병렬 역투영 공통 희소성 기반 압축센싱을 이용한 군집 바이/멀티스태틱 SAR 표적 탐지 개선 연구 = Target Detection Performance Improvement in Distributed Bi-/Multistatic SAR Using Parallel Back-Projection and Joint Sparsity-Based Compressive Sensing

국문 초록 (Abstract)

SAR(Synthetic Aperture Radar)는 탑재체에 장착되어 주·야간 및 다 양한 기상 조건에서 고해상도 원격 탐사를 수행할 수 있는 영상 레 이다 기술이다. 최근 위성 군집과 무인기 편대의 발전에 따라 바이 스태틱 및 멀티스태틱 SAR 구조로의 전환이 활발히 이루어지고 있 다. 이러한 다중 플랫폼 구조는 물리적으로 분리된 송신기와 수신기 를 통해 서로 다른 관측 각도에서 표적 정보를 획득함으로써, 단일 플랫폼 대비 유연한 운용 능력과 향상된 표적 탐지 성능을 제공한 다. 그러나 플랫폼 간 동기화 문제, 복잡한 기하학적 정합, 신호 감 쇠, 재밍으로 인한 데이터 손실 등의 기술적 과제가 존재한다. 본 논문에서는 바이스태틱 및 멀티스태틱 SAR 환경에서 다중 SAR 영상을 효과적으로 합성하여 영상 품질을 향상시키기 위한 병 렬 역투영 공통 희소성 기반 압축센싱 알고리즘을 제안한다. 제안된 방법은 두 가지 핵심 개념을 통합한다. 첫째, 복수 측정 벡터 기반 압축센싱을 적용하여 여러 채널에서 획득한 SAR 영상에 공통 희소 성 제약을 부여함으로써, 각 채널의 정보를 상호 보완적으로 활용하 여 강건하고 정확한 영상 복원을 달성한다. 둘째, Back-Projection Algorithm과 압축센싱의 막대한 연산 부담을 완화하기 위해 블록 병 렬 처리 기법을 도입하여 실용적인 처리 시간 내에 고품질 SAR 영 상을 생성한다. 제안된 알고리즘은 점 표적 기반 모의실험, 지상 차량 기반 멀티 스태틱 SAR 실험, 그리고 상용 위성 ICEYE의 Dwell 모드 데이터를 sub-aperture로 분할한 가상 멀티스태틱 구조를 통해 검증되었다. 차 량 실험에서는 30m 기선 거리를 포함한 세 개의 수신 채널을 운용 하여 태양광 패널 표적에 대해 영상 품질 향상을 보였으며, ICEYE 데이터 실험에서는 코너 리플렉터, 인공 구조물, 논밭 등 다양한 표 적 유형에서 독립적 단일 채널 압축센싱 대비 우수한 성능을 확인 하였다. 본 연구는 다중 SAR 영상 합성을 통한 품질 개선이라는 핵심 목 표를 달성하기 위해, MMV-CS의 공통 희소성 제약, BPA의 기하학 적 정밀도, 블록 병렬 처리의 연산 효율성을 효과적으로 결합한 실 용적 해결책을 제공하며, 향후 차세대 분산 SAR 시스템의 핵심 영 상 처리 기술로 활용될 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

This paper describes a Block-Parallel Back-Projection Multiple Measurement Vector Compressive Sensing algorithm for effectively synthesizing multiple SAR images to enhance image quality in bi-/multistatic SAR environments. With the rapid advancement of satellite constellations and UAV swarms, multi-platform SAR configurations have gained attention for their enhanced flexibility and improved target detection from multiple observation angles. However, they face technical challenges including inter-platform synchronization, complex geometric registration, signal attenuation, and data loss due to jamming.
The proposed method integrates two key concepts. First, it extends the compressive sensing from Single Measurement Vector to Multiple Measurement Vector model, applying joint sparsity constraints across multiple channels. This enables complementary utilization for information from all channels, achieving robust and accurate image reconstruction even when some channels experience degraded signal quality or data loss. Second, to mitigate the computational burden of combining Back-Projection Algorithm with Compressive Sensing (CS), a block-parallel processing technique is introduced to achieve practical processing times while maintaining high image quality.
The proposed algorithm is validated through simulations and real-world experiments, including ground vehicle-based multistatic SAR and ICEYE satellite Dwell mode data. Results demonstrate significant image quality improvements, achieving enhancement for vehicle-based experiments and superior performance across diverse target types in satellite data.
This research provides a practical solution for multi-SAR image synthesis by effectively combining the joint sparsity constraints of MMV-CS, the geometric precision of BPA, and the computational efficiency of block-parallel processing. The proposed framework addresses critical technical barriers in achieving quality enhancement through multi-image fusion, and is expected to serve as a core image processing technology for next-generation distributed SAR systems.

Keywords : SAR, Multistatic, BPA, CS, MMV, Joint Sparsity, Multi-image Synthesis, Parallel Processing

목차 (Table of Contents)

• 제1장 서 론 1
• 제2장 모노/바이스태틱 SAR 알고리즘 5
• 2.1 바이스태틱 SAR 관측 모델 5
• 2.2 바이스태틱 Back-Projection(BP) 알고리즘 8
• 제3장 바이/멀티스태틱 환경을 위한 압축센싱 11
• 3.1 압축센싱 개요 11
• 3.2 복수 측정 벡터 기반 압축센싱 14
• 3.3 모노스태틱 Back-Projection 기반 압축센싱 알고리즘 18
• 3.4 군집 바이/멀티스태틱 Back-Projection 기반 압축센싱 알고리즘 22
• 3.5 병렬 Back-Projection 기반 압축센싱 알고리즘 25
• 제4장 모의실험 및 실데이터 적용 30
• 4.1 압축센싱 적용 모의실험 30
• 4.1.1 점 표적 기반 압축센싱 적용 모의실험 30
• 4.1.2 잡음 환경에서의 BPA-CS 성능 검증 33
• 4.1.3 Gotcha 데이터를 이용한 모의실험 36
• 4.2 차량 기반 실험 바이/멀티스태틱 데이터 획득 및 적용 39
• 4.2.1 바이스태틱 SAR 실험 시나리오 적용 39
• 4.2.2 바이/멀티스태틱 SAR 실험 시나리오 적용 41
• 4.3 위성 Dwell 모드 Sub-aperture 분할 기반 압축센싱 적용 49
• 4.3.1 코너 리플렉터 영역 분석 50
• 4.3.2 논밭 영역 분석 57
• 4.3.3 인공 구조물 영역 분석 64
• 제5장 결 론 67
• 참 고 문 헌 69
• ABSTRACT 74