다중 간섭 신호 억제를 위한 강화학습 기반의 광대역 Non-Uniformly Spaced Linear Array 설계 기법

Q: 이 논문에서 정의한 MORELA(modified reinforcement learning algorithm)란 무엇인가?

MORELA는 강화학습 기반의 휴리스틱 최적화 알고리즘으로, 탐색과 보상 특성을 활용하여 기존 휴리스틱 알고리즘보다 전역 최적해를 찾을 확률이 높다. 이는 model-free Q-learning 기반으로 이전 단계의 최적해를 중심으로 하위 환경을 탐색하여 지역 최적해에 빠질 위험이 낮은 장점을 가진다.

Q: 광대역 NUSLA 설계 시, 간섭 신호 억제를 위한 새로운 비용 함수는 어떻게 구성되는가?

연구 결과, 광대역 NUSLA 설계 시 간섭 신호 억제를 위한 새로운 비용 함수는 BW와 SLL을 제어하는 함수, 원하는 위치에 널을 생성하는 함수, 그리고 빔 조향 오류를 방지하는 페널티 함수, 이렇게 세 가지 요소로 구성된다. 이 함수들을 통해 특정 주파수 범위 내 모든 주파수에서 널을 생성하고 빔 패턴을 최적화한다.

강세영; 김선교; 박철순; 정원주

추천

검색

질문

자료유형: 학술저널

저자정보: 강세영 (고려대학교) 김선교 (국방과학연구소) 박철순 (국방과학연구소) 정원주 (고려대학교)

저널정보: 한국전자파학회 한국전자파학회논문지 한국전자파학회논문지 제33권 제10호(통권 제305호)

발행연도: 2022.10

수록면: 811 - 823 (13page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

광대역 배열 안테나 설계에서 간섭 신호의 영향을 효과적으로 감쇄하기 위해서 널을 생성하는 많은 연구가 이루어지고 있다. 광대역에서 널을 생성하기 위해 수학적으로 다루기 쉬운 ULA(uniform linear array)가 많이 사용되고 있다. 하지만, ULA 구조의 한계로 인하여 빔형성 성능에 제약을 받는다. 어레이의 간격이 비선형인 NUSLA(non-uniformly spaced linear array)는 수학적으로 다루기 어려운 비선형 문제를 다루지만, ULA의 구조적 한계를 넘어선 성능 향상을 보일 수 있다. 그러나 특정 위치에 널을 생성하기 위해서는 추가 제한 조건이 요구되며, 광대역 NUSLA를 이용한 널 생성에 대해서는 아직 연구된 바 없다. 본 논문에서는 원하는 위치에 널을 생성하는 광대역 NUSLA 설계를 위한 새로운 비용 함수를 제안하고, 제안된 비용 함수를 최소화하여 최적의 안테나 배열과 가중치를 찾기 위하여 강화학습 기반의 휴리스틱 최적화 알고리즘인 MORELA(modified reinforcement learning algorithm)를 사용한다. 컴퓨터 시뮬레이션을 통해 기존 휴리스틱 알고리즘들과 제안된 강화학습 기반의 MORELA와의 성능을 비교한다.

#Non-Uniformly Spaced Linear Array (NUSLA) #Reinforcement Learning #Wide Band #Interference Suppression #Null Positioning

참고문헌

참고문헌 신청

최근 본 자료

전체보기

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)