)를 통해 전처리가 완료된 디지털신호를 FFT(Fast Fourier Transform)을 통해 주파수 영역의 데이터로 변환하고, 변환된 데이터를 프레임 단위로 합산하고, 프레임 별 데이터 평균값을 산출할 수 있다.
이를 위해 데이터 평균 산출부(200)는 도 4에 도시된 바와 같이, FFT 유닛(210) 및 합산 유닛(220) 중 적어도 하나를 포함할 수 있다.
상기 FFT 유닛(210)은, 전처리 수행부(100)로부터 출력되는 데이터 값에 대하여 BF(Butterfly) 구조에 따른 FFT(Fast Fourier Transform) 연산을 수행할 수 있다. 즉, 전처리 수행부(100)로부터 출력되는 데이터는 제1 메모리(10)에 저장되고, FFT 유닛(210)은 제1 메모리(10)에 저장된 데이터를 BF (Butterfly) 구조에 따라 연산할 수 있다. 이때, FFT 유닛(210)은 하드웨어 구조로 낮은 복잡도를 갖는 radix-2 single butterfly 구조로 설계될 수 있다. 이러한 FFT 유닛(210)은 8개의 스테이지로 구성되어 있으며, 스테이지 별로 데이터를 읽고 연산 후 제1 메모리(10)에 저장하는 방식으로 동작할 수 있으며, 이러한 FFT 연산을 마무리하면 프레임 단위로 합산(accumulation) 연산이 진행될 수 있다.
상기 합산 유닛(220)은, 하나의 프레임에 구성된 첩(chirp)의 수만큼 FFT 유닛(210)을 통해 연산된 데이터 값을 합산 누적시킨 후 오른쪽 산술자리이동(right arithmetic shift)을 통해 평균을 계산하여 프레임 별 데이터 평균값을 산출할 수 있으며, 누적(또는 합산)이 완료되면 표적 위치 탐지부(300)로 시작 신호를 전달할 수 있다.
상기 표적 위치 탐지부(300)는, 데이터 평균 산출부(200)를 통해 산출된 프레임 별 데이터 평균값의 절대값에 CFAR(Constant False Alarm Rate Detection)을 적용하여 고정 표적과의 거리 파악을 통한 고정 표적의 위치를 탐지 또는 확인할 수 있다.
일반적으로, 주파수 성분에 대해 표적 여부를 검사할 때 신호 세기가 일정 임계값보다 큰 경우 이를 탐지하게 된다. 이때 고정된 임계값을 사용하는 경우 임계값보다 신호가 약한 표적을 검출하지 못하거나 클러터가 임계값 보다 클 때 표적으로 오검출하는 경우가 있다. 따라서 오경보율(false alarm rate)이 일정 비율이 되도록 CFAR(constant false alarm rate) 알고리즘을 사용하여 임계값을 계산한다.
CFAR 알고리즘 중 하나로 CA CFAR (cell average constant false alarm rate) 알고리즘은 도 6의 (a)에 도시된 바와 같은 기본적인 동작을 수행할 수 있다. 즉, 양쪽에 n개의 참조 셀(reference cell)과 보호 셀(guard cell)로 이루어져 있으며, 판단하게 되는 신호는 중앙의 CUT(cell under test)라고 명명한다. CA CFAR는 양쪽의 참조 셀의 평균을 임계값으로 두어 CUT와 비교하게 된다. CA CFAR는 단순히 평균만을 계산하므로, 연산량이 적으나, 다중 표적이 존재하는 환경이나 클러터 또는 잡음이 발생하는 경우 참조 셀의 평균값이 높아져 탐지 확률이 낮아지는 문제가 있다.
CFAR 알고리즘 중 다른 하나로 OS CFAR (ordered statistic constant false alarm rate) 알고리즘이 있으며, 이는 다중 표적이나 클러터가 존재하는 비균질 환경에서도 낮은 오경보율을 지원 가능하다. 이러한 OS CFAR 알고리즘의 기본적인 동작은 도 6의 (b)에 도시된 바와 같으며, 양쪽 참조 셀의 값들을 오름차순으로 정렬하고, 정렬된 참조 셀 중에서 k 번째의 값을 임계값으로 설정하여 이를 CUT와 비교하게 된다. 상수 k는 참조 셀의 개수의 3/4 번째 값으로 선택하는 방식으로 동작한다. 이러한 OS CFAR는 CA CFAR에 비해 다양한 환경에서 우수한 성능의 오경보율을 지원 가능하지만, 참조 셀을 정렬하는 과정을 거쳐야 하기에 연산량이 크며, 하드웨어 면적이 증가하는 문제가 발생한다.
본 실시예에서는 상기의 문제를 해결하기 위해, 정렬하는 과정을 생략하고 k번째 값만을 계산하는 알고리즘이 탑재된 표적 위치 탐지부(300)을 제안한다. 이러한 표적 위치 탐지부(300)는 도 5에 도시된 바와 같이 CA CFAR(Cell Average Constant False Alarm Rate) 유닛(310), OS CFAR(Ordered Statistics Constant False Alarm Rate) 유닛(320) 및 MUX(330)을 포함할 수 있다.
이에 따라 표적 위치 탐지부(300)는, 데이터 평균 산출부(200)를 통해 산출된 프레임 별 데이터 평균값에 포함된 실수 데이터와 허수 데이터를 입력 받되, 단일 표적이 존재하는 균질 환경인 경우 MUX(330)를 통해 CA CFAR 유닛(310)을 선택적으로 구동하고, 다중 표적이 존재하는 비균질 환경이나 클러터(clutter) 또는 잡음이 발생하는 경우 MUX(330)를 통해 OS CFAR 유닛(320)을 선택적으로 구동하여 CA CFAR 유닛(310) 및 OS CFAR 유닛(320) 중 어느 하나의 결과값을 통해 고정 표적의 위치를 탐지할 수 있다.
좀 더 구체적으로 표적 위치 탐지부(300)에서는, 데이터 평균 산출부(200)를 통해 산출된 프레임 별 데이터 평균값의 실수 정보와 허수 정보가 각각 16비트로 입력되어 슬라이딩 윈도우를 따라 이동할 수 있다. 표적 위치 탐지부(300)는 이와 같은 단일 하드웨어에서 CA CFAR 유닛(310)과 OS CFAR 유닛(320)의 결과를 필요환경에 따라 선택적으로 구동 가능하며, MUX를 통하여 원하는 CFAR의 결과를 출력할 수 있다. CA CFAR 유닛(310)의 경우 균질환경에서 평균을 계산하여 이 값을 CUT와 비교하여 표적의 여부를 탐지하고, OS CFAR 유닛(320)의 경우 비균질 환경에서 표적 여부를 탐지할 수 있다. OS CFAR 유닛(320)은 상술한 k-th 알고리즘을 사용하여 비교기만을 통해 빠른 속도로 연산할 수 있다.
