Deep Learning-Based Modulation Classification of LPI Radar Signals Using Multi-Antenna Diversity Integration

본 논문은 전자전 환경에서 저피탐(Low Probability of Intercept, LPI) 레이다 신호의 변조 방식을 효과적으로 탐지 및 분류하기 위한 다중 안테나 다이버시티 통합 기반의 딥러닝 분류 시스템을 제안한다. 기존의 연구들은 주로 인터셉트한 단일 신호만을 대상으로 하였으나, 실제 전장 환경에서는 다수의 안테나를 공간적으로 분산 배치하여 신호를 동시에 수신하는 구조가 일반적이다. 따라서 본 연구는 다중 안테나 수신 환경에서 신호 통합을 통한 다이버시티 이득(diversity gain)의 활용을 주요 목적으로 한다. 이를 위해 CNN, EfficientNet-B2, ResNet-50 등 다양한 백본 네트워크를 사용하여 각 안테나 신호로부터 특징 벡터를 추출하고, 추출된 특징들을 LSTM, Concatenation, Average Pooling과 같은 여러 통합 기법을 통해 결합하는 방식을 제안한다. 실험적으로 SNR이 – 10dB인 열악한 환경에서 단일 CNN의 분류 정확도가 약 65%에 그친 반면, 제안한 CNN-LSTM 기반의 5채널 다이버시티 시스템에서는 정확도가 87.6%까지 크게 상승하였다. 본 연구를 통해 다중 안테나 기반 통합 방식이 단일 안테나 대비 현저히 우수한 성능을 나타냄을 실험적으로 입증하였다.