KR20190091817A - 길쌈 신경회로망을 이용한 레이더 신호 처리 장치 및 방법 - Google Patents

Abstract

디지털 변환된 FMCW 레이더 신호를 N개 변조 주기에 걸쳐변조 주기 단위로 푸리에 변환한 2차원 데이터를 CNN(Convolutional Neural Network) 에 입력하여 각 거리 인덱스별 타겟 존재 확률을 구하고 이를 통해 거리 인덱스들, 즉 비트 주파수들이 선택된다. CNN 크기를 줄이기 위해, 2차원 데이터에 대해 윈도윙(windowing)이 적용된다.
선택된 비트 주파수들에 대해 거리 데이터를 다시 푸리에 변환하여 속도 인덱스별 계수값이 산출될 수 있다. 이로부터 타겟의 거리와 속도가 산출될 수 있다.

Description

길쌈 신경회로망을 이용한 레이더 신호 처리 장치 및 방법{Method and Apparatus for Radar Signal Processing Using Convolutional Neural Network}

레이더에서 수신한 신호를 처리하는 기술이 개시된다.

예를 들어 미국 공개특허공보 US2015/0226848A1에 개시된 것과 같은 주파수 변조 연속파 (Frequency Modulated Continuous Wave: FMCW) 레이더의 신호처리 기술이 알려져 있다. 타겟에서 반사되고 수신 안테나를 통해 수신한 반사파는 디지털 변환되고 PRI(pulse repetition interval) 단위로 FFT(Fast Fourier Transform) 변환되어 거리 인덱스(range index) 별 계수값인 거리 데이터가 계산된다. N개 PRI 동안의 FFT 변환된 데이터가 메모리에 저장된다. 이후에 저장된 데이터에 대해 거리 인덱스별로 두번째 FFT 변환을 수행하여 속도 인덱스별 계수값들이 계산되고 메모리에 저장된다. 메모리에 저장된 거리-속도 인덱스별 계수값들 중 타겟일 가능성이 높은 계수값들이 CFAR(Constant False Alarm Rate) 검파를 통해 선택된다. 이후에 선택된 타겟들의 속도와 거리가 출력될 수 있다.

여기서 CFAR 검파는 잡음과 클러터(clutter)가 존재하는 환경에서 가변적인 검출 임계값을 적용하여 오경보율을 일정하게 유지하면서 잡음과 클러터를 제거하고, 의미 있는 비트 주파수를 선택한다. 검출 임계값의 선택 방식에 따라 CA-CFAR(Cell-Averaging CFAR), OS0-CFAR(Order Statistics-CFAR) 등이 알려져 있다. 검출 임계값에 따라 탐지실패나 과탐지 문제가 발생한다. 그러나 다양한 환경 조건에 따라 검출 임계값을 적절히 설정하는 것은 아직도 어려운 문제이다.

제안된 발명은 레이더 신호에서 타겟들을 검출하는 신뢰성을 높이는 것을 목적으로 한다. 나아가 레이더 신호 처리 알고리즘을 간단하게 하는 것을 추가적인 목적으로 한다.

일 양상에 따르면, 디지털 변환된 FMCW 레이더 신호를 N개 변조 주기에 걸쳐변조 주기 단위로 푸리에 변환한 2차원 데이터를 CNN(Convolutional Neural Network) 에 입력하여 각 거리 인덱스별 타겟 존재 확률을 구하고 이를 통해 거리 인덱스들, 즉 비트 주파수들이 선택된다. CNN 크기를 줄이기 위해, 2차원 데이터에 대해 윈도윙(windowing)이 적용된다.

추가적인 양상에 따르면, 선택된 비트 주파수들에 대해 거리 데이터를 다시 푸리에 변환하여 속도 인덱스별 계수값이 산출된다. 이로부터 타겟의 거리와 속도가 산출될 수 있다.

