신호 처리 흐름과 MTI 이후의 경계

탐지기가 보는 입력은 어디서 만들어지고, 무엇이 라벨에 들어가고 무엇이 빠지는가?

이 사례의 처리 흐름은 장면에서 신경망으로 바로 가지 않는다. 물리 장면에서 beat 신호가 만들어지고, 수신기 양자화와 MTI를 거친 뒤에 RD 맵이 생긴다. 라벨, CA-CFAR, U-Net은 모두 이 RD 맵 다음 단계에 이어진다. 그림에서 ▶를 누를 때마다 합성 장면 하나가 이 흐름의 한 단계를 지난다. beat 샘플이 거리 FFT로 range bin이 되고, Doppler FFT로 RD 맵이 되며, MTI가 zero-Doppler 줄을 지운 맵 위에 라벨과 CA-CFAR 탐지가 차례로 놓인다.

탐지 데이터셋과 같은 9.6 GHz, 50 MHz, chirp 64개 × range bin 200개로 합성한 장면이고, 정지 클러터와 움직이는 표적 S, W, T는 그림을 위해 놓았다. ③에서 초록 셀은 라벨, 붉은 테두리는 CA-CFAR가 탐지한 셀이다.

MTI 전의 RD 맵에서는 정지 클러터가 zero-Doppler 줄을 따라 잡음 중앙값보다 49 dB까지 밝다. slow-time 평균을 빼면 그 줄의 전력이 28.7 dB 줄고 움직이는 표적 셋이 남는다. 세 표적은 모두 6 dB 라벨 기준을 넘는다. CA-CFAR($P_{FA}=10^{-5}$)는 S와 T의 라벨 셀을 잡지만, 흔들리는 클러터가 zero-Doppler 근처에 남긴 ridge에서 라벨 밖 셀 10개를 탐지하고, S 바로 옆의 W는 놓친다. U-Net의 출력은 학습한 신경망이 있어야 나오므로 이 그림에 그리지 않았다. 실제 테스트 장면의 U-Net 탐지는 뒤의 결과 절에 있다.

처리 흐름의 단계는 각각 다음 일을 맡는다.

• 장면(scene): 시뮬레이터가 만드는 물리 무대이다. 표적과 정지 산란체(건물, 지면 클러터)가 좌표, 속도, RCS와 함께 정의된다.
• FMCW beat: 송신 chirp와 수신 에코를 dechirp 믹싱하면 표적까지의 왕복 시간이 기저대역의 주파수 차이로 바뀐다. 이 차이가 beat 주파수이다(7장).
• ADC I/Q: 기저대역 신호를 고정 눈금의 16비트 I/Q로 양자화한다. 동적 범위와 noise floor가 이 단계에서 정해진다.
• MTI: slow time(느린 시간, 같은 range bin의 chirp 축) 평균을 빼서 zero-Doppler 성분을 없앤다(9장). 정지 클러터는 거의 사라지고 움직이는 표적만 남는다.
• RD 맵: 거리 FFT로 거리 축을, Doppler FFT로 속도 축을 만들어 64 × 200 격자를 완성한다(8장). 학습 입력은 이 격자이다.

탐지기가 보는 입력은 원시 beat가 아니라 MTI를 거친 RD 맵이다. 라벨도, CA-CFAR도, U-Net도 모두 이 RD 맵에서 출발하므로, 비교가 공정하려면 먼저 이 RD 맵이 같아야 한다.

MTI 이후의 탐지 경계

장면에 정지 클러터가 있다고 해서 라벨이 정지 클러터 셀을 모두 포함하지는 않는다. MTI(slow-time 평균 제거)는 zero-Doppler 성분을 줄여 정지 클러터를 사실상 지우고, 라벨은 MTI 뒤에 관측할 수 있는 움직이는 표적의 마스크로 만든다.

이 경계는 지표의 해석과 바로 이어진다. 이 사례를 클러터까지 모두 탐지하는 신경망 CFAR로 이해하면, 정지 클러터를 놓쳤다고 탐지기를 탓하기 쉽다. 그러나 이 사례가 만드는 것은 클러터를 지운 뒤 움직이는 표적을 찾는 탐지기이다. 정지 클러터는 hard negative(표적처럼 보여 틀리기 쉬운 음성 샘플)이자 배경 구조로 남아 탐지를 어렵게 하지만, 양성 표적으로 세지 않는다.

반대로 너무 느린 표적도 곤란하다. MTI는 zero-Doppler 근처의 성분까지 함께 깎으므로, $|v_r| \lesssim \Delta v$인 보행자 같은 느린 표적은 신호 자체가 약해진다. 탐지 데이터셋은 zero-Doppler 근처의 표적을 라벨에서 빼 이 영역을 일부러 비워 두고, 확장 실험에서 따로 다룬다.

CA-CFAR가 정지 클러터를 자연히 잡을 수 있다는 직관은 MTI 이전의 RD 맵에서는 맞을 수 있다. 그러나 지금의 입력은 MTI를 거친 RD 맵이고, 평가 라벨은 MTI 뒤의 움직이는 표적을 중심으로 정의된다. CA-CFAR도 이 입력에서는 정지 클러터를 거의 보지 못하므로, "U-Net이 정지 표적을 못 잡는다"는 비판은 맞지 않는다.