상기 표적 대상 판단부(400)는, 표적 위치 탐지부(300)를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값을 입력 받고, 4분면 아크 탄젠트 함수를 이용하여 고정 표적의 위치 별 프레임의 위상 평균값을 계산하고, 프레임 간 위상 변화에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분할 수 있다.
일반적으로, 신호의 위상을 구하고자 할 때 아크 탄젠트(또는 역 탄젠트) 방식을 통해 위상값을 추출할 수 있다. 그러나, 신호가 signed 형식인 복소수로 입력되면 각 사분면의 위상값을 추출하기 위해 4사분면 아크 탄젠트(또는 역 탄젠트)를 계산할 수 있다. 디지털 신호처리 과정에서 4사분면 아크 탄젠트(도는 역 탄젠트)를 계산하는 방식에 대한 많은 연구가 진행되었으며, 예를 들어 LUT(Look Up Table) 참조 및 다항식 전개와 같은 몇 가지 기술이 잘 알려져 있다. 일반적인 4사분면 아크 탄젠트의 floating-point 연산에는 하기의 수식 3과 같은 나눗셈 연산이 포함될 수 있다.
[수식 3]
그러나, fixed-point 연산에서 나눗셈은 (-1,1)의 fixed-point 범위를 벗어나는 값을 초래할 수 있다. 수식 3과 같은 연산 방식은 높은 복잡도를 가지며 본 실시예의 목적인 낮은 복잡도의 신호 처리 시스템에 적합하지 않다. 따라서, 본 실시예에서는 복소수가 위치한 사분면에 따라 자체 정규화 비율을 계산하는 낮은 복잡도의 4사분면 역탄젠트의 방법을 사용한다. 사용된 4사분면 아크 탄젠트 알고리즘의 의사코드는 도 7에 도시된 바와 같다.
도 7에 도시된 의사코드에 대하여 좀 더 구체적으로 설명하면, 표적 위치 탐지부(300)를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값에 포함된 실수값(I)과 허수값(Q)을 입력 받되 허수값을 절대값으로 변환하여 허수 절대값(abs(Q))으로 입력 받고, 실수값(I)이 0을 초과하는 경우 수식 4에 따라 프레임의 위상 평균값(P)을 계산할 수 있다.
[수식 4]
R = (I - abs(Q)) / (I + abs(Q))
P = C*(1 - R), (C는 계수=pi/4)
여기서, 실수값(I)이 0 이하인 경우 수식 5에 따라 프레임의 위상 평균값(P)을 계산할 수 있다.
[수식 5]
R = (I + abs(Q)) / (abs(Q) - I)
P = C*(3 - R)
다만, 허수 절대값(abs(Q))이 0 미만인 경우 P값을 음수 처리하여 프레임의 위상 평균값(P)을 출력하고, 허수 절대값(abs(Q))이 0 이상인 경우 P값을 프레임의 위상 평균값(P)으로 출력할 수 있다.
상기 표적 대상 판단부(400)는 상기와 같은 방식으로 구해진 프레임의 위상 평균값을 기초로 수식 6을 통한 프레임 간 위상 변화에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분할 수 있다.
[수식 6]
P[n] = Istart - Inext [n], (n≥2)
여기서, Istart는 첫 번째 프레임의 위상 평균값으로서 기준으로 설정되고, Inext는 다음 프레임의 위상 평균값을 의미할 수 있다.
도 8에는 표적 대상 판단부(400)의 하드웨어 구조가 도시되어 있으며, 도 8을 참조하면 표적 대상 판단부(400)는 실수 데이터와 허수 데이터가 각각 16비트로 입력되고 DIV에서 나눗셈을 실행한 뒤 위상값을 출력한다. 나눗셈을 실행하는 DIV는 피제수에서 제수를 감산하는 것을 반복하는 방법으로 구현되며, 이는 한 프레임당 주기가 100ms로 시간이 충분하다는 특징에 기반하였다. 또한, 호흡 여부 측정을 위해 정확한 위상값 계산이 아닌 위상의 변화만을 측정하면 되므로, 연산을 단순화하여 구현함으로써 복잡도 감소를 유도하였다. 또한 입력 데이터의 비트 수를 C0만큼 조절함으로써 DIV의 연산량이 기존 대비 93.6% 감소하였음을 확인하였다.
도 9는 본 발명의 다른 실시예에 따른 FMCW 레이다 신호 처리 방법의 전체 구성을 나타낸 흐름도이고, 도 10은 본 발명의 다른 실시예에 따른 전처리 수행 단계의 구성을 나타낸 흐름도이며, 도 11은 본 발명의 다른 실시예에 따른 데이터 평균 산출 단계의 구성을 나타낸 도면이다.
도 9를 참조하면, 본 발명의 일 실시예에 따른 FMCW 레이다 신호 처리 시스템(1000)은 전처리 수행 단계(S100), 데이터 평균 산출 단계(S200), 표적 위치 탐지 단계(S300) 및 표적 대상 판단 단계(S400) 중 적어도 하나를 포함할 수 있다.
상기 전처리 수행 단계(S100)는, 적어도 하나의 고정 표적을 대상으로 한 FMCW(Frequency Modulated Continuous Wave) 레이다의 수신신호에 대한 전처리를 수행할 수 있다.
이를 위해 전처리 수행 단계(S100)는 도 10에 도시된 바와 같이, DC 성분 제거 단계(S110), LPF 동작 단계(S120) 및 HW 동작 단계(S130) 중 적어도 하나를 포함할 수 있다.
상기 DC 성분 제거 단계(S110)에서는, FMCW 레이다의 수신신호를 디지털신호로 입력 받고, 입력된 디지털신호에 대해 미리 설정된 수의 첩(chirp)에 대한 데이터 값을 합산하고, 합산된 데이터 값의 평균을 계산하고, 계산된 데이터 평균값과 FMCW 레이다로부터 입력되는 디지털신호의 입력값 간의 차이를 계산하여 DC 성분이 제거된 데이터 차이값을 산출할 수 있다. 좀 더 구체적으로는, ADC 이후 unsigned 16bit 형태로 제1 메모리(10)에 저장된 데이터를 읽어서 해당 데이터에 대한 평균을 구하여 DC 성분을 제거할 수 있으며, 이때 레이다를 통해 들어온 신호에 대해 한 첩에 대한 합을 계산할 수 있다. 256개의 데이터가 더해지면 EN 신호를 이용하여 8bit를 시프트(shift) 해주어 평균을 계산하고 입력값과의 차이를 계산한다.
상기 LPF 동작 단계(S120)에서는, DC 성분 제거 단계(S110)을 통해 DC 성분이 제거된 데이터 차이값을 차수만큼 딜레이하고, 각각의 계수와 곱한 후 합산할 수 있다. 즉, DC가 제거된 데이터에 10차 FIR 필터를 적용하여 후술하는 CFAR 과정에서 생길 수 있는 오차를 최소화할 수 있다.