제안된 발명에 따라, FMCW 레이더 신호 처리에 있어서 탐지 실패나 과탐지의 문제가 효율적으로 회피되는 것을 시뮬레이션을 통해 확인할 수 있었다. 또한 기존에 비해 회로적으로 더 복잡하지 않고 또 계산량을 줄일 수 있는 방법을 제시하였다.

도 1은 일 실시예에 따른 레이더 신호 처리 방법의 구성을 도시한 흐름도이다.
도 2는 제안된 발명의 일 실시예에 따른 레이더 신호 처리 방법을 도식적으로 설명하는 개념도이다.
도 3은 일 실시예에 따른 레이더 신호 처리 장치의 구성을 도시한 블록도이다.
도 4는 또다른 실시예에 따른 레이더 신호 처리 장치의 구성을 도시한 블록도이다.

전술한, 그리고 추가적인 양상들은 첨부된 도면을 참조하여 설명하는 실시예들을 통해 구체화된다. 각 실시예들의 구성 요소들은 다른 언급이나 상호간에 모순이 없는 한 실시예 내에서 다양한 조합이 가능한 것으로 이해된다.

도 1은 일 실시예에 따른 레이더 신호 처리 방법의 구성을 도시한 흐름도이다. 안테나에서 수신된 레이더 신호는 증폭, 주파수 합성 및 필터링되고 디지털로 샘플링되어 제안된 발명에 따른 FMCW 디지털 레이더 신호로 공급된다. 도시된 바와 같이, N개 변조 주기(PRI: Pulse Repetition Interval)를 포함하는 FMCW 디지털 레이더 신호는 변조 주기 단위로 푸리에 변환되어, 거리 인덱스(range index)별 계수값인 거리데이터가 생성된다(단계 S110). 도 2는 제안된 발명의 일 실시예에 따른 레이더 신호 처리 방법을 도식적으로 설명하는 개념도이다. 시간 - 주파수 그래프에서 실선은 송신 안테나를 통해 송신된 레이더 신호를 도시하고, 점선은 수신 안테나를 통해 수신되는 레이더 신호를 도시한다. 첩(Chirp)이라고도 하는 변조주기를 PRI라고 하고 샘플링 주파수를 fs라고 하면 변조 주기 당 샘플 개수는 PRI×fs 이다. PRI×fs 개의 입력을 가진 M-포인트 FFT를 통해 M개의 계수값이 생성된다. 푸리에 변환된 계수값들은 거리 정보를 포함하고 있다는 의미에서 본 명세서에서 '거리 데이터'로 지칭된다.

이후에, 관심 거리 인덱스와 그 주변 거리 인덱스에 해당하는 거리 데이터로 구성되는 1차원 데이터를 PRI 주기의 시간축 상에서 누적한 2차원 윈도우 데이터가 선택된다(단계 S130). 2차원 윈도우는 관심 거리 인덱스와, 그 좌우에 각각 W개씩의 주변 거리 인덱스에 해당하는 거리 데이터로 구성될 수 있다. 도 3의 실시예에서는 빗금으로 표시된 관심 거리 인덱스의 계수값들을 중심으로 그 주변 좌우에 2개씩의 거리 인덱스에 해당하는 거리 데이터가 윈도윙(windowing) 된다. 이 2차원 윈도우 데이터는 관심 거리 인덱스의 데이터의 타겟 여부 판단을 위해 그 주변의 거리 인덱스의 데이터도 같이 고려하기 위해 설정된다.

2차원 윈도우에 포함되는 주변 거리 인덱스의 범위(2W)는 계산량을 고려하여 적절하게 결정될 수 있다. W값을 크게 하면 정확도가 좋아지지만 계산량이 증가한다. W값이 어느 정도 이상 커지면 더 이상 성능 변화가 없으므로 적절한 크기를 결정한다.

