딥러닝 기술을 이용한 디지털 변조타입 자동 인식 기술

Q: 이 논문에서 정의한 자동 변조 인식이란 무엇인가?

자동 변조 인식은 무선 통신에서 시스템에 대한 사전 정보 없이 수신 신호의 변조 방식을 예측하는 기술이다. 이는 주로 군사 통신과 같이 정보가 제한된 특수한 환경에서 적의 신호를 분석하거나, 통신 시스템의 유연성을 높이는 데 필수적인 역할을 수행한다. 통계적 모델 기반 방법과 기계 학습 기반 방법으로 접근할 수 있다.

Q: 딥러닝 기반 자동 변조 분류 기법이 기존 방식보다 성능이 우수한 핵심 요인은 무엇인가?

연구 결과, 딥러닝 기반 자동 변조 분류 기법은 기존 방식보다 훨씬 많은 19가지의 다양한 통계적 특징값을 활용하고, 여러 개의 은닉 계층을 갖는 딥 뉴럴 네트워크 구조를 통해 복잡한 데이터 표현을 학습한다. 이러한 접근 방식은 특히 낮은 신호대잡음비(SNR) 환경과 Rician 페이딩 채널에서 기존 ANN 및 SVM 기법 대비 월등히 높은 분류 성능을 제공한다.

김재겸; 김병도; 윤동원; 최준원

doi:10.14801/jkiit.2016.14.12.107

추천

검색

질문

자료유형: 학술저널

저자정보: 김재겸 (한양대학교) 김병도 (한양대학교) 윤동원 (한양대학교) 최준원 (한양대학교)

저널정보: 한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제14권 제12호(JKIIT, Vol.14, No.12)

발행연도: 2016.12

수록면: 107 - 115 (9page)

DOI: 10.14801/jkiit.2016.14.12.107

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

본 논문에서는 딥뉴럴네트워크에 기반한 디지털 통신 신호의 자동변조분류 기법을 제안하였다. 제안하는 기법은 수신 신호 샘플로부터 19가지의 특징값을 계산하여 4개의 층을 가진 딥뉴럴네트워크의 입력 데이터로 사용하여 신호를 분류하는 방법이다. 19가지의 특징값에는 기존에 사용된 특징값과 고차 통계값 등의 다양한 특징값을 추가하였다. 컴퓨터 시뮬레이터를 이용하여 BPSK, QPSK, 8-PSK, 16-QAM, 64-QAM의 5개의 변조 방식을 구분하기 위한 훈련데이터를 생성하여 다양한 신호대잡음비, 페이딩 환경에 대해 딥뉴럴네트워크를 훈련하였다. 실험 결과에서 AWGN 환경 및 Rician 페이딩환경에서 모두 제안한 딥뉴럴네트워크 기반의 변조분류 기법이 기존의 기법에 비해 좋은 성능을 나타냄을 확인 하였다.

#automatic modulation classification #deep neural network #statistical features #moving-average

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2017-004-001918382

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)