For the purpose of the military, surveillance, and science, many devices are being digitalized recently, so the demand for 5G and radar technology is increasing. Stability is important for general RF systems such as radar. However, RF systems usually need active elements, for example, LNA (Low Noise Amplifier), PA (Power Amplifier), which has an exothermic reaction problem. These elements tend to have a thermal drift, which is performance change over temperature. If operating frequency rises, this thermal problem becomes worse. To compensate this unwanted drift phenomenon, an internal calibration network is typically installed, and the performance of the transmitter and receiver can be extracted from the signal through the calibration path. In the previous study, the gradient descent algorithm with momentum term was used. Nevertheless, this approach is likely to be inefficient when parameters oscillate in the process of learning. In addition, the previous study used CW (Continous Wave) for calibration, but there are two problems. One is the ambiguity of choosing standard peaks, and the other one is that group delay and phase difference look the same. Therefore, CW wave calibration can yield the wrong compensation.
To substitute the previous study, the Adam learning algorithm was proposed to accelerate the learning process. Additionally, the proposed algorithm entails chirp signals which are original form in chirp-pulse radar. Eventually, this thesis shows the advancement in learning speed and compensation of the pure phase difference.
군사, 감시, 과학 목적으로 다양한 기기들의 전자화가 되면서 5G 기술 및 레이더의 수요가 급증하고 있는 추세이다. 일반적인 레이더와 같은 RF시스템에는 성능 안정도가 중요하다. 그러나, LNA (Low Noise Amplifer), PA (Power Amplifier), mixer 등 발열이 심한 소자들이 이용되며, 이 소자들의 온도변화에 따라 특성에 변화가 생기는 thermal drift 현상이 나타나며, 5G로 주파수가 올라가며 기기의 민감도는 더욱 심각화된다. 이러한 thermal drift현상을 보상하기 위해 internal calibration 경로를 추가하고, 이를 이용하여 송신/수신 경로의 성능을 추출한다. 기존 연구에서는 momentum이 적용된 경사학습 알고리즘을 적용되었는데, 이 momentum에 의해서 error를 최소화 하는 지점에 바로 접근하지 못하고 진동하는 현상 등에 의해 추정하는데 오랜 시간이 걸린다. 또한, calibratin을 위한 신호로 정현파가 사용되었는데, 이는 위상의 차이를 어느 기준으로부터 볼 것인지에 대한 모호성이 있으며, 정현파는 군지연과 위상차가 같은 양상으로 나타나므로 위상에 대한 보상이 잘못 이루어 질 수 있다.
따라서 기존의 알고리즘을 대체하여 고속화된 신호 추정을 위한 Adam 학습법이 제안되었다. 또한, 레이더의 chirp 신호를 그대로 사용하여 calibration을 하는 방식을 도입하였다. 이를 통해 추정 속도 개선을 보이고 순수한 위상차 정보의 추출과 이에 대한 보상을 보였다.