이후에 선택된 윈도우의 데이터들은 CNN(Convolutional Neural Network) 신경망 회로에 입력되며, 관심 거리 인덱스의 타겟 존재 확률이 구해진다(단계 S150). 일반적으로 길쌈신경회로망은 이미지에서 필터와의 길쌈 연산을 통해 길쌈 피쳐(convolution feature)를 추출하고 이를 이용해 분류를 하는 것으로, 주로 이미지의 처리에 적용된다. 제안된 발명은 FMCW 디지털 레이더 신호를 PRI 단위로 푸리에 변환하여 N개의 PRI 주기에 대한 2차원 배열된 데이터를 길쌈신경회로망으로 처리함으로써 타겟 식별의 신뢰성이 기존의 CFAR에 비해 개선되는 것을 발견하였다. 발명자는 이 2차원 비트 주파수 데이터들이 이미지와 유사한 특성을 가짐에 따라 이러한 결과가 달성되지 않나 추측한다.

이후에 모든 거리 인덱스의 데이터에 대해 단계들(S130,S150)이 반복된다(단계 S170). 이러한 과정은 하나의 CNN 처리 모듈에 대해 윈도윙한 데이터를 순차적으로 공급하여 처리할 수도 있고, 동일하게 학습된 M개의 CNN 처리 모듈에 병렬적으로 윈도우 데이터를 공급하여 처리할 수도 있고, 동일하게 학습된 M/P 개의 CNN 처리 모듈에 모듈별로 P개의 윈도우 데이터를 순차적으로 공급하여 처리할 수도 있다. 이를 위해 CNN 처리 모듈은 N개 주기의 푸리에 변환된 거리 데이터 중 관심 거리 인덱스를 포함하는 2차원 윈도우와, 그 관심 거리 인덱스에 타겟의 존재 여부 데이터의 학습을 통해 준비된다.

이후에, 각 거리 인덱스의 타겟 존재 확률들로부터 타겟이 존재하는 거리 인덱스가 선정된다(단계 S190). 일 실시예에서, 타겟의 존재 확률이 80% 이상인 거리 인덱스가 타겟이 존재하는 거리 인덱스로 선정된다.

제안된 발명의 또다른 양상에 따르면, 일 실시예에 따른 레이더 신호 처리 방법은 타겟이 존재하는 거리 인덱스의 거리 데이터를 푸리에 변환하여 속도 인덱스별 계수값을 산출하는 제2 푸리에 변환 단계(S210) 및 선정된 타겟들의 거리 및 속도를 출력하는 출력 단계(S230) 를 더 포함할 수 있다. 도 2는 선정된 2개의 타겟들에 대해 거리 및 속도를 계산하는 예를 도시하고 있다.

1^st FFT의 출력 계수값들을 PRI 인덱스, 즉 시간축 방향으로 2^nd FFT를 통해 변환된 푸리에 계수값들은 속도 정보를 포함하고 있다는 의미에서 '속도 인덱스'별 계수값으로 지칭된다. FMCW 레이더에서 비트 주파수로부터 거리 및 속도를 구하는 계산은 잘 알려져 있으므로 이의 설명은 생략한다.

도 3은 일 실시예에 따른 레이더 신호 처리 장치의 구성을 도시한 블록도이다. 도시된 바와 같이, 일 실시예에 따른 레이더 신호 처리 장치는 제1 푸리에 변환부(120)와, 변환 메모리(113)와, 길쌈 신경회로망(140)과, 제1 메모리 제어기(130), 그리고 타겟 선정부(150)를 포함한다. 안테나에서 수신된 레이더 신호는 증폭, 주파수 합성 및 필터링되고 디지털로 샘플링되어 제안된 발명에 따른 레이더 신호 처리 장치에 공급된다. 본 명세서에서는 이 신호를 FMCW 디지털 레이더 신호라 한다.

