다중목표 환경에서 레이더 시간 배분 최적화

본 논문은 다중 목표 환경에서 여러 레이더가 제한된 관측 시간 T 내에 목표들을 탐지해야 하는 문제를 다루며, 목표의 사전 정보(확정적 위치 또는 확률 밀도)를 활용해 최적의 시간 배분 전략을 수학적으로 도출한다. 1. **배경 및 동기** 센서·레이다가 다중 센서 시스템의 일원으로 운영될 때, 각 센서는 관측 가능한 공간이 제한적이며, 전자식 스티어링(ESA) 레이더는 기계적 축을 고정하고 전자적으로 빔을 이동시켜 관측 방향을 바꾼다. 기존 연구는 강화학습, 정보 발산, 랜덤 셋 등 다양한 방법으로 센서 관리 문제를 접근했지만, 성능 경계가 명확히 제시되지 않거나 센서 특성을 충분히 반영하지 못한다는 한계가 있었다. 2. **레이더 탐지 모델** 관측 시간 T 와 빔 각도 θ 에 대해 신호대잡음비(SNR)는 SNR = α T cos²θ / r⁴ (α는 레이더·목표 특성 상수) 로 정의된다. 탐지 확률은 P_d = (P_fa)^{1/(1+SNR)} 이며, 여기서 P_fa 는 1초·해상도 셀당 1회의 거짓 경보 확률로 설정한다. 목표는 Swerling‑1 모델(플럭투에이션 목표)로 가정한다. 3. **단일 레이더·단일 목표 최적화** 관측 시간을 N개의 독립적인 “초단위” 신호로 나누어 각각 검출을 수행한다. 각 초단위 검출 확률 P_de ≈ exp(−β N) (β는 거리·각도·α·T·P_fa에 의존)이며, 누적 탐지 확률 P_d = 1 − (1 − P_de)ᴺ 을 최대화한다. 미분과 라그랑지안 방법을 적용해 최적 N은 N_opt = γ r α T cos²θ / (r⁴ ln (1/P_fa)) 이며, γ_r≈ln 2이다. 이에 대응하는 누적 탐지 확률은 P_d = 1 − exp(−T τ_r) 형태가 된다. τ_r은 거리·각도·α·P_fa에 의해 정의된 시간 상수이다. 4. **다중 목표·단일 레이더(확정적 위치)** 목표 i 의 각도 θ_i 와 거리 r_i 가 서로 다르므로 각 목표마다 τ_{r_i}가 달라진다. 목표마다 가중치 ε_i (위협도·우선순위) 를 부여하고, 전체 목적함수 J = ∑ ε_i P_{d_i}(t_i) 를 최대화한다. 제약조건 ∑ t_i = T, t_i ≥ 0 하에서 라그랑지안 λ 을 도입하면 최적 관측 시간은 t_i = τ_{r_i} ln ( (T ε_i τ_{r_i}) / λ ) if λ < T ε_i τ_{r_i}, t_i = 0 otherwise. λ는 ∑ τ_{r_i} ln ( (T ε_i τ_{r_i}) / λ ) = T 을 만족하도록 결정된다. 모든 목표가 활성화되는 경우(λ 조건을 모두 만족)에는 닫힌 형태 해가 존재하며, 각 t_i 는 다른 목표들의 τ_{r_j} 와 ε_j 에 비례·반비례 관계를 갖는다. 5. **다중 목표·다중 레이더(확률적 사전 지식)** 목표 위치가 확률 밀도 함수 f_i(θ, r) 로 주어지는 경우, 공간을 여러 방향 j 로 이산화하고 각 방향에 할당되는 관측 시간 t_j 를 최적화한다. 기대 탐지 확률은 각 방향에 존재하는 목표 밀도와 τ_{r_j} 를 곱해 적분한 형태이며, 목적함수는 J = ∑ ε_j E