Author's Note
안녕하세요, HL클레무브에서 차세대 자율주행 레이다의 신호처리 및 인지 알고리즘을 연구하고 있는 유경진 책임연구원입니다.
자율주행의 눈 역할을 하는 레이다(Radar)는 주변 환경을 입체적으로 인식하는 고해상도 4D 이미징 레이다로 빠르게 진화하고 있습니다. 이러한 고해상도 레이다를 구현하기 위해서는 다수의 송수신 안테나를 활용하는 MIMO(Multiple-Input Multiple-Output, 다중입력 다중출력) 기술이 필수적입니다. 하지만 송신 안테나 수가 늘어날수록 송신 신호를 모두 구별해내면서, 도로 위의 작고 반사율이 낮은 미약한 표적(Low-RCS Target)을 정확히 탐지해 내는 것은 기술적으로 매우 까다로운 과제입니다.
이번 엔지니어 노트에서는 차세대 DDM(Doppler Division Multiplexing, 도플러 분할 다중화) 기반 MIMO 레이다 시스템에서 도플러 공간에 흩어진 신호 에너지를 하나로 모아, 노이즈 속에 숨은 미세한 표적까지 정확하게 찾아내는 '순환 정합 필터링 기반 도플러 피크 집중(Folding) 기법'에 대한 연구 성과를 공유하고자 합니다.
[DDM MIMO 레이다란?]
여러 개의 송신 안테나가 동시에 신호를 보내면서도 어느 안테나에서 나온 신호인지 정확하게 구분하여 처리하는 기술입니다. 각 송신 안테나의 신호에 서로 다른 미세한 위상 변화(Phase increment)를 적용함으로써 수신단에서 송신 채널을 분리하고 더 많은 정보를 얻을 수 있게 합니다.
하드웨어 구조가 효율적이고 가상 채널 수를 효과적으로 늘릴 수 있어 차세대 자율주행 센서의 핵심 기술로 주목받고 있습니다.
에너지가 분산되는 DDM 레이다의 구조적 딜레마
기존의 DDM MIMO 레이다 시스템은 각 송신 안테나에 고유한 위상 변화를 주어 채널을 구별합니다. 하지만 이 과정에서 단일 표적(타깃)으로부터 반사되어 돌아온 신호가 도플러 영역(Doppler domain) 상에서 하나의 피크(Peak, 신호 정점)로 나타나지 않고, 송신 채널 수만큼 여러 개의 피크로 쪼개져 분산되는 구조적 한계를 가집니다.
이렇게 신호 에너지가 여러 도플러 인덱스로 잘게 분산되면 치명적인 딜레마가 발생합니다. 도로 위의 작은 낙하물이나 보행자처럼 반사 신호 자체가 약한 저(低) RCS(Rader Cross Section, 반사 면적) 표적의 경우, 분산된 피크 중 일부가 배경 잡음 평면(Noise floor) 아래로 파묻혀 아예 검출되지 않는 현상이 일어나는 것입니다. 일부 피크가 잡음에 묻히면 송신 채널 구별에 모호성이 발생하여 타깃 감지 성능 전체가 약화됩니다.
종래의 기술들은 이를 해결하기 위해 다중 피크의 조합을 사후에 매칭하거나 휴리스틱(중복/누락처리)보정 연구에 의존해 왔으나, 이는 후처리 파이프라인을 비대하게 만들고 연산량을 급증시키는 한계가 있었습니다.
[기존 DDM 방식의 딜레마]
단일 반사 신호 → DDM 위상 분할 → 여러 개의 피크로 에너지가 분산됨
└─ 저 RCS(미약 표적) 신호 ➔ 일부 피크가 Noise Floor 이하로 파묻힘 ➔ 오탐지 및 미검출 위험 증가
돋보기로 빛을 모으듯, 순환 정합 필터링(Circular Matched Filtering)
이에 신호 검출 이후 단계에서 복잡하게 피크 조합을 탐색하는 대신, 신호 탐지 전 전처리 단계에서 원천적으로 분산된 에너지를 하나로 정렬하여 합산하는 'Folding(접기) 기법'을 고안했습니다.
마치 돋보기로 넓게 퍼진 햇빛을 한 점으로 모아 에너지를 집중시키듯, 영상 복원 분야에서 신호의 번짐 왜곡을 보정할 때 사용하는 디컨벌루션(Deconvolution, 합성곱 역연산) 원리를 1차원 도플러 공간에 적용한 것입니다. DDM 송신 고유 특성에 대응하는 이진 형태의 필터 시퀀스를 정의하고 수신 신호와 역방향 순환 정합 필터링(Circular matched filtering)을 수행하면, 도플러 공간 상에 흩어져 있던 반사 에너지가 완벽하게 하나의 기준 도플러 빈(Reference Doppler Bin)으로 정렬 및 집중됩니다.