제1 푸리에 변환부(120)는 FMCW 디지털 레이더 신호를 변조 주기(PRI : Pulse Repetition Interval) 단위로 푸리에 변환하여 거리 인덱스(range index)별 계수값인 거리 데이터를 생성한다. 도시된 실시예에서, 푸리에 변환은 고속 푸리에 변환(FFT : Fast Fourier Transform)을 이용한다. 첩(Chirp)이라고도 하는 변조주기를 PRI라고 하고 샘플링 주파수를 fs라고 하면 변조 주기 당 샘플 개수는 PRI×fs 이다. 따라서 버퍼 메모리(111)는 PRI×fs의 크기를 가진다. M-포인트 푸리에 변환을 통해 M개의 주파수 성분의 계수값을 구할 경우 도 3에서 거리 인덱스(range index)는 1∼M의 값을 가진다. 제1 푸리에 변환부(120)에서 푸리에 변환된 계수값들은 거리 정보를 포함하고 있다는 의미에서 본 명세서에서 '거리 데이터'로 지칭된다. N개의 PRI 주기에 대해 푸리에 변환된 거리 데이터가 변환 메모리(113)에 저장된다. 도시된 실시예에서 변환 메모리는 M×N의 크기를 가진다. 실수부와 허수부를 처리하기 위해 변환 메모리(113)는 M×N의 크기의 두 개의 메모리 블록을 포함한다.

길쌈신경회로망(CNN : Convolutional Neural Network)(140)은 관심 거리 인덱스와 그 주변의 거리 인덱스에 해당하는 거리 데이터로 구성되는 1차원 데이터를 PRI 주기의 시간축 상에서 누적한 2차원 윈도우 데이터를 입력받아 관심 거리 인덱스의 타겟 존재 확률을 구한다. 일반적으로 길쌈신경회로망은 이미지에서 필터와의 길쌈 연산을 통해 길쌈 피쳐(convolution feature)를 추출하고 이를 이용해 분류를 하는 것으로, 주로 이미지의 처리에 적용된다. 제안된 발명은 FMCW 디지털 레이더 신호를 PRI 단위로 푸리에 변환하여 N개의 PRI 주기에 대한 2차원 배열된 데이터를 길쌈신경회로망으로 처리함으로써 타겟 식별의 신뢰성이 기존의 CFAR에 비해 개선되는 것을 발견하였다. 발명자는 이 2차원 비트 주파수 데이터들이 이미지와 유사한 특성을 가짐에 따라 이러한 결과가 달성되지 않나 추측한다.

2차원 윈도우는 관심 거리 인덱스와, 그 좌우에 각각 W개의 주변 거리 인덱스에 해당하는 거리 데이터로 구성될 수 있다. 도시된 실시예에서, 점선으로 도시된 2차원 윈도우(115)는 빗금친 관심 거리 인덱스(range index of interest)와 그 좌우에 각각 1개의 거리 인덱스에 해당하는 거리 데이터로 구성된다. 그러나 W는 1,2,3… 의 값을 가질 수 있으며, 2차원 윈도우는 관심 거리 인덱스와, 그 좌우의 임의의 개수의 주변 거리 인덱스에 해당하는 거리 데이터를 포함할 수 있다. W값이 커지면 어느 정도까지는 정확도가 좋아지지만 계산량이 계속 증가한다. W값이 어느 정도 이상 커지면 계산량만 늘고 성능 변화가 없으므로 적절한 크기의 값을 결정한다. 길쌈 신경 회로망(140)은 이 2차원 윈도우 데이터를 입력받아 가운데 관심 거리 인덱스에 타겟이 존재할 확률을 출력한다.

