레이더 목표군 탐지를 위한 부분 복소수 신경망

초록

본 논문은 레이더 거리 프로파일에서 다중 목표가 근접해 있을 때 발생하는 클러터와 파형 왜곡 문제를 해결하기 위해, 복소수 가중치를 부분적으로 사용하는 신경망을 제안한다. 시뮬레이션 데이터로 생성한 학습·검증·시험 집합을 이용해 전통적인 매치드 필터와 CA‑CFAR 방식을 baseline으로 삼고, 전체 수신 신호를 한 번에 처리하여 검출 프로파일을 출력하는 신경망의 성능을 비교한다. 결과는 복소수‑실수 혼합 구조가 특히 대역폭 감소·빈 프로파일·대조 프로파일을 포함한 “enriched” 학습 데이터에서 기존 방법을 크게 능가함을 보여준다.

상세 분석

이 연구는 레이더 거리 프로파일(RP)에서 목표군(swarm) 검출의 핵심 난제인 목표 간 근접성, 사이드로브 간섭, 제한된 레인지 해상도 등을 복합적으로 고려한다. 기존 매치드 필터(MF)는 전송 파형과 일치하는 최적 필터이지만, 약한 목표가 강한 목표의 사이드로브에 가려지는 상황에서는 성능이 급격히 저하된다. 이를 보완하기 위해 MMF, 최소제곱 추정, 제약 최적화, 반복적 그래디언트 하강 등 다양한 적응형 기법이 제안되어 왔지만, 파형 왜곡(대역폭 감소, 플라즈마 코팅 등)과 목표군의 불규칙한 배치에 대한 일반화는 여전히 어려웠다.

논문은 이러한 한계를 극복하기 위해 ‘부분 복소수‑실수 신경망(Partial Complex‑Real Neural Network)’을 설계한다. 첫 번째 선형 레이어와 첫 활성화 함수는 복소수 가중치를 갖고, 복소수 modReLU( |z|+bias )·e^{jθ} 로 비선형성을 부여한다. 이후 실수 선형 레이어와 시그모이드 함수를 거쳐