BiLSTM-Attention과 LRP를 활용한 시계열 LPI 신호분류 및 중요도 분석

Abstract

본 연구는 BiLSTM-Attention 모델과 Layer-wise Relevance Propagation (LRP)를 적용하여 저피탐지성(LPI) 신호의 분류와 중요도 분석을 수행하였다. 본 연구의 주요 목적은 시계열 데이터로 학습된 모델의 예측 근거를 LRP를 통해 해석하고, 이를 통해 모델의 예측과정에서 의미있는입력특성을효과적으로 식별하는 것이다. LRP를 활용한 해석 결과, 모델이 시계열 도메인에서 학습된 상태임에도 불구하고, 예측근거가 FFT(고속 푸리에 변환)로 변환된 주파수 도메인에서도 높은 일관성을 유지하며 주요 주파수 성분을 정확하게 탐지할 수 있음을 확인하였다. 다양한 SNR(신호 대 잡음비) 환경에서의 실험을 통해 본 모델은 신뢰도 높은 분류 성능을 유지할 뿐만 아니라,LRP 기반 해석을 통한 중요 지점탐지성능역시안정적임을 확인하였다.

This study applies a BiLSTM-Attention model and Layer-wise Relevance Propagation (LRP) to classify and analyze the importance of low probability of intercept (LPI) signals. The goal is to interpret the predictions of a time-series trained model using LRP and effectively identify meaningful input features. The analysis shows that the model maintains high consistency in its prediction rationale even in the frequency domain, transformed through Fast Fourier Transform (FFT). Experiments across various Signal-to-Noise Ratio (SNR) conditions confirm that the model delivers reliable classification performance while ensuring stable detection of key features through LRP-based interpretation. © 2024, Author. All rights reserved.