이를 위해 길쌈 신경 회로망(140)은 N개 주기의 푸리에 변환된 거리 데이터 중 관심 거리 인덱스를 포함하는 2차원 윈도우와, 그 관심 거리 인덱스에 타겟의 존재 여부 데이터의 학습을 통해 준비된다. 제1 메모리 제어기(130)는 변환 메모리(113)에 저장된 거리 데이터를 2차원 윈도우 단위로 길쌈 신경회로망에 제공한다. 도시된 실시예에서, 제1 메모리 제어기(130)는 직접 메모리 액세스(Direct Memory Access) 제어기를 포함한다. 제1 메모리 제어기(130)는 DMA 제어기에 2차원 윈도우(115)의 시작 주소와 블록 크기를 입력하고, 길쌈신경회로망(140)의 입력 버퍼의 시작 주소를 입력한 후 DMA 싸이클을 개시하도록 한다. 첫번째 2차원 윈도우에 대해 처리가 완료되면 2차원 윈도우는 그 다음 관심 거리 인덱스로 이동하고, 이러한 과정이 모든 거리 인덱스, 즉 1∼M 까지의 거리 인덱스에 대해 반복된다.

또다른 실시예에서, 길쌈 신경회로망(140)은 각각이 2차원 윈도우의 거리 데이터를 처리하는 단위 길쌈 신경회로망들을 거리 인덱스의 개수인 M개 구비할 수 있다. 변환 메모리(113)는 각 거리 인덱스별로 독립적으로 액세스 가능한 단위 메모리들로 구성된다. 하나의 단위 메모리로부터의 데이터는 2차원 윈도우의 폭에 해당하는 개수만큼의 인접한 단위 길쌈 신경회로망들로 제공되도록 데이터 버스가 준비된다. 메모리 제어기(130)는 M개의 길쌈 신경회로망에 변환 메모리(113)의 2차원 윈도우의 거리 데이터를 동시에 제공하도록 제어한다.

타겟 선정부(150)는 길쌈 신경회로망(140)에서 산출된 각 거리 인덱스의 타겟 존재확률들로부터 타겟이 존재하는 거리 인덱스를 선정한다. 일 실시예에서, 타겟 선정부(150)는 타겟의 존재 확률이 80% 이상인 거리 인덱스를 선정하여 출력한다.

또다른 양상에 따르면, 레이더 신호 처리 장치는 타겟이 존재하는 것으로 판정된 거리 데이터를 푸리에 변환하여 속도 정보를 제공할 수 있다. 타겟이 존재하는 것으로 판정된 거리 데이터에 대해서만 푸리에 변환이 수행되므로, 푸리에 변환 횟수를 줄일 수 있고 계산량을 줄일 수 있다. 도 4는 이러한 양상이 구현된 또다른 실시예에 따른 레이더 신호 처리 장치의 구성을 도시한 블록도이다. 도시된 실시예에서, 도 3과 동일한 도면 부호로 참조된 구성들은 유사한 구성을 가지므로 상세한 설명을 생략한다.

도시된 바와 같이, 레이더 신호 처리 장치는 제2 푸리에 변환부(160)와, 제2 메모리 제어기(180), 그리고 출력부(170)를 더 포함할 수 있다. 제2 푸리에 변환부(160)는 동일한 거리 인덱스를 가진 거리 데이터를 푸리에 변환하여 속도 인덱스별 계수값을 산출한다. 도시된 실시예에서 제2 푸리에 변환부(160)는 고속 푸리에 변환기(FFT)이다. 제1 푸리에 변환부(120)에서 변환된 푸리에 계수들을 PRI 인덱스, 즉 시간축 방향으로 다시 푸리에 변환한 계수값들은 속도 정보를 포함하고 있다는 의미에서 '속도 인덱스'별 계수값으로 지칭된다. 제2 메모리 제어기(180)는 타겟 선정부(150)에서 선정된 거리 인덱스의 거리 데이터를 제2 푸리에 변환부(160)에 제공한다. 출력부(170)는 제2 푸리에 변환부의 출력들로부터 선정된 타겟들의 거리 및 속도 정보를 산출하여 출력한다. FMCW 레이더에서 비트 주파수로부터 거리 및 속도를 구하는 계산은 잘 알려져 있으므로 설명은 생략한다.