상기 HW 동작 단계(S130)은, LPF 유닛을 통해 출력된 데이터 합산값을 LUT(Look Up Table) 형태로 저장된 해밍 윈도우 파라미터(Hamming Window Parameter)와 승산할 수 있다. 즉, LPF 동작 단계(S120)에 구성된 FIR 필터의 출력 데이터를 입력 받고, 해당 출력 데이터와 해밍 윈도우(Hamming Window)의 파라미터에 대한 곱셈 연산을 수행한다.
상기 데이터 평균 산출 단계(S200)에서는, 전처리 수행 단계(S100)를 통해 전처리가 완료된 디지털신호를 FFT(Fast Fourier Transform)을 통해 주파수 영역의 데이터로 변환하고, 변환된 데이터를 프레임 단위로 합산하고, 프레임 별 데이터 평균값을 산출할 수 있다.
이를 위해 데이터 평균 산출 단계(S200)는 도 11에 도시된 바와 같이, FFT 동작 단계(S210) 및 합산 단계(S220) 중 적어도 하나를 포함할 수 있다.
상기 FFT 동작 단계(S210)에서는, 전처리 수행 단계(S100)로부터 출력되는 데이터 값에 대하여 BF(Butterfly) 구조에 따른 FFT(Fast Fourier Transform) 연산을 수행할 수 있다. 즉, 전처리 수행 단계(S100)로부터 출력되는 데이터는 제1 메모리(10)에 저장되고, FFT 동작 단계(S210)에서는 제1 메모리(10)에 저장된 데이터를 BF (Butterfly) 구조에 따라 연산할 수 있다. 이때, FFT 동작 단계(S210)은 하드웨어 구조로 낮은 복잡도를 갖는 radix-2 single butterfly 구조로 설계될 수 있다. 이러한 FFT 동작 단계(S210)은 8개의 스테이지 별로 데이터를 읽고 연산 후 제1 메모리(10)에 저장하는 방식으로 진행할 수 있으며, 이러한 FFT 연산을 마무리하면 프레임 단위로 합산(accumulation) 연산이 진행될 수 있다.
상기 합산 단계(S220)에서는, 하나의 프레임에 구성된 첩(chirp)의 수만큼 FFT 동작 단계(S210)을 통해 연산된 데이터 값을 합산 누적시킨 후 오른쪽 산술자리이동(right arithmetic shift)을 통해 평균을 계산하여 프레임 별 데이터 평균값을 산출할 수 있으며, 누적(또는 합산)이 완료되면 표적 위치 탐지 단계(S300)로 시작 신호를 전달할 수 있다.
상기 표적 위치 탐지 단계(S300)는, 데이터 평균 산출 단계(S200)를 통해 산출된 프레임 별 데이터 평균값의 절대값에 CFAR(Constant False Alarm Rate Detection)을 적용하여 고정 표적과의 거리 파악을 통한 고정 표적의 위치를 탐지 또는 확인할 수 있다.
일반적으로, 주파수 성분에 대해 표적 여부를 검사할 때 신호 세기가 일정 임계값보다 큰 경우 이를 탐지하게 된다. 이때 고정된 임계값을 사용하는 경우 임계값보다 신호가 약한 표적을 검출하지 못하거나 클러터가 임계값 보다 클 때 표적으로 오검출하는 경우가 있다. 따라서 오경보율(false alarm rate)이 일정 비율이 되도록 CFAR(constant false alarm rate) 알고리즘을 사용하여 임계값을 계산한다.
CFAR 알고리즘 중 하나로 CA CFAR (cell average constant false alarm rate) 알고리즘은 도 6의 (a)에 도시된 바와 같은 기본적인 동작을 수행할 수 있다. 즉, 양쪽에 n개의 참조 셀(reference cell)과 보호 셀(guard cell)로 이루어져 있으며, 판단하게 되는 신호는 중앙의 CUT(cell under test)라고 명명한다. CA CFAR는 양쪽의 참조 셀의 평균을 임계값으로 두어 CUT와 비교하게 된다. CA CFAR는 단순히 평균만을 계산하므로, 연산량이 적으나, 다중 표적이 존재하는 환경이나 클러터 또는 잡음이 발생하는 경우 참조 셀의 평균값이 높아져 탐지 확률이 낮아지는 문제가 있다.
CFAR 알고리즘 중 다른 하나로 OS CFAR (ordered statistic constant false alarm rate) 알고리즘이 있으며, 이는 다중 표적이나 클러터가 존재하는 비균질 환경에서도 낮은 오경보율을 지원 가능하다. 이러한 OS CFAR 알고리즘의 기본적인 동작은 도 6의 (b)에 도시된 바와 같으며, 양쪽 참조 셀의 값들을 오름차순으로 정렬하고, 정렬된 참조 셀 중에서 k 번째의 값을 임계값으로 설정하여 이를 CUT와 비교하게 된다. 상수 k는 참조 셀의 개수의 3/4 번째 값으로 선택하는 방식으로 동작한다. 이러한 OS CFAR는 CA CFAR에 비해 다양한 환경에서 우수한 성능의 오경보율을 지원 가능하지만, 참조 셀을 정렬하는 과정을 거쳐야 하기에 연산량이 크며, 하드웨어 면적이 증가하는 문제가 발생한다.
본 실시예에서는 상기의 문제를 해결하기 위해, 정렬하는 과정을 생략하고 k번째 값만을 계산하는 알고리즘이 탑재된 표적 위치 탐지 단계(S300)를 제안한다. 이러한 표적 위치 탐지 단계(S300)는 도 5에 도시된 바와 같이 CA CFAR(Cell Average Constant False Alarm Rate) 유닛(310), OS CFAR(Ordered Statistics Constant False Alarm Rate) 유닛(320) 및 MUX(330)을 포함하는 표적 위치 탐지부(300)의 동작 기능에 관한 것으로, 데이터 평균 산출 단계(S200)를 통해 산출된 프레임 별 데이터 평균값에 포함된 실수 데이터와 허수 데이터를 입력 받되, 단일 표적이 존재하는 균질 환경인 경우 MUX(330)를 통해 CA CFAR 유닛(310)을 선택적으로 구동하고, 다중 표적이 존재하는 비균질 환경이나 클러터(clutter) 또는 잡음이 발생하는 경우 MUX(330)를 통해 OS CFAR 유닛(320)을 선택적으로 구동하여 CA CFAR 유닛(310) 및 OS CFAR 유닛(320) 중 어느 하나의 결과값을 통해 고정 표적의 위치를 탐지할 수 있다.
