Innovation을 이용한 적응 moving target detection algorithm의 성능에 관한 연구

Abstract

Radar 신호처리 분야에서 moving target detection 기능을 수행하기 위한 algorithm의 추세는 전통적으로 사용되어 온 MTD algorithm에서 점차 성능이 우수한 적응 신호처리 기법으로 대체되고 있다. 이러한 이유는 최근들어 반도체및 디지탈 신호처리 기술의 눈부신 발전에 힘입어 radar signal을 real time으로 처리할 수 있게 되었기 때문이다. Ground clutter의 경우와 같이 clutter signal이 Gaussian spectrum 분포 특성을 갖는 경우에는 전통적인 MTD algorithm도 우수한 target 검출 능력을 갖는다. 그러나 weather clutter등과 같이 clutter의 spectrum이 nonGaussian인 경우에는 MTD algorithm의 성능이 현저히 나빠진다. 본 논문에서는 moving target detection 기능을 수행하기 위하여 IBDA로 알려진 adaptive moving target detection algorithm들을 기술하고, 사용된 각각의 알고리즘에 대한 성능을 비교 검토한다. IBDA는 Kailath의 innovations theory와 clutter signal에 대한 model-dependent work를 기초로 Metford와 Haykin이 개발하였다. IBDA에서는 moving target이 2 개의 innovation process의 sequence에 대한 likelihood ratio test를 수행함으로써 검출된다. Innovation process는 수신된 radar signal을 2 개의 adaptive prediction error filter로 whitening을 함으로써 얻는다. 여기에서 hypothesis $H_1$는 target이 존재하지 않는 경우의 hypothesis이고, hypothesis $H_2$는 target이 존재하는 경우의 hypothesis이다. 수신된 radar signal이 autoregressive process로 modeling되기 때문에 2 개의 PEF는 FIR filter로 구성되고, filter coefficient는 sample-by-sample로 recursive하게 구한다. IBDA의 성능을 측정하기 위하여 simulated data와 real radar data를 사용하였다. PEF coefficient를 update시키는데 Kalman algorithm(IBDA-Kalman), adaptive lattice algorithm(IBDA-lattice), 및 square root Kalman algorithm(IBDA-SRK)등 3 가지 알고리즘을 사용하였다. Simulation 결과 IBDA-SRK가 대부분의 경우 가장 우수한 성능을 갖는다. Stationary clutter 환경에서는 모든 알고리즘의 성능이 대부분의 경우 output SCNR이 15 dB 이상이었다. 특히 IBDA-SRK와 IBDA-lattice의 output SCNR은 대부분 35 dB 이상으로 매우 높았다. Nonstationary clutter 환경의 경우에는 IBDA-SRK와 IBDA-Kalman algorithm은 우수한 성능을 나타냈지만, IBDA-lattice algorithm은 성능이 좋지 않았다. 특히 moving target의 Doppler frequency가 clutter spectrum의 Doppler frequency에 접근할수록 IBDA-SRK의 성능이 다른 알고리즘의 성능보다 더욱 좋아졌다. 또한 weather clutter 환경에서 IBDA-SRK의 성능이 IBDA-Kalman보다 평균 약 5 dB정도 개선되었다.