메뉴 건너뛰기
소속 기관 / 학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 / 회원가입
고객센터 ENG
주제분류
인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG
학술저널
오류 신고하기해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

논문 기본 정보

저자정보
(금오공과대학교) (성균관대학교)
저널정보
한국통신학회 한국통신학회논문지 한국통신학회논문지 제50권 제4호
오류 신고하기
표지

피인용 1

검색

    초록·키워드

    자동변조인식(AMR, Automatic Modulation Recognition)은 무선 통신에서 신뢰성과 효율성을 높이는 중요한 기술이다. 최근 AMR 연구는 딥러닝을 활용하여 성능을 개선하는 데 중점을 두고 있으며, 특히 IQ(In-phase and Quadrature) 성상도를 학습 데이터로 사용하는 다양한 딥러닝 모델이 제안되고 있다. 그러나 성상도는 신호의 시간적 특징을 포함하지 못하므로 시계열 데이터 처리가 필수인 AMR에서는 성능 향상에 한계가 있다. 이러한 문제를 해결하기 위해 본 논문은 시계열 데이터의 시간적 특징을 반영할 수 있는 GAF(Gramian Angular Field) 방식을 적용했다. GAF는 신호의 시간적 변화와 패턴을 효과적으로 나타내므로 기존 성상도 기법보다 더 다양한 정보를 제공한다. ResNet(Residual Neural Network) 모델에 GAF를 적용하여 변조를 인식한 결과, 기존 자동변조인식 기법보다 SNR -10dB에서 5dB에서 최소 5%에서 최대 15% 더 높은 정확도를 달성했다.
    #자동변조인식 #그라미안 각도 변환 #잔차 네트워크 모델 #Automatic Modulation Recognition(AMR) #Gramian Angular Field(GAF) #Residual Neural Network(ResNet)

    본문·목차

    최근 본 자료 전체보기

      260915_DBpiaAI2학기
      261017_Citeasy Update
      260917_DBpiaAI뷰어2
      260604_KRpiaAI
      UCI(KEPA) : I410-151-25-02-092702772