좀 더 구체적으로 표적 위치 탐지 단계(S300)에서는, 데이터 평균 산출 단계(S200)를 통해 산출된 프레임 별 데이터 평균값의 실수 정보와 허수 정보가 각각 16비트로 입력되어 슬라이딩 윈도우를 따라 이동할 수 있다. 표적 위치 탐지 단계(S300)는 이와 같은 단일 하드웨어에서 CA CFAR 유닛(310)과 OS CFAR 유닛(320)의 결과를 필요환경에 따라 선택적으로 구동 가능하며, MUX를 통하여 원하는 CFAR의 결과를 출력할 수 있다. CA CFAR 유닛(310)의 경우 균질환경에서 평균을 계산하여 이 값을 CUT와 비교하여 표적의 여부를 탐지하고, OS CFAR 유닛(320)의 경우 비균질 환경에서 표적 여부를 탐지할 수 있다. OS CFAR 유닛(320)은 상술한 k-th 알고리즘을 사용하여 비교기만을 통해 빠른 속도로 연산할 수 있다.
상기 표적 대상 판단 단계(S400)에서는, 표적 위치 탐지 단계(S300)를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값을 입력 받고, 4분면 아크 탄젠트 함수를 이용하여 고정 표적의 위치 별 프레임의 위상 평균값을 계산하고, 프레임 간 위상 변화에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분할 수 있다.
일반적으로, 신호의 위상을 구하고자 할 때 아크 탄젠트(또는 역 탄젠트) 방식을 통해 위상값을 추출할 수 있다. 그러나, 신호가 signed 형식인 복소수로 입력되면 각 사분면의 위상값을 추출하기 위해 4사분면 아크 탄젠트(또는 역 탄젠트)를 계산할 수 있다. 디지털 신호처리 과정에서 4사분면 아크 탄젠트(도는 역 탄젠트)를 계산하는 방식에 대한 많은 연구가 진행되었으며, 예를 들어 LUT(Look Up Table) 참조 및 다항식 전개와 같은 몇 가지 기술이 잘 알려져 있다. 일반적인 4사분면 아크 탄젠트의 floating-point 연산에는 하기의 수식 7과 같은 나눗셈 연산이 포함될 수 있다.
[수식 7]
그러나, fixed-point 연산에서 나눗셈은 (-1,1)의 fixed-point 범위를 벗어나는 값을 초래할 수 있다. 수식 7과 같은 연산 방식은 높은 복잡도를 가지며 본 실시예의 목적인 낮은 복잡도의 신호 처리 시스템에 적합하지 않다. 따라서, 본 실시예에서는 복소수가 위치한 사분면에 따라 자체 정규화 비율을 계산하는 낮은 복잡도의 4사분면 역탄젠트의 방법을 사용한다. 사용된 4사분면 아크 탄젠트 알고리즘의 의사코드는 도 7에 도시된 바와 같다.
도 7에 도시된 의사코드에 대하여 좀 더 구체적으로 설명하면, 표적 위치 탐지 단계(S300)를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값에 포함된 실수값(I)과 허수값(Q)을 입력 받되 허수값을 절대값으로 변환하여 허수 절대값(abs(Q))으로 입력 받고, 실수값(I)이 0을 초과하는 경우 수식 8에 따라 프레임의 위상 평균값(P)을 계산할 수 있다.
[수식 8]
R = (I - abs(Q)) / (I + abs(Q))
P = C*(1 - R), (C는 계수=pi/4)
여기서, 실수값(I)이 0 이하인 경우 수식 9에 따라 프레임의 위상 평균값(P)을 계산할 수 있다.
[수식 9]
R = (I + abs(Q)) / (abs(Q) - I)
P = C*(3 - R)
다만, 허수 절대값(abs(Q))이 0 미만인 경우 P값을 음수 처리하여 프레임의 위상 평균값(P)을 출력하고, 허수 절대값(abs(Q))이 0 이상인 경우 P값을 프레임의 위상 평균값(P)으로 출력할 수 있다.
상기 표적 대상 판단 단계(S400)에서는 상기와 같은 방식으로 구해진 프레임의 위상 평균값을 기초로 수식 10을 통한 프레임 간 위상 변화에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분할 수 있다.
[수식 10]
P[n] = Istart - Inext [n], (n≥2)
여기서, Istart는 첫 번째 프레임의 위상 평균값으로서 기준으로 설정되고, Inext는 다음 프레임의 위상 평균값을 의미할 수 있다.
도 8에는 표적 대상 판단 단계(S400)에서는 실수 데이터와 허수 데이터가 각각 16비트로 입력되고 DIV에서 나눗셈을 실행한 뒤 위상값을 출력한다. 나눗셈을 실행하는 DIV는 피제수에서 제수를 감산하는 것을 반복하는 방법으로 구현되며, 이는 한 프레임당 주기가 100ms로 시간이 충분하다는 특징에 기반하였다. 또한, 호흡 여부 측정을 위해 정확한 위상값 계산이 아닌 위상의 변화만을 측정하면 되므로, 연산을 단순화하여 구현함으로써 복잡도 감소를 유도하였다. 또한 입력 데이터의 비트 수를 C0만큼 조절함으로써 DIV의 연산량이 기존 대비 93.6% 감소하였음을 확인하였다.
도 12는 본 발명의 실험 환경 및 FMCW 레이다 파라미터를 나타낸 도면이고, 도 13은 본 발명의 실험예에 따른 호흡 여부 측정 정확도 및 사람과 사물의 거리 추정 결과를 나타낸 도면이며, 도 14는 본 발명의 실험예에 따른 사람과 사물의 위상 변화를 나타낸 도면이다.
본 실시예에 따른 FMCW 레이다 신호 처리 시스템(1000)은, Verilog-HDL을 이용하여 RTL 설계 후, Zynq-7000 FPGA 디바이스를 이용하여 구현 및 검증되었다 해당 검증 과정에는 FMCW 레이다를 사용하여 얻은 실제 데이터가 사용되었으며, 실험에 사용된 fast-ramp FMCW 레이다의 parameter는 도 12에 도시된 표와 같다. 23.8GHz 대역에서 940MHz 대역폭을 갖는 FMCW 신호를 활용하였으며, 거리 해상도는 0.157 m이다. 한 프레임의 시간은 100ms이며, 프레임 당 256개의 첩, 첩 당 256개의 샘플을 갖는다.
본 실험 환경은 도 12에 도시된 바와 같이 구성되었으며, 사람과 물체를 대상으로 실험을 진행하였다. 사람의 경우, 빠른 호흡, 느린 호흡 등 여러 호흡 상태를 대상으로 남성 2명, 여성 1명에 대해 총 164회의 실험이 진행되었다.
도 13에 도시된 표는 실험 데이터의 호흡 여부를 분석한 결과로 평균 92.1%의 정확도를 확인할 수 있다. 도 13에 도시된 바와 같이, 사람과 사물을 다른 거리에 배치하여 range-FFT를 적용한 결과로 사람과 사물의 위치를 모두 확인할 수 있다.
