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.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2025.2
- 수록면
- 212 - 220 (9page)
이용수
초록· 키워드
오류제보하기
이 논문에서는 CNN(convolutional neural network)을 기반으로 아날로그 변조 신호를 구별할 수 있는 분류기와 학습 방법을 제시하고, 그 구조에서 CNN의 입력 형태에 따른 성능을 비교하고자 한다. 아날로그 변조 신호로는 양측파대, 상측파대, 하측파대 신호 각각에 대해 반송파가 억압된 경우와 반송파가 삽입된 경우의 6가지 진폭변조 신호와 주파수변조 신호를 포함하여 모두 7가지 신호를 고려한다. 입력 형태로는 기저대역 복소 등가신호의 동위상 및 직교위상 성분(IQ), 크기 및 위상 성분(MP), 주파수 영역 진폭 및 위상 성분(AP), 스펙트로그램(SG) 등 4가지를 고려한다. 또 수신 신호의 스펙트럼이 중심에서 벗어나는 경우 이에 대응할 수 있는 학습 방법도 제시한다. 모의실험 결과 0 dB 이하의 신호 대잡음비에서 주파수 영역 신호인 AP, SG를 입력하는 경우 훨씬 나은 분류 정확도를 나타내었으며, 특히 위상정보까지 포함하는 AP의 경우가 대부분의 SNR에서 SG 경우보다 더 나은 정확도를 나타냈었다. 스펙트럼 편이는 등가신호에 반영하여 학습함으로써 표본율의 ±20 % 주파수 편이 내에서 입력 형태와 무관하게 거의 동일한 분류 정확도를 나타내었다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 신호 모델
Ⅲ. 분류기 구조
Ⅳ. 모의실험 결과
Ⅴ. 결론
REFERENCES
참고문헌 (0)
참고문헌 신청이 논문의 저자 정보
최근 본 자료
댓글(0)
0