선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 양자화 기법은 양자화 문턱값(Quantization Threshold)의 설정에 따라 성능이 달라지게 된다. 본 논문에서는 원시데이터의 특성을 반영하여 양자화 문턱값을 최적화 하는 기법을 제안하고자 한다. 이를 위해 블록의 동적 범위를 이용하여 블록의 유형을 결정하는 방법과, 유형별 문턱값을 결정하는 방법을 설명한다.
- 본 논문에서는 위성탑재 영상레이다 시스템에 적용하는 원시데이터 압축기법인 블록 적응 양자화 기법에 대해 문턱값을 최적화하는 방법을 제시하였다. 특히 평균의 변화에 영향을 받지 않는 동적범위를 이용한 분산추정기법을 제시하였고, 동적범위의 분포를 이용하여 블록의 유형결정을 위한 QST를 구하는 방법을 제시하였다.
- 본 논문에서는 절대값의 합 대신 동적범위(Dynamic Range)를 이용하여 분산을 추정하고자 한다. 동적범위는 블록 내 최대값과 최소값의 차이로 정의되며, 동적 범위가 클수록 분산이 클 것이라 예상할 수 있다.
- 사용한 영상레이다 원시데이터는 항공우주연구원으로부터 양자화 알고리즘의 연구목적으로 제공받아 사용하였다. 원시데이터의 DN(Digital Number)값만을 이용하여 양자화 및 복원하여 양자화를 적용한 후의 품질저하를 확인하고자 하였다.
제안 방법
- 10:5 BAQ를 적용하고자 실제 위성탑재 영상레이다의 8비트 원시데이터에 내삽법(Interpolation)을 적용하여 10비트 정수로 변환하여 10비트 원시데이터를 제작하였다. 여기에 본 논문에서 제안한 최적화 방법을 통해 QST 및 양자화 문턱값의 대조테이블을 작성하였다.
- 이후 BAQ를 수행하여 문턱값 최적화 전후 BAQ에 의한 영향을 살펴보았다. BAQ수행 후 압축된 데이터는 복원하여 10비트 원시데이터로 변환하여 오차를 비교하였다.
- BAQ전후의 성능저하를 확인하기 위해 영상레이다의 품질을 확인하는 지표인 NESZ(Noise Equivalent Sigma Zero)와 연관되는 SNR저하(Signal-to-Noise Ratio Degradation)를 살펴보았다[4,14].
- 실제로 제안한 QST추정 법이 블록의 유형을 보다 균일하게 나눌 수 있음을 확인하였다. QST 결정시 각 유형별 확률을 동일하게 하여 블록의 분포를 고르게 하고, 결과적으로 블록의 특성을 잘 표현하여 유형별 양자화 문턱값의 최적화를 수행할 수 있게 한다.
- 각 블록의 유형에 맞게 선정된 문턱값을 이용하여 블록 내 샘플들을 양자화한다. 양자화 과정은 샘플의 크기보다 작은 문턱값의 개수로 계산한다.
- 기존 위성에서 사용된 BAQ문턱값을 최적화 전의 문턱값으로 하였고, 논문에서 제안한 최적화 방법으로 획득한 BAQ문턱값과 비교하였다. BAQ적용을 통해 SNR저하를 계산하여 아래 Fig.
- 본 논문에서는 10비트 입력을 양자화하여 5비트로 압축하였다. 따라서 블록의 유형별로 31개의 문턱값을 구하였다. Fig.
- 먼저 평균이 0인 정규분포를 따르는 복소수 샘플 64만개를 생성하여 10비트 정수로 변환하였다. 생성된 이상적인 신호에 입력 노이즈를 5~19dB 범위에서 단계적으로 추가하여 실제 원시데이터를 모사하였다.
- 이때의 입력노이즈는 118가지 시나리오에 대해 작성하였다. 모사된 원시데이터에 동일한 QST와 문턱값을 사용 하여 BAQ적용 전/후의 SNR저하를 측정하였다. 입력 노이즈의 크기에 따라 총 118개의 경우에 대해 시뮬레이션을 실시하였고, 64만개의 10비트 복소수 샘플을 생성하여 수행하였다.
- 본 논문에서 제안한 BAQ기법은 연산량 및 메모리 활용 측면에서 위성체 하드웨어 구현하기 유리하고, 원시데이터가 정규분포를 따르지 않는 경우에도 신뢰할만한 문턱값을 작성하게 해준다. 특히 고해상, 고화질을 요구하는 영상레이다 개발 추세에 필수적인 데이터 압축기법에 수반되는 영상의 품질저하를 최소화할 수 있고, 특히 다양한 운영 시나리오를 반영한 문턱값 최적화도 가능하여 향후 영상레이다 개발 및 영상레이다 운영과정에 활용할 수 있으리라 기대된다.