도 14에 도시된 바와 같이 사람과 사물을 대상으로 위상 변화를 확인한 결과를 나타내고 있으며 도 14의 (a)를 통해 크게 위상 변화가 발생하여 사람이 호흡하고 있다는 것을 알 수 있으며, 도 14의 (b)를 통해 위상 변화가 없어 대상이 사물이라는 것을 확인할 수 있다.
도 15에서는 각 블록의 합성 결과를 제시하고 있으며, 설계된 프로세서는 6,425개의 logic element, 4,243개의 register, 12,288 bits memory로 구현되는 것을 확인하였다.
도 16에서는 제안된 레이다 신호처리 프로세서의 논리 합성 결과와 RDM을 활용한 기존 레이다 신호처리 프로세서의 논리 합성 결과를 비교하여 도시하고 있다. 레이다 시스템의 응용 분야가 상이하여 정확한 비교는 어려우나, 본 실시예에 따른 FMCW 레이다 신호 처리 시스템(1000)의 경우 실내에서의 활용을 목표로 하고 있으며, 2D FFT 연산을 이용하지 않고 1D FFT 연산만을 이용하여 사람과 사물 간의 구분이 가능하도록 설계되었고, 이에 RDM을 활용한 레이다 신호처리 프로세서 대비 logic elements는 67%, register는 56% 감소 가능한 것을 확인하였다.
이상에서 설명한 것은 본 발명에 의한 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템 및 그 방법을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.
1000: FMCW 레이다 신호 처리 시스템
100: 전처리 수행부
110: DC 제거 유닛
120: LPF 유닛
130: HW 유닛
200: 데이터 평균 산출부
210: FFT 유닛
220: 합산 유닛
300: 표적 위치 탐지부
310: CA CFAR 유닛
320: OS CFAR 유닛
330: MUX
400: 표적 대상 판단부
S1000: FMCW 레이다 신호 처리 방법
S100: 전처리 수행 단계
S110: DC 성분 제거 단계
S120: LPF 동작 단계
S130: HW 동작 단계
S200: 데이터 평균 산출 단계
S210: FFT 동작 단계
S220: 합산 단계
S300: 표적 위치 탐지 단계
S400: 표적 대상 판단 단계
10: 제1 메모리
20: 제2 메모리

Claims (22)

  1. 적어도 하나의 고정 표적을 대상으로 한 FMCW(Frequency Modulated Continuous Wave) 레이다의 수신신호에 대한 전처리를 수행하는 전처리 수행부;
    상기 전처리 수행부를 통해 전처리가 완료된 디지털신호를 FFT(Fast Fourier Transform)을 통해 주파수 영역의 데이터로 변환하고, 변환된 데이터를 프레임 단위로 합산하고, 프레임 별 데이터 평균값을 산출하는 데이터 평균 산출부;
    상기 데이터 평균 산출부를 통해 산출된 프레임 별 데이터 평균값의 절대값에 CFAR(Constant False Alarm Rate Detection)을 적용하여 고정 표적과의 거리 파악을 통한 고정 표적의 위치를 탐지하는 표적 위치 탐지부; 및
    상기 표적 위치 탐지부를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값을 입력 받고, 4분면 아크 탄젠트 함수를 이용하여 고정 표적의 위치 별 프레임의 위상 평균값을 계산하고, 프레임 간 위상 변화에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분하는 표적 대상 판단부를 포함하고,
    상기 데이터 평균 산출부는,
    상기 전처리 수행부로부터 출력되는 데이터 값에 대하여 BF(Butterfly) 구조에 따른 FFT(Fast Fourier Transform) 연산을 수행하는 FFT 유닛; 및
    하나의 프레임에 구성된 첩(chirp)의 수만큼 상기 FFT 유닛을 통해 연산된 데이터 값을 합산 누적시킨 후 산술자리이동(arithmetic shift)을 통해 평균을 계산하여 프레임 별 데이터 평균값을 산출하는 합산 유닛을 포함하는 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템.
  2. 제1 항에 있어서,
    상기 전처리 수행부는,
    FMCW 레이다의 수신신호를 디지털신호로 입력 받고, 입력된 디지털신호에 대해 미리 설정된 수의 첩(chirp)에 대한 데이터 값을 합산하고, 합산된 데이터 값의 평균을 계산하고, 계산된 데이터 평균값과 FMCW 레이다로부터 입력되는 디지털신호의 입력값 간의 차이를 계산하여 DC 성분이 제거된 데이터 차이값을 산출하는 DC 제거 유닛;
    상기 DC 제거 유닛을 통해 DC 성분이 제거된 데이터 차이값을 차수만큼 딜레이하고, 각각의 계수와 곱한 후 합산하는 LPF(Low Pass Filter) 유닛; 및
    상기 LPF 유닛을 통해 출력된 데이터 합산값을 LUT(Look Up Table) 형태로 저장된 해밍 윈도우 파라미터(Hamming Window Parameter)와 승산하는 HW(Hamming Window) 유닛을 포함하는 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템.
  3. 삭제
  4. 제1 항에 있어서,
    상기 표적 위치 탐지부는,
    CA CFAR(Cell Average Constant False Alarm Rate) 유닛, OS CFAR(Ordered Statistics Constant False Alarm Rate) 유닛 및 MUX를 포함하고,
    상기 데이터 평균 산출부를 통해 산출된 프레임 별 데이터 평균값에 포함된 실수 데이터와 허수 데이터를 입력 받되, 단일 표적이 존재하는 균질 환경인 경우 상기 MUX를 통해 상기 CA CFAR 유닛을 선택적으로 구동하고, 다중 표적이 존재하는 비균질 환경이나 클러터(clutter) 또는 잡음이 발생하는 경우 상기 MUX를 통해 상기 OS CFAR 유닛을 선택적으로 구동하여 상기 CA CFAR 유닛 및 상기 OS CFAR 유닛 중 어느 하나의 결과값을 통해 고정 표적의 위치를 탐지하는 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템.
  5. 제1 항에 있어서,
    상기 표적 대상 판단부는,
    상기 표적 위치 탐지부를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값에 포함된 실수값(I)과 허수값(Q)을 입력 받되 상기 허수값을 절대값으로 변환하여 허수 절대값(abs(Q))으로 입력 받고,
    상기 실수값(I)이 0을 초과하는 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하고,
    R = (I - abs(Q)) / (I + abs(Q)), P = C*(1 - R)
    상기 실수값(I)이 0 이하인 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하되,
    R = (I + abs(Q)) / (abs(Q) - I), P = C*(3 - R)
    상기 허수 절대값(abs(Q))이 0 미만인 경우 상기 P값을 음수 처리하여 상기 프레임의 위상 평균값(P)을 출력하고,
    상기 허수 절대값(abs(Q))이 0 이상인 경우 상기 P값을 상기 프레임의 위상 평균값(P)으로 출력하고,
    상기 C는 계수를 나타낸 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템.