이상에서 본 발명을 첨부된 도면을 참조하는 실시예들을 통해 설명하였지만 이에 한정되는 것은 아니며, 이들로부터 당업자라면 자명하게 도출할 수 있는 다양한 변형예들을 포괄하도록 해석되어야 한다. 특허청구범위는 이러한 변형예들을 포괄하도록 의도되었다.

111 : 버퍼 메모리 113 : 변환 메모리
115 : 2차원 윈도우 120 : 제1 푸리에 변환부
130 : 메모리 제어기 140 : 길쌈 신경회로망
150 : 타겟 선정부 160 : 제2 푸리에 변환부
170 : 출력부 180 : 제2 메모리 제어기

Claims (4)

1. N개 변조 주기(PRI)를 포함하는 FMCW 디지털 레이더 신호를 변조 주기 단위로 푸리에 변환하여 거리 인덱스(range index)별 계수값인 거리데이터를 생성하는 제1 푸리에 변환 단계;
   관심 거리 인덱스와 그 주변 거리 인덱스에 해당하는 거리 데이터로 구성되는 1차원 데이터를 PRI 주기의 시간축 상에서 누적한 2차원 윈도우 데이터를 CNN(Convolutional Neural Network) 신경망 회로에 입력하여 관심 거리 인덱스의 타겟 존재 확률을 구하는 길쌈신경회로망 처리 단계와;
   CNN 처리 단계를 모든 거리 인덱스에 대해 반복하는 단계;
   각 거리 인덱스의 타겟 존재 확률들로부터 타겟이 존재하는 거리 인덱스를 선정하는 타겟 선정 단계;
   를 포함하는 레이더 신호 처리 방법.
   
2. 제 1 항에 있어서, 레이더 신호 처리 방법이 :
   타겟이 존재하는 거리 인덱스의 거리 데이터를 푸리에 변환하여 속도 인덱스별 계수값을 산출하는 제2 푸리에 변환 단계와,
   선정된 타겟들의 거리 및 속도를 출력하는 출력 단계;
   를 더 포함하는 레이더 신호 처리 방법.
   
3. FMCW 디지털 레이더 신호를 변조 주기(PRI : Pulse Repetition Interval) 단위로 푸리에 변환하여 거리 인덱스(range index)별 계수값인 거리데이터를 생성하는 제1 푸리에 변환부;
   거리 데이터를 N개 변조 주기에 걸쳐 저장하는 변환 메모리와;
   관심 거리 인덱스와 그 주변의 거리 인덱스에 해당하는 거리 데이터로 구성되는 1차원 데이터를 PRI 주기의 시간축 상에서 누적한 2차원 윈도우 데이터를 입력받아 관심 거리 인덱스의 타겟 존재 확률을 구하는 길쌈 신경회로망과;
   변환 메모리에 저장된 거리 데이터를 2차원 윈도우 단위로 길쌈 신경회로망에 제공하는 제1 메모리 제어기와;
   길쌈 신경회로망에서 산출된 각 거리 인덱스의 타겟 존재확률들로부터 타겟이 존재하는 거리 인덱스를 선정하는 타겟 선정부;
   를 포함하는 레이더 신호 처리 장치.
   
4. 제 1 항에 있어서, 레이더 신호 처리 장치가 :
   동일한 거리 인덱스를 가진 거리 데이터를 푸리에 변환하여 속도 인덱스별 계수값을 산출하는 제2 푸리에 변환부와;
   타겟 선정부에서 선정된 거리 인덱스의 거리 데이터를 제2 푸리에 변환부에 제공하는 제2 메모리 제어기; 그리고
   제2 푸리에 변환부의 출력들로부터 선정된 타겟들의 거리 및 속도 정보를 산출하여 출력하는 출력부;
   를 더 포함하는 레이더 신호 처리 장치.
   

Images