인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 논문은 데이터 송수신 과정에서 발생하는 무선 채널 잡음을 데이터 복호 전에 미리 제거하여, 블록 코드의 복호 성능을 개선하기 위한 새로운 신경망 기반 채널 디노이저를 제안한다. 제안하는 채널 디노이저는 이미지 데이터 내 잡음 제거에 효과적이라 알려진 오토인코더 구조를 활용하여 무선 채널 잡음을 제거하도록 설계하였다. 기존의 다층 퍼셉트론 기반 모델과 성능 비교를 위하여 Polar 코드, LDPC 코드, BCH 코드에 대해 동일한 신경망 복호기를 적용하고 AWGN 채널, Rayleigh fading 채널에서 디노이저 효과를 실험하였다. 실험을 통해 오토인 코더 기반 디노이저를 활용한 제안 모델은 가정한 모든 채널 환경과 채널 코드에 대해 다층 퍼셉트론 기반 디노이저를 활용한 기존 모델보다 현저히 낮은 블록 오류율을 보임을 확인하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-091116763