  6. 제5 항에 있어서,
    상기 표적 대상 판단부는,
    상기 프레임의 위상 평균값을 기초로 하기의 수식을 통한 프레임 간 위상 변화에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분하고,
    P[n] = Istart - Inext [n], (n≥2)
    상기 Istart는 첫 번째 프레임의 위상 평균값으로서 기준으로 설정되고,
    상기 Inext는 다음 프레임의 위상 평균값인 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템.
  7. 적어도 하나의 고정 표적을 대상으로 한 FMCW(Frequency Modulated Continuous Wave) 레이다의 수신신호에 대한 전처리를 수행하는 전처리 수행부;
    상기 전처리 수행부를 통해 전처리가 완료된 디지털신호를 FFT(Fast Fourier Transform)을 통해 주파수 영역의 데이터로 변환하고, 변환된 데이터를 프레임 단위로 합산하고, 프레임 별 데이터 평균값을 산출하는 데이터 평균 산출부;
    상기 데이터 평균 산출부를 통해 산출된 프레임 별 데이터 평균값의 절대값에 CFAR(Constant False Alarm Rate Detection)을 적용하여 고정 표적과의 거리 파악을 통한 고정 표적의 위치를 탐지하는 표적 위치 탐지부; 및
    상기 표적 위치 탐지부를 통해 고정 표적의 위치가 확인된 각각의 프레임의 데이터 평균값에 대한 위상을 구한 후 고정 표적의 위치 별 프레임의 위상 평균값을 계산하고, 첫 번째 프레임의 위상 평균값을 기준으로 설정하고 상기 첫 번째 프레임의 위상 평균값과 다음 프레임의 위상 평균값 간의 차이에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분하는 표적 대상 판단부를 포함하고,
    상기 데이터 평균 산출부는,
    상기 전처리 수행부로부터 출력되는 데이터 값에 대하여 BF(Butterfly) 구조에 따른 FFT(Fast Fourier Transform) 연산을 수행하는 FFT 유닛; 및
    하나의 프레임에 구성된 첩(chirp)의 수만큼 상기 FFT 유닛을 통해 연산된 데이터 값을 합산 누적시킨 후 산술자리이동(arithmetic shift)을 통해 평균을 계산하여 프레임 별 데이터 평균값을 산출하는 합산 유닛을 포함하는 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템.
  8. 제7 항에 있어서,
    상기 전처리 수행부는,
    FMCW 레이다의 수신신호를 디지털신호로 입력 받고, 입력된 디지털신호에 대해 미리 설정된 수의 첩(chirp)에 대한 데이터 값을 합산하고, 합산된 데이터 값의 평균을 계산하고, 계산된 데이터 평균값과 FMCW 레이다로부터 입력되는 디지털신호의 입력값 간의 차이를 계산하여 DC 성분이 제거된 데이터 차이값을 산출하는 DC 제거 유닛;
    상기 DC 제거 유닛을 통해 DC 성분이 제거된 데이터 차이값을 차수만큼 딜레이하고, 각각의 계수와 곱한 후 합산하는 LPF(Low Pass Filter) 유닛; 및
    상기 LPF 유닛을 통해 출력된 데이터 합산값을 LUT(Look Up Table) 형태로 저장된 해밍 윈도우 파라미터(Hamming Window Parameter)와 승산하는 HW(Hamming Window) 유닛을 포함하는 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템.
  9. 삭제
  10. 제7 항에 있어서,
    상기 표적 위치 탐지부는,
    CA CFAR(Cell Average Constant False Alarm Rate) 유닛, OS CFAR(Ordered Statistics Constant False Alarm Rate) 유닛 및 MUX를 포함하고,
    상기 데이터 평균 산출부를 통해 산출된 프레임 별 데이터 평균값에 포함된 실수 데이터와 허수 데이터를 입력 받되, 단일 표적이 존재하는 균질 환경인 경우 상기 MUX를 통해 상기 CA CFAR 유닛을 선택적으로 구동하고, 다중 표적이 존재하는 비균질 환경이나 클러터(clutter) 또는 잡음이 발생하는 경우 상기 MUX를 통해 상기 OS CFAR 유닛을 선택적으로 구동하여 상기 CA CFAR 유닛 및 상기 OS CFAR 유닛 중 어느 하나의 결과값을 통해 고정 표적의 위치를 탐지하는 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템.
  11. 제7 항에 있어서,
    상기 표적 대상 판단부는,
    상기 표적 위치 탐지부를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값에 포함된 실수값(I)과 허수값(Q)을 입력 받되 상기 허수값을 절대값으로 변환하여 허수 절대값(abs(Q))으로 입력 받고,
    상기 실수값(I)이 0을 초과하는 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하고,
    R = (I - abs(Q)) / (I + abs(Q)), P = C*(1 - R)
    상기 실수값(I)이 0 이하인 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하되,
    R = (I + abs(Q)) / (abs(Q) - I), P = C*(3 - R)
    상기 허수 절대값(abs(Q))이 0 미만인 경우 상기 P값을 음수 처리하여 상기 프레임의 위상 평균값(P)을 출력하고,
    상기 허수 절대값(abs(Q))이 0 이상인 경우 상기 P값을 상기 프레임의 위상 평균값(P)으로 출력하고,
    상기 C는 계수를 나타낸 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 시스템.
  12. 적어도 하나의 고정 표적을 대상으로 한 FMCW(Frequency Modulated Continuous Wave) 레이다의 수신신호에 대한 전처리를 수행하는 전처리 수행 단계;
    상기 전처리 수행 단계를 통해 전처리가 완료된 디지털신호를 FFT(Fast Fourier Transform)을 통해 주파수 영역의 데이터로 변환하고, 변환된 데이터를 프레임 단위로 합산하고, 프레임 별 데이터 평균값을 산출하는 데이터 평균 산출 단계;
    상기 데이터 평균 산출 단계를 통해 산출된 프레임 별 데이터 평균값의 절대값에 CFAR(Constant False Alarm Rate Detection)을 적용하여 고정 표적과의 거리 파악을 통한 고정 표적의 위치를 탐지하는 표적 위치 탐지 단계; 및
    상기 표적 위치 탐지 단계를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값을 입력 받고, 4분면 아크 탄젠트 함수를 이용하여 고정 표적의 위치 별 프레임의 위상 평균값을 계산하고, 프레임 간 위상 변화에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분하는 표적 대상 판단 단계를 포함하고,
    상기 데이터 평균 산출 단계는,
    상기 전처리 수행 단계로부터 출력되는 데이터 값에 대하여 BF(Butterfly) 구조에 따른 FFT(Fast Fourier Transform) 연산을 수행하는 FFT 동작 단계; 및
    하나의 프레임에 구성된 첩(chirp)의 수만큼 상기 FFT 동작 단계를 통해 연산된 데이터 값을 합산 누적시킨 후 산술자리이동(arithmetic shift)을 통해 평균을 계산하여 프레임 별 데이터 평균값을 산출하는 합산 단계를 포함하는 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 방법.