- 출력비트가 L이라면, 2L -1개의 문턱값이 필요하다. 본 논문에서는 10비트 입력을 양자화하여 5비트로 압축하였다. 따라서 블록의 유형별로 31개의 문턱값을 구하였다.
- 기존 연구에서는 QST를 이용하여 블록의 유형을 나누는 단계가 생략되거나 문턱값을 구하는 방법과 동일하게 표준편차에 계수를 곱해 설정[3,5]하거나 Lloyd-Max알고리즘[13]을 사용하였다. 본 논문에서는 다음의 두 단계를 통해 QST를 구하는 방법을 제안한다.
- 본 장에서는 3장에서 제시한 BAQ 문턱값 최적화 기법을 영상레이다 원시데이터를 이용하여 수행하고, 이를 활용한 결과를 설명하고자 한다. 사용한 영상레이다 원시데이터는 항공우주연구원으로부터 양자화 알고리즘의 연구목적으로 제공받아 사용하였다.
- 먼저 평균이 0인 정규분포를 따르는 복소수 샘플 64만개를 생성하여 10비트 정수로 변환하였다. 생성된 이상적인 신호에 입력 노이즈를 5~19dB 범위에서 단계적으로 추가하여 실제 원시데이터를 모사하였다. 이때의 입력노이즈는 118가지 시나리오에 대해 작성하였다.
- 10:5 BAQ를 적용하고자 실제 위성탑재 영상레이다의 8비트 원시데이터에 내삽법(Interpolation)을 적용하여 10비트 정수로 변환하여 10비트 원시데이터를 제작하였다. 여기에 본 논문에서 제안한 최적화 방법을 통해 QST 및 양자화 문턱값의 대조테이블을 작성하였다. 이후 BAQ를 수행하여 문턱값 최적화 전후 BAQ에 의한 영향을 살펴보았다.
- 위의 최적화된 대조테이블이 다른 원시데이터에 적용하여도 동일하게 품질저하가 적은지 확인하기 위하여 원시데이터를 모사하여 BAQ전후의 SNR저하를 확인해보았다.
- 본 챕터에서는 영상레이다 원시데이터를 이용하여 BAQ 문턱값을 최적화하는 과정을 설명한다. 이와 관련하여 동적 범위(Dynamic Range)를 이용한 분산 추정 방법[9]과 정규분포의 누적분포함수(Cumulative Distribution Function)의 역함수를 사용한 블록 유형 결정 방법을 제안하고, 블록 유형별 문턱값 계산방법을 설명한다.
- 여기에 본 논문에서 제안한 최적화 방법을 통해 QST 및 양자화 문턱값의 대조테이블을 작성하였다. 이후 BAQ를 수행하여 문턱값 최적화 전후 BAQ에 의한 영향을 살펴보았다. BAQ수행 후 압축된 데이터는 복원하여 10비트 원시데이터로 변환하여 오차를 비교하였다.
- 제안된 QST계산법을 이용하여 블록을 유형별로 분류한 후 각 유형에 적합한 양자화 문턱값을 결정한다. 본 논문에서는 영상레이다 원시데이터에서 유형별 블록 내 샘플을 모아 Lloyd-max알고리즘[13]을 이용하여 샘플의 양자화 오차가 최소가 되는 최적의 문턱값을 구하였다.
- 제안한 방법을 이용한 양자화의 성능을 확인하기 위해 SAR 영상에서 양자화 전후의 NESZ(Noise Equivalent Sigma Zero) 변화를 측정하였다[4,14]. 양자화 전후의 SNR(Signal to Noise Ratio)을 비교하여 양자화 후 저하된 SNR은 NESZ에 반영되므로[14], SNR저하를 줄이는 기법이 더 우수하다고 판단할 수 있다.
- 본 논문에서는 위성탑재 영상레이다 시스템에 적용하는 원시데이터 압축기법인 블록 적응 양자화 기법에 대해 문턱값을 최적화하는 방법을 제시하였다. 특히 평균의 변화에 영향을 받지 않는 동적범위를 이용한 분산추정기법을 제시하였고, 동적범위의 분포를 이용하여 블록의 유형결정을 위한 QST를 구하는 방법을 제시하였다. 구한 QST를 이용하여 동일한 유형의 블록을 모아 Lloyd-Max 알고리즘을 통해 문턱값을 구하고, 대조테이블로 저장하여 위성탑재 영상레이다에 적용하고자 한다.
대상 데이터
- 본 장에서는 3장에서 제시한 BAQ 문턱값 최적화 기법을 영상레이다 원시데이터를 이용하여 수행하고, 이를 활용한 결과를 설명하고자 한다. 사용한 영상레이다 원시데이터는 항공우주연구원으로부터 양자화 알고리즘의 연구목적으로 제공받아 사용하였다. 원시데이터의 DN(Digital Number)값만을 이용하여 양자화 및 복원하여 양자화를 적용한 후의 품질저하를 확인하고자 하였다.