이 연산을 통해 유효한 타깃 신호 성분은 정렬 합산되어 스펙트럼 상 세기가 증폭되는 반면, 불규칙한 무작위 잡음 성분은 상쇄·평균화되어 억제되는 효과를 얻을 수 있습니다.
저(低) SNR(Signal-to-Noise Ratio, 신호 대 잡음비) 악조건 속에서 입증된 초강건성
제안된 Folding 처리 기법의 정량적 성능은 SNR이 극도로 낮은 가혹 환경 시뮬레이션을 통해 명확하게 입증되었습니다. 안정적인 피크 검출의 통상 기준치인 10dB보다 훨씬 낮은 악조건(0dB~7dB) 속에서 1,000회의 몬테카를로(Monte-Carlo, 확률론적 통계 검증)시뮬레이션을 진행했습니다.
실험 결과, 제안 기법은 기존 DDM 방식과 동일한 탐지 능력을 확보하는 데 필요한 최소 SNR 기준을 약 3dB가량 낮추는 구조적 성능 이득을 증명했습니다.
특히 잡음이 심해 타깃 식별이 어려운 SNR = 1.5 dB 조건에서, 미약 표적의 탐지 성공률(TPR, True Positive Rate)은 처리 전 57.69%에서 처리 후 93.17%로 무려 35.48%p나 수직 상승하는 쾌거를 달성했습니다. 동시에 잡음 스파이크로 인해 주변 구조물을 타깃으로 오인하던 위양성률(FPR, False Positive Rate, 오경보 확률)은 기존 0.35%에서 0.00% 수준으로 완벽하게 제어되었습니다. 이는 레이다 센서 자체의 물리적 한계를 소프트웨어 알고리즘 혁신으로 극복하여 미약 표적 탐지 견고성을 격상시킨 성과입니다.
| 구분 | 처리 전(기존 DDM) | 처리 후(Folding 제안 기법) | 개선 성과 |
| 탐지 성공률(TPR) | 57.69% | 93.17% | 35.48%P 상승 |
| 위양성률/오경보율 (FPR) | 0.35% | 0.00% 수준 | 최소화 달성(0.00%) |
| 필요 최소 SNR | 기준치 (10dB) | -3dB절감 | 탐지 마진 3dB확보 |
프레임당 $6N_d$ FLOPs 수준으로 완성한 임베디드 실시간성
아무리 탐지 성능이 뛰어난 알고리즘이라도 차량용 자율주행 제어기인 DSP(Digital Signal Processor, 디지털 신호 처리기) 및 SoC(System on Chip, 시스템 온 칩) 내에서 지연 없이 실시간으로 구동되지 못하면 양산 제품에 적용할 수 없습니다. 순환 상관 연산을 시간 축에서 매번 계산하면 반복적인 FFT(Fast Fourier Transform, 고속 푸리에 변환) 연산으로 인해 심각한 연산 병목이 발생하게 됩니다.
HL클레무브 연구팀은 임베디드 환경에 최적화된 알고리즘 경량화를 위해, 시간 반전 및 켤레 처리가 완료된 정합 필터 주파수 응답 계수(G[k])를 사전에 단 한 번만 계산하여 메모리에 상주시키는 최적화 경로를 설계했습니다.
실시간 연산 경로에서는 [입력 신호의 FFT ➔ 사전 계산된 필터 계수와의 원소별 복소 곱 ➔ IFFT(Inverse Fast Fourier Transform, 역 고속 푸리에 변환)]로 이어지는 단순 파이프라인만 수행합니다.
이러한 설계를 통해 전체 연산 복잡도는 기존 전처리 연산과 동등한 $O(N_d \log N_d)$ 수준으로 유지되며, 특히 마이크로컨트롤러 코어가 담당해야 하는 비가속 구간의 연산 복잡도를 프레임당 $6N_d$ FLOPs (Floating Point Operations, 부동소수점 연산 수) 수준으로 극단적으로 제한하여 완벽한 고정 지연(Fixed-latency) 실시간 구동을 보장했습니다.
결론: 자율주행 안전 신뢰성을 높이는 기술적 교두보
이번 연구에서 제안한 Folding 기반 도플러 집중 기법은 레이다 반사 에너지를 전처리 단계에서 통합함으로써 저 SNR 환경의 탐지 강건성을 확보하는 동시에, 후속 탐색 연산의 경우의 수를 원천 제거하여 시스템 전체의 파이프라인을 단순화하는 구조적 이점을 완성했습니다.
HL클레무브는 이번 연구를 초석 삼아 실제 차량 주행 환경에서 발생할 수 있는 복잡한 노이즈와 다양한 악조건(RF 오차 및 채널 간섭)까지 선제적으로 대응할 수 있도록 알고리즘 고도화 연구를 지속할 예정입니다.
그 어떤 악천후와 도로 위 노이즈 속에서도 보이지 않는 미세한 위험까지 한 발 앞서 포착해 내는 차세대 자율주행 4D 이미징 레이다 시스템을 완성하기 위해, 기술의 본질을 파고드는 연구를 멈추지 않겠습니다.