  13. 제12 항에 있어서,
    상기 전처리 수행 단계는,
    FMCW 레이다의 수신신호를 디지털신호로 입력 받고, 입력된 디지털신호에 대해 미리 설정된 수의 첩(chirp)에 대한 데이터 값을 합산하고, 합산된 데이터 값의 평균을 계산하고, 계산된 데이터 평균값과 FMCW 레이다로부터 입력되는 디지털신호의 입력값 간의 차이를 계산하여 DC 성분이 제거된 데이터 차이값을 산출하는 DC 성분 제거 단계;
    상기 DC 성분 제거 단계를 통해 DC 성분이 제거된 데이터 차이값을 차수만큼 딜레이하고, 각각의 계수와 곱한 후 합산하는 LPF(Low Pass Filter) 동작 단계; 및
    상기 LPF 동작 단계를 통해 출력된 데이터 합산값을 LUT(Look Up Table) 형태로 저장된 해밍 윈도우 파라미터(Hamming Window Parameter)와 승산하는 HW(Hamming Window) 동작 단계를 포함하는 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 방법.
  14. 삭제
  15. 제12 항에 있어서,
    상기 표적 위치 탐지 단계는,
    CA CFAR(Cell Average Constant False Alarm Rate) 유닛, OS CFAR(Ordered Statistics Constant False Alarm Rate) 유닛 및 MUX를 이용하고, 상기 데이터 평균 산출 단계를 통해 산출된 프레임 별 데이터 평균값에 포함된 실수 데이터와 허수 데이터를 입력 받되, 단일 표적이 존재하는 균질 환경인 경우 상기 MUX를 통해 상기 CA CFAR 유닛을 선택적으로 구동하고, 다중 표적이 존재하는 비균질 환경이나 클러터(clutter) 또는 잡음이 발생하는 경우 상기 MUX를 통해 상기 OS CFAR 유닛을 선택적으로 구동하여 상기 CA CFAR 유닛 및 상기 OS CFAR 유닛 중 어느 하나의 결과값을 통해 고정 표적의 위치를 탐지하는 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 방법.
  16. 제12 항에 있어서,
    상기 표적 대상 판단 단계는,
    상기 표적 위치 탐지 단계를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값에 포함된 실수값(I)과 허수값(Q)을 입력 받되 상기 허수값을 절대값으로 변환하여 허수 절대값(abs(Q))으로 입력 받고,
    상기 실수값(I)이 0을 초과하는 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하고,
    R = (I - abs(Q)) / (I + abs(Q)), P = C*(1 - R)
    상기 실수값(I)이 0 이하인 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하되,
    R = (I + abs(Q)) / (abs(Q) - I), P = C*(3 - R)
    상기 허수 절대값(abs(Q))이 0 미만인 경우 상기 P값을 음수 처리하여 상기 프레임의 위상 평균값(P)을 출력하고,
    상기 허수 절대값(abs(Q))이 0 이상인 경우 상기 P값을 상기 프레임의 위상 평균값(P)으로 출력하고,
    상기 C는 계수를 나타낸 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 방법.
  17. 제16 항에 있어서,
    상기 표적 대상 판단 단계는,
    상기 프레임의 위상 평균값을 기초로 하기의 수식을 통한 프레임 간 위상 변화에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분하고,
    P[n] = Istart - Inext [n], (n≥2)
    상기 Istart는 첫 번째 프레임의 위상 평균값으로서 기준으로 설정되고,
    상기 Inext는 다음 프레임의 위상 평균값인 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 방법.
  18. 적어도 하나의 고정 표적을 대상으로 한 FMCW(Frequency Modulated Continuous Wave) 레이다의 수신신호에 대한 전처리를 수행하는 전처리 수행 단계;
    상기 전처리 수행 단계를 통해 전처리가 완료된 디지털신호를 FFT(Fast Fourier Transform)을 통해 주파수 영역의 데이터로 변환하고, 변환된 데이터를 프레임 단위로 합산하고, 프레임 별 데이터 평균값을 산출하는 데이터 평균 산출 단계;
    상기 데이터 평균 산출 단계를 통해 산출된 프레임 별 데이터 평균값의 절대값에 CFAR(Constant False Alarm Rate Detection)을 적용하여 고정 표적과의 거리 파악을 통한 고정 표적의 위치를 탐지하는 표적 위치 탐지 단계; 및
    상기 표적 위치 탐지 단계를 통해 고정 표적의 위치가 확인된 각각의 프레임의 데이터 평균값에 대한 위상을 구한 후 고정 표적의 위치 별 프레임의 위상 평균값을 계산하고, 첫 번째 프레임의 위상 평균값을 기준으로 설정하고 상기 첫 번째 프레임의 위상 평균값과 다음 프레임의 위상 평균값 간의 차이에 따라 위치 별 고정 표적이 사람 또는 사물인지를 구분하는 표적 대상 판단 단계를 포함하고,
    상기 데이터 평균 산출 단계는,
    상기 전처리 수행 단계로부터 출력되는 데이터 값에 대하여 BF(Butterfly) 구조에 따른 FFT(Fast Fourier Transform) 연산을 수행하는 FFT 동작 단계; 및
    하나의 프레임에 구성된 첩(chirp)의 수만큼 상기 FFT 동작 단계를 통해 연산된 데이터 값을 합산 누적시킨 후 산술자리이동(arithmetic shift)을 통해 평균을 계산하여 프레임 별 데이터 평균값을 산출하는 합산 단계를 포함하는 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 방법.
  19. 제18 항에 있어서,
    상기 전처리 수행 단계는,
    FMCW 레이다의 수신신호를 디지털신호로 입력 받고, 입력된 디지털신호에 대해 미리 설정된 수의 첩(chirp)에 대한 데이터 값을 합산하고, 합산된 데이터 값의 평균을 계산하고, 계산된 데이터 평균값과 FMCW 레이다로부터 입력되는 디지털신호의 입력값 간의 차이를 계산하여 DC 성분이 제거된 데이터 차이값을 산출하는 DC 성분 제거 단계;
    상기 DC 성분 제거 단계를 통해 DC 성분이 제거된 데이터 차이값을 차수만큼 딜레이하고, 각각의 계수와 곱한 후 합산하는 LPF(Low Pass Filter) 동작 단계; 및
    상기 LPF 동작 단계를 통해 출력된 데이터 합산값을 LUT(Look Up Table) 형태로 저장된 해밍 윈도우 파라미터(Hamming Window Parameter)와 승산하는 HW(Hamming Window) 동작 단계를 포함하는 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 방법.
