본 논문은 전자전(EW)에서 레이더 신호 인식(RSR)의 중요성을 강조하며, 레이블이 지정된 RF 데이터가 부족한 환경에서의 RSR 성능 향상을 목표로 합니다. 이를 위해, 마스크된 신호 모델링과 RF 도메인 적응을 활용하는 자기 지도 학습(SSL) 방법을 제안합니다. 두 단계 접근 방식으로, 다양한 RF 도메인의 기저대역 I/Q 신호를 사용하여 마스크된 오토인코더(MAE)를 사전 훈련하고, 학습된 표현을 레이더 도메인으로 전이시킵니다. 경험적 결과는 도메인 적응을 포함한 경량 자기 지도 학습 ResNet1D 모델이, 사전 훈련 없이 사용하는 기준 모델과 비교하여 1-shot 분류 정확도를 최대 17.5% (도메인 내 신호 사전 훈련) 및 16.31% (도메인 외 신호 사전 훈련) 향상시킴을 보여줍니다. 또한, 여러 MAE 설계 및 사전 훈련 전략에 대한 참조 결과를 제시하여, 극소량 데이터 레이더 신호 분류에 대한 새로운 벤치마크를 제시합니다.