- 모사된 원시데이터에 동일한 QST와 문턱값을 사용 하여 BAQ적용 전/후의 SNR저하를 측정하였다. 입력 노이즈의 크기에 따라 총 118개의 경우에 대해 시뮬레이션을 실시하였고, 64만개의 10비트 복소수 샘플을 생성하여 수행하였다.
데이터처리
- 누적분포함수는 [0, 1] 구간에서 분포하는 확률로 y축에 나타난다. 이를 32등분한 지점을 표시하였고, 각 점들의 x좌표가 누적분포 함수의 역함수로 단위는 정규분포의 표준편차이다.
이론/모형
- 특히 평균의 변화에 영향을 받지 않는 동적범위를 이용한 분산추정기법을 제시하였고, 동적범위의 분포를 이용하여 블록의 유형결정을 위한 QST를 구하는 방법을 제시하였다. 구한 QST를 이용하여 동일한 유형의 블록을 모아 Lloyd-Max 알고리즘을 통해 문턱값을 구하고, 대조테이블로 저장하여 위성탑재 영상레이다에 적용하고자 한다.
- 블록의 동적범위를 이용하여 블록의 유형을 결정하기 위해 동적범위에 대한 QST를 정의해야 한다. 기존 연구에서는 QST를 이용하여 블록의 유형을 나누는 단계가 생략되거나 문턱값을 구하는 방법과 동일하게 표준편차에 계수를 곱해 설정[3,5]하거나 Lloyd-Max알고리즘[13]을 사용하였다. 본 논문에서는 다음의 두 단계를 통해 QST를 구하는 방법을 제안한다.
- 제안된 QST계산법을 이용하여 블록을 유형별로 분류한 후 각 유형에 적합한 양자화 문턱값을 결정한다. 본 논문에서는 영상레이다 원시데이터에서 유형별 블록 내 샘플을 모아 Lloyd-max알고리즘[13]을 이용하여 샘플의 양자화 오차가 최소가 되는 최적의 문턱값을 구하였다.
- 이는 입력이 평균이 0인 정규분포를 따르지 않기 때문으로 이상적인 전 지구의 원시데이터 입력에 대한 범용적인 문턱값을 작성한다면, 0을 포함하고 0에 대해 대칭인 문턱값을 설정해야 한다. 이를 위해 샘플에 절대값을 취하여 Lloyd-max알고리즘의 입력으로 넣어 문턱값을 계산한 뒤, -부호를 통해 음수의 문턱값을 생성한다. 이러한 형태의 문턱 값은 부호를 나타내는 비트 없이 절대값만을 저장하여도 되므로, 메모리 사용량을 줄일 수 있어 위성탑재 영상레이다에 적용하기에 유리하다.
성능/효과
- BAQ기법 적용 시 블록 내 샘플이 128 복소수 샘플로 이루어지므로 각 블록의 통계적 특성이 왜곡될 가능성이 많았다. 향후 블록의 길이를 증가시키며 SNR 저하를 관측하면 BAQ기법의 성능을 향상시킬 수 있는 최적의 블록 길이를 제시할 수 있으리라 판단된다.
- 이를 통해 문턱값 최적화가 영상레이다의 품질지표인 NESZ의 저하를 줄이는 역할을 수행함을 확인할 수 있었다. 결과적으로 본 논문에서 제안한 문턱값 최적화 방법을 이용하면, 기존과 동일한 압축비로 압축을 수행하면서도 원시데이터의 품질을 잘 보존할 수 있었다.
- 따라서 제시한 문턱값 최적화 방법이 실제 BAQ 성능향상에 도움을 준다는 것을 확인할 수 있었다.
- 제안한 BAQ기법이 기존의 방법보다 SNR저하가 작아 NESZ측면에서 신호품질의 저하가 적어 데이터 압축에 의한 왜곡이 감소하였다. 또한, 입력 신호의 SNR이 증가할수록 BAQ에 의한 SNR저하가 증가함을 확인할 수 있다.
- 문턱값 최적화를 수행한 뒤 실제 영상레이다 원시 데이터 및 시뮬레이션된 원시데이터에서 BAQ를 수행하였고, 최적화를 통해 양자화에 의한 SNR저하가 줄어드는 것을 확인하였다. 이를 통해 문턱값 최적화가 영상레이다의 품질지표인 NESZ의 저하를 줄이는 역할을 수행함을 확인할 수 있었다.