  20. 삭제
  21. 제18 항에 있어서,
    상기 표적 위치 탐지 단계는,
    CA CFAR(Cell Average Constant False Alarm Rate) 유닛, OS CFAR(Ordered Statistics Constant False Alarm Rate) 유닛 및 MUX를 이용하고, 상기 데이터 평균 산출 단계를 통해 산출된 프레임 별 데이터 평균값에 포함된 실수 데이터와 허수 데이터를 입력 받되, 단일 표적이 존재하는 균질 환경인 경우 상기 MUX를 통해 상기 CA CFAR 유닛을 선택적으로 구동하고, 다중 표적이 존재하는 비균질 환경이나 클러터(clutter) 또는 잡음이 발생하는 경우 상기 MUX를 통해 상기 OS CFAR 유닛을 선택적으로 구동하여 상기 CA CFAR 유닛 및 상기 OS CFAR 유닛 중 어느 하나의 결과값을 통해 고정 표적의 위치를 탐지하는 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 방법.
  22. 제18 항에 있어서,
    상기 표적 대상 판단 단계는,
    상기 표적 위치 탐지 단계를 통해 고정 표적의 위치가 확인된 프레임의 데이터 평균값에 포함된 실수값(I)과 허수값(Q)을 입력 받되 상기 허수값을 절대값으로 변환하여 허수 절대값(abs(Q))으로 입력 받고,
    상기 실수값(I)이 0을 초과하는 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하고,
    R = (I - abs(Q)) / (I + abs(Q)), P = C*(1 - R)
    상기 실수값(I)이 0 이하인 경우 하기의 수식에 따라 상기 프레임의 위상 평균값(P)을 계산하되,
    R = (I + abs(Q)) / (abs(Q) - I), P = C*(3 - R)
    상기 허수 절대값(abs(Q))이 0 미만인 경우 상기 P값을 음수 처리하여 상기 프레임의 위상 평균값(P)을 출력하고,
    상기 허수 절대값(abs(Q))이 0 이상인 경우 상기 P값을 상기 프레임의 위상 평균값(P)으로 출력하고,
    상기 C는 계수를 나타낸 것을 특징으로 하는 호흡 기반 사람과 사물을 구분할 수 있는 FMCW 레이다 신호 처리 방법.
KR1020210121484A 2021-09-13 2021-09-13 호흡 기반 사람과 사물을 구분할 수 있는 fmcw 레이다 신호 처리 시스템 및 그 방법 KR102568913B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210121484A KR102568913B1 (ko) 2021-09-13 2021-09-13 호흡 기반 사람과 사물을 구분할 수 있는 fmcw 레이다 신호 처리 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210121484A KR102568913B1 (ko) 2021-09-13 2021-09-13 호흡 기반 사람과 사물을 구분할 수 있는 fmcw 레이다 신호 처리 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20230038867A KR20230038867A (ko) 2023-03-21
KR102568913B1 true KR102568913B1 (ko) 2023-08-21

Family

ID=85801158

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210121484A KR102568913B1 (ko) 2021-09-13 2021-09-13 호흡 기반 사람과 사물을 구분할 수 있는 fmcw 레이다 신호 처리 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102568913B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102628336B1 (ko) * 2023-11-07 2024-01-23 (주)디지탈엣지 차량 접근 및 침입 감지 레이더 시스템 및 그의 레이더 신호 처리 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101828246B1 (ko) 2017-08-08 2018-02-13 한화시스템(주) 차량용 fmcw 레이더의 표적 검출 장치 및 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101438211B1 (ko) * 2012-12-28 2014-09-05 엘아이지넥스원 주식회사 위상 검출 장치 및 그 동작방법
KR20190114086A (ko) * 2018-03-29 2019-10-10 한양대학교 산학협력단 객체 종류 판단 장치 및 방법
KR102215062B1 (ko) * 2019-03-21 2021-02-10 한국항공대학교산학협력단 무인기 탐지를 위한 다중모드 레이더 신호 처리 장치 및 그 방법
KR102221839B1 (ko) * 2019-06-28 2021-03-02 포항공과대학교 산학협력단 잡음 환경 내 실시간 심장 박동수 탐지 장치 및 그 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101828246B1 (ko) 2017-08-08 2018-02-13 한화시스템(주) 차량용 fmcw 레이더의 표적 검출 장치 및 방법

Also Published As

Publication number Publication date
KR20230038867A (ko) 2023-03-21

Similar Documents

Publication Publication Date Title
US11125869B2 (en) Estimating angle of human target using mmWave radar
KR101776703B1 (ko) 레이다 센서 및 이를 이용한 물체 검출 방법
EP3792659A1 (en) Human target tracking system and method
KR101334190B1 (ko) 항적 연관 및 융합을 위한 최소 정보량 산출 방법 및 이의 저장 매체
KR102568913B1 (ko) 호흡 기반 사람과 사물을 구분할 수 있는 fmcw 레이다 신호 처리 시스템 및 그 방법
US20100231455A1 (en) Method and system for detecting signal sources in a surveillance space
KR101766973B1 (ko) 레이더 신호 처리 방법 및 디바이스
US11041947B2 (en) Radar detection methods and systems for identifying moving objects
Hyun et al. Human-vehicle classification scheme using doppler spectrum distribution based on 2D range-doppler FMCW radar
KR101163074B1 (ko) 펄스 도플러 레이더를 이용하여 이동 물체의 거리 및 속도를 측정하기 위한 장치 및 방법
WO2002091009A9 (en) System and method for detection and feature extraction in passive coherent location applications
Endo et al. Multi-person position estimation based on correlation between received signals using mimo fmcw radar
JP4994769B2 (ja) レーダ装置
Ding et al. Multiperspective target tracking approach for Doppler through-wall radar
US11733350B2 (en) Object identification apparatus, object identification method, and object identification program
Steiner et al. Cooperative target detection in a network of single-channel radar sensors
KR101843532B1 (ko) W대역 밀리미터파 탐색기에서 채프 재밍 신호 처리 방법 및 기록매체에 저장된 컴퓨터 프로그램
Ahtiainen et al. Radar based detection and tracking of a walking human
Lee et al. Design of FMCW Radar Signal Processor for Human and Objects Classification Based on Respiration Measurement
US20230021256A1 (en) Apparatus and method for detecting target using radar
Li et al. Stationary Human Target Detection Based on Millimeter Wave Radar in Complex Scenarios
US20220065990A1 (en) Method and system for detecting the tumbling characteristics of space objects
JP4110896B2 (ja) レーダ装置
Nguyen et al. A versatile through-the-wall Doppler radar using BSS algorithms
Kidera et al. Accuracy enhanced RPM method using Doppler based range points clustering for 140GHz band UWB radar

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant