층화합성개구레이다(토모그래픽 합성개구레이다, Tomographic Synthetic Aperture Radar, TomoSAR)는 다중 기선 관측 데이터를 정합하고 고도 방향에서 개구 합성을 수행하여, 방위 방향에서만 개구를 합성하여 발생하는 고도 정보 손실 및 겹침 문제를 극복할 수 있다. 이를 통해 목표물의 3차원 고해상도 영상을 구현하며, 산림 생물량, 빙하 내부 구조 및 건물 높이 등의 역산 응용에 활용할 수 있다. 본 논문은 TomoSAR의 영상 모델을 기반으로 층화 고도 역산 알고리즘의 발전 과정을 체계적으로 정리하였다. 여기에는 푸리에 변환, 비모수적 스펙트럼 추정, 모수적 스펙트럼 추정, 압축 센싱 및 딥러닝 알고리즘이 포함되며, 각 대표 알고리즘의 원리와 구현 과정을 상세히 비교 분석하였다. 실측 데이터 기반의 전형적인 역산 결과를 바탕으로 다양한 알고리즘들의 견고성, 보편성 및 적용 조건에서의 장단점을 추가로 비교 분석하였다. 마지막으로 본 논문은 기선 분포 및 데이터 희소성, 다중 산란체 분리, 복잡 산란 메커니즘 등 TomoSAR가 직면한 주요 도전과제를 정리하고, 향후 연구 방향을 제시하며 응용 전망을 논의하였다.

TomoSAR;층화 고도 역산 알고리즘;스펙트럼 추정 알고리즘;압축 센싱;3D 재구성;기선 분포