터링 합성 레이더 데이터셋: 펄스 디인터리빙을 위한 대규모 벤치마크

초록

터링 합성 레이더 데이터셋(TSRD)은 6 000개의 펄스 트레인, 약 30억 개의 펄스, 최대 110개의 발신기를 포함한 두 종류의 수신기(스캔·스테어) 시나리오를 제공한다. 각 펄스는 도착시간, 주파수, 펄스폭, 입사각, 진폭의 5가지 특성(PDW)으로 표현되며, 현실적인 전파 손실·노이즈·주파수 스캔 등을 시뮬레이션한다. 데이터는 공개적으로 배포되며, V‑measure를 최적화하는 ‘터링 디인터리빙 챌린지’와 함께 표준 평가 프레임워크를 제공한다.

상세 분석

본 논문은 전자전(EW) 분야에서 가장 근본적인 문제 중 하나인 레이더 펄스 디인터리빙을 위한 대규모 합성 데이터셋을 최초로 공개한다는 점에서 의미가 크다. 기존 연구들은 고정된 발신기 수를 가정하거나 PRI(펄스 반복 간격)만을 이용하는 제한적인 접근에 머물렀으며, 공개 데이터가 부족해 재현성과 비교가 어려웠다. TSRD는 이러한 한계를 극복하기 위해 다음과 같은 핵심 설계 원칙을 적용하였다.

1. 스케일과 복잡도: 총 6 000개의 펄스 트레인(학습 2 500, 검증 250, 테스트 250)과 3 억 개 이상의 펄스를 포함한다. 각 트레인은 0~110개의 발신기를 포함할 수 있으며, 발신기당 펄스 수는 수천에서 수십만까지 다양하다. 이는 실제 전투 환경에서 관측되는 고밀도 스펙트럼 혼잡을 충분히 재현한다.

2. 다차원 PDW: 시간(ToA), 주파수, 펄스폭(PW), 입사각(AoA), 진폭의 5차원 벡터를 사용해 전통적인 PRI 기반 방법을 넘어선 다중 특성 기반 클러스터링을 요구한다. 통계 분석 결과, 대부분의 특성은 서로 독립적이지만, 물리적 제약으로 인한 약한 양·음의 상관관계가 존재한다. 따라서 고차원 패턴 인식 모델(예: Transformer, Graph Neural Network) 적용이 필요하다.

3. 수신기 모델링: ‘스테어 모드’는 전체 0.5‑18 GHz 대역을 10 초 동안 연속 수신하고, ‘스캔 모드’는 500 MHz 대역을 순차적으로 스캔한다. 스캔 모드에서는 특정 주파수 대역에 튜닝되지 않은 펄스가 누락되므로, 모델은 시간‑주파수 윈도우링과 누락된 데이터 복원 능력을 동시에 보여야 한다.

4. 라벨 불균형: 일부 발신기가 전체 펄스의 99.7%까지 차지하는 극단적인 불균형을 도입해, 소수 클래스 탐지 능력을 평가한다. 이는 실제 전장 상황에서 강력한 레이더와 저출력 전술 레이더가 동시에 존재하는 경우를 모사한다.

5. 평가 메트릭: V‑measure(조화 평균)와 median V‑measure를 주요 성능 지표로 채택했다. 이는 클러스터링 정확도와 완전성을 동시에 고려하므로, 단순 정확도보다 디인터리빙 품질을 더 정밀하게 평가한다.

6. 오픈 소스 툴킷: 파이썬 기반 데이터 로더·윈도잉·저장 라이브러리를 제공해, 기존 머신러닝 파이프라인에 손쉽게 통합할 수 있다. 또한, 데이터 생성 파이프라인이 공개되어 연구자는 파라미터를 조정해 새로운 시나리오를 손쉽게 생성할 수 있다.

이러한 설계는 기존 방법론이 직면한 “고정 발신기 수”, “단일 특성 의존”, “데이터 부족” 문제를 근본적으로 해결한다. 특히, 다중 특성 PDW와 스캔·스테어 두 가지 수신기 모델을 동시에 제공함으로써, 모델은 시간·주파수·공간·진폭 정보를 통합적으로 학습해야 한다. 이는 기존 PRI 기반 히스토그램 방법보다 훨씬 높은 표현력을 요구하며, 딥러닝 기반 시퀀스 모델이나 그래프 기반 클러스터링이 자연스럽게 적용될 수 있는 환경을 만든다. 또한, 라벨 불균형과 누락된 펄스 상황은 모델의 견고성(robustness)과 소수 클래스 탐지 능력을 평가하는 중요한 시험대가 된다.

결론적으로, TSRD는 레이더 신호 분석, 전자전 자동화, 그리고 신호 인텔리전스 분야에서 새로운 알고리즘 개발과 비교 연구를 촉진할 수 있는 기반 인프라를 제공한다. 향후 연구는 변동적인 시퀀스 길이 처리, 차원 축소와 특징 추출, 그리고 실시간 처리 효율성 등에 초점을 맞출 수 있다.