- 앞의 두 결과와 비교할 때 구간별 분포된 블록의 개수가 균일한 것을 확인할 수 있다. 실제로 제안한 QST추정 법이 블록의 유형을 보다 균일하게 나눌 수 있음을 확인하였다. QST 결정시 각 유형별 확률을 동일하게 하여 블록의 분포를 고르게 하고, 결과적으로 블록의 특성을 잘 표현하여 유형별 양자화 문턱값의 최적화를 수행할 수 있게 한다.
- 문턱값 최적화를 수행한 뒤 실제 영상레이다 원시 데이터 및 시뮬레이션된 원시데이터에서 BAQ를 수행하였고, 최적화를 통해 양자화에 의한 SNR저하가 줄어드는 것을 확인하였다. 이를 통해 문턱값 최적화가 영상레이다의 품질지표인 NESZ의 저하를 줄이는 역할을 수행함을 확인할 수 있었다. 결과적으로 본 논문에서 제안한 문턱값 최적화 방법을 이용하면, 기존과 동일한 압축비로 압축을 수행하면서도 원시데이터의 품질을 잘 보존할 수 있었다.
- 11에서 최적화 전의 BAQ에 의한 SNR저하는 위쪽 x마커로 표시하였고, 제안한 방법을 사용한 최적화 후의 결과는 아래 o마커로 표시하였다. 제안한 BAQ기법이 기존의 방법보다 SNR저하가 작아 NESZ측면에서 신호품질의 저하가 적어 데이터 압축에 의한 왜곡이 감소하였다. 또한, 입력 신호의 SNR이 증가할수록 BAQ에 의한 SNR저하가 증가함을 확인할 수 있다.
후속연구
- 또한 다양한 원시데이터를 이용한다면, 영상레이다 운영 시나리오별 최적화도 수행할 수 있을 것이다. 그러나 대조테이블 업데이트도 시간 및 자원을 소모하므로, 향후 보편적인 원시데이터에 적용할 수 있도록 범용적인 문턱값을 제시하는 방안에 대한 연구가 필요하다고 판단된다. 최근 전지구의 RCS 특성에 대한 연구[15,16]를 활용한다면 이 방향의 연구에 도움이 될 것으로 기대된다
- 이는 최적화에 사용한 원시데이터의 특성이 문턱값에 반영되어, 이상적인 정규분포의 신호에서는 오히려 오차가 늘어난 것으로 생각된다. 따라서 지역, 시기, 고도 등 원시데이터 획득 특징에 따라 문턱값 최적화를 수행하여 대조테이블을 저장한 후 영상레이다 운영에 따라 대조테이블을 업데이트하여 적용한다면, 원시데이터 압축에 의한 양자화 오차를 최소화 할 수 있을 것으로 보인다.
- 향후 블록의 길이를 증가시키며 SNR 저하를 관측하면 BAQ기법의 성능을 향상시킬 수 있는 최적의 블록 길이를 제시할 수 있으리라 판단된다. 또한 다양한 원시데이터를 이용한다면, 영상레이다 운영 시나리오별 최적화도 수행할 수 있을 것이다. 그러나 대조테이블 업데이트도 시간 및 자원을 소모하므로, 향후 보편적인 원시데이터에 적용할 수 있도록 범용적인 문턱값을 제시하는 방안에 대한 연구가 필요하다고 판단된다.
- 그러나 대조테이블 업데이트도 시간 및 자원을 소모하므로, 향후 보편적인 원시데이터에 적용할 수 있도록 범용적인 문턱값을 제시하는 방안에 대한 연구가 필요하다고 판단된다. 최근 전지구의 RCS 특성에 대한 연구[15,16]를 활용한다면 이 방향의 연구에 도움이 될 것으로 기대된다
- 본 논문에서 제안한 BAQ기법은 연산량 및 메모리 활용 측면에서 위성체 하드웨어 구현하기 유리하고, 원시데이터가 정규분포를 따르지 않는 경우에도 신뢰할만한 문턱값을 작성하게 해준다. 특히 고해상, 고화질을 요구하는 영상레이다 개발 추세에 필수적인 데이터 압축기법에 수반되는 영상의 품질저하를 최소화할 수 있고, 특히 다양한 운영 시나리오를 반영한 문턱값 최적화도 가능하여 향후 영상레이다 개발 및 영상레이다 운영과정에 활용할 수 있으리라 기대된다.
- BAQ기법 적용 시 블록 내 샘플이 128 복소수 샘플로 이루어지므로 각 블록의 통계적 특성이 왜곡될 가능성이 많았다. 향후 블록의 길이를 증가시키며 SNR 저하를 관측하면 BAQ기법의 성능을 향상시킬 수 있는 최적의 블록 길이를 제시할 수 있으리라 판단된다. 또한 다양한 원시데이터를 이용한다면, 영상레이다 운영 시나리오별 최적화도 수행할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.