본 연구는 해상 레이더 시스템에서 해면 반사 조정 파라미터를 자동으로 추정·조정할 수 있는 비전 트랜스포머 기반 알고리즘을 제안한다. 해상 레이더는 유·무인 선박의 안전한 항해를 보장하는 핵심 장 비 로, 특히 악천후나 가시성이 낮은 환경에서 중요한 역할을 수행한다. 그러나 레이더 탐지 성능은 파라미터 설정에 크게 의존하며, 부적절한 조정은 불필요한 잡음을 증폭시키거나 실제 목표물을 약화시 킬 수 있다. 이러한 한계를 극복하기 위해 다양한 해상 환경에서 수집된 레이더 데이터를 활용하였으며, 중심 메인뱅 제거, 극좌표 변환 과정을 통해 심층학습에 적합한 일관된 레이더 영상을 생성하였다. 제안 된 ViT 모델은 이러한 영상을 입력으로 최적의 억제 값을 예측하도록 학습되었으며, 이를 통해 보다 안정적인 탐지 성능을 확보할 수 있었다. 실험 결과, 제안된 방법은 해면 잡음에 의한 오탐지를 효과적 으 로 줄이고 다양한 해상 상황에서 일반화 가능성을 보였다. 본 연구는 향후 자율 해양 항해 플랫폼에서 지능형 레이더 튜닝 모듈로 활용될 수 있는 가능성을 제시한다.

Vision Transformer-Based Adaptive Tuning of Maritime Radar Parameters: Sea Clutter Suppression and Navigation Performance Enhancement

Seongpil Cho, Jungwook Han*

This study presents a Vision Transformer (ViT)-based algorithm for automatic adjustment of sea clutter adjustment parameters in marine radar systems. Marine radar plays a crucial role in ensuring safe navigation for both manned and unmanned vessels, particularly under adverse weather and low-visibility conditions. However, the effectiveness of radar detection is highly sensitive to parameter settings, where inappropriate tuning can either amplify clutter or obscure valid targets. To overcome this limitation, radar datasets were collected under a wide range of maritime conditions. The data were carefully preprocessed through cropping, main-bang removal, and polar coordinate transformation to produce consistent radar imagery suitable for deep learning. The proposed ViT model was trained to predict optimal suppression values directly from these images, enabling more robust detection performance. The results suggest that this approach can effectively reduce false positives and serve as an intelligent component of future autonomous navigation platforms.
Keywords: marine radar, vision transformer, sea clutter suppression, autonomous navigation

Speaker 조성필 한국항공대학교