레이다 시영역 신호 모의를 통해 레이다에 수신되는 신호를 실험하지 않고 획득하는 방법은 국방 산업에서 매우 중요하다. 따라서 본 논문에서는 지표면이나 물체 혹은 대기 중 기상 클러터에서 반사되어 되돌아오는 시영역 신호를 모의하는 방법을 제안한다. 기상 클러터의 모의 신호는 실제 기상 데이터를 이용해 생성하며 비, 우박, 눈 등의 클러터 형태에 따라 다르게 모델링한다. 실 기상 데이터와 레이다 방정식을 기반으로 신호의 크기를 결정하며 기상 클러터의 랜덤한 특성을 고려하는 방법을 제안한다. 클러터나 측정 레이다의 움직임을 반영하는 도플러 효과를 적용하는 방법과 다중 펄스를 이용해 이차원의 신호로 확장하며 각 펄스마다 다른 도플러 효과를 적용하면서 펄스 간 연관성을 적용하는 방법을 제안하고 생성된 시영역 신호를 Fast Fourier Transform(FFT)함으로써 Range Doppler(RD) 맵 생성을 통해 적용된 방법의 유효함을 입증한다. 신호 감쇄 정도와 위상 지연 정도를 데이터의 inhomogeneous 특성을 고려해 수치적으로 계산하고 제안하는 해석적 방법으로 검증한다. 레이다가 높은 주파수(X-band)로 동작하는 경우 기상 클러터 입자의 크기에 의해 Mie 산란이 발생하고 구형 입자가 아닌 타원 형상의 계산이 요구되며 위상 지연을 계산할 때 해당 효과를 포함하는 방법을 제안한다. 기상 클러터의 반사 신호를 이용해 기상 상태를 판단할 수 있도록 기상 데이터를 추정하는 방법을 제안하며 앞서 생성된 모의 신호를 사용할 경우, 생성시 이용한 입력 데이터와 비교하며 방법의 타당성을 입증한다.
지표면에서 되돌아오는 신호는 실제 지표면 데이터를 이용하며 Radar Cross Section(RCS) 계산에서 Rough Surface를 가정하고 랜덤효과를 적용해 생성하는 방법을 제안한다. 항공기에 탑재되는 레이다와 같은 경우, 항공기 도플러 효과를 적용하고 펄스간 상관관계를 적용하며 RD map을 생성함으로써 검증한다. 이 경우 신호는 높은 주파수 대역을 이용하므로 대기 상황의 영향을 받기 때문에 기상 상태를 반영한 모의 신호의 생성이 요구되어진다. 대기 상태에 따라 다른 신호 감쇄 효과와 위상 지연 효과를 계산하고 지표면에서 반사되는 신호에 적용하는 방법을 제안한다.
탱크나 차량과 같은 복잡한 물체에서 되돌아오는 신호는 그 형태의 다양성을 고려할 수 있는 Physical Optics(PO)의 방법으로 물체를 해석하며 물체의 위치와 움직임과 방향 정보를 포함하는 시영역 반사 신호의 계산 방법을 제안한다. PO 방법에서 표적이 되는 물체는 삼각형 Mesh로 이산화 되며 그 수는 주파수가 높을수록 증가해 계산의 복잡도가 높아 상당한 계산 시간이 요구된다. 이 경우 MATLAB을 이용해 계산하는 데에 한계가 있어 C언어를 이용해 각 Mesh의 전류나 산란 행렬을 계산함으로 계산 시간을 절감한다. 신호 생성 과정은 편파를 고려한 Polarimetry 산란 행렬을 계산하고 입사각을 함께 고려해 RCS를 계산하며 물체의 움직임을 반영한 도플러 효과를 적용하는 것을 포함한다.
시영역 신호는 앞서 언급한 위상과 크기 등을 고려해 먼저 임펄스 함수의 형태로 생성되며 펄스 압축된 신호의 형태를 컨벌루션 함으로써 완성되고 본 논문에서 효율적인 최종 신호 생성방법을 제안한다. 컨벌루션을 각각의 Mesh에 적용해 합하기 때문에 Mesh 수가 클 때는 계산량이 매우 크다. 따라서 효율적인 계산을 위해 컨벌루션 전 임펄스 신호 생성의 마지막 단계에 동일한 레인지빈 안에 위치하는 다수의 각 Mesh로부터의 임펄스를 코히어런트하게 합쳐 한개의 임펄스 신호만 대표 위치에 생성한다. 이 경우 실제 Mesh의 위치와 최종 임펄스 신호를 생성하는 대표 위치 사이에 차이가 발생하고 이 차이는 컨벌루션 후 신호의 크기와 위상 모두에 오차를 발생시킨다. 크기보다 위상의 오차가 커 위상의 오차를 보정하는 방법을 제안하고 해석적 방법으로 생성한 신호와 비교해 레인지 빈 사이즈에 따른 정확도를 분석한다. 비교과정에서 시간 측정을 통해 다수의 표적이 존재하는 경우 제안하는 방법의 대단히 큰 효율성을 입증한다.
본 연구에서 제안하는 레이다 시영역 신호 모의 방법은 실험의 부재에 대한 해결방안이 되며 계산의 복잡도로 인해 요구되는 시간 자원 문제를 효과적으로 해결할 방안이 된다. 기상 상황의 악화를 나타낼 수 있는 반사 신호로 신호 생성에 있어서 다양성을 고려하는 방법을 제안한다. 이후 다량의 모의 신호 생성을 통해 수천에서 많게는 수십만개의 샘플을 요구하는 Artificial Intelligence(AI) 트레이닝에 사용될 데이터 생성에 기여할 수 있으며 시영역 신호의 후처리로 생성된 RD map의 결과 또한 트레이닝 데이터로써 활용 가능하다. 이외에도 후처리를 거쳐 Synthetic Aperture Radar(SAR) 이미징 알고리즘 개발 등 다양한 연구 방향이 제시된다.