GPS 수신기에서 간섭신호 제거를 위한 배열 안테나 기반 다중 빔 MVDR 기법

정의림,원현희,양기정,안병선,Jeong, Eui-Rim,Won, Hyun-Hee,Yang, Gi-Jung,Ahn, Byoung-Sun 한국정보통신학회 2017 한국정보통신학회논문지 Vol.21 No.3

GPS (global positioning system)는 지구 궤도를 도는 여러 GPS 위성의 신호를 수신하여 위성 별 수신 시간 차이를 이용하여 자신의 절대 위치를 알아내는 시스템으로 민간 목적뿐만 아니라 군용 목적으로도 널리 사용되고 있다. 특히 유도무기 등에 사용되기 때문에 신뢰성 있는 GPS 수신은 군에서 훨씬 더 중요하다. 하지만 GPS 는 사용 주파수 대역이 알려져 있고 수신신호 전력이 미약하기 때문에 인위적인 재밍신호를 송출하여 쉽게 GPS 시스템을 무력화 시킬 수 있는 문제가 있다. 이러한 간섭신호에 대응하기 위한 한 가지 방법은 GPS 수신기에 다중 안테나를 설치하고 디지털 빔포밍 기술을 이용하여 GPS 신호는 훼손하지 않으면서 재머만을 제거하는 기술이다. 본 논문에서는 MVDR(minimum variance distortionless response) 기술에 기반하여 새로운 적응형 빔 제어 기술을 제안한다. 제안하는 방식은 알려져 있는 위성 방향으로의 빔을 형성하고 재머 방향으로는 적응형 알고리즘에 의해 널을 형성하여 재머를 제거한다. 제안하는 방식의 성능은 컴퓨터 모의실험을 통해 검증한다. GPS (global positioning system) is a popular system that provides location information by measuring arrival time difference at the receiver between several GPS satellite signals. GPS is widely used in commercial area as well as military systems. Reliable GPS signal reception is more important in the military applications such as guided missiles. However, since the carrier frequencies of the GPS signals are well known and the received power is extremely low, the GPS systems are vulnerable to intentional jamming attacks. To remove jammers while maintaining GPS signals at the received signals, a popular technique is an adaptive beam steering method based on array antenna. Among adaptive beam steering techniques, this paper considers MVDR (minimum variance distortionless response) algorithm, and proposes a new adaptive technique that preserves the received signals at desired directions, but removes the unknown jamming signals adaptively. The performance of the proposed method is verified through computer simulation.

인지 무선 통신을 위한 순환 신경망 기반 스펙트럼 센싱 기법

정태윤,정의림,Jung, Tae-Yun,Jeong, Eui-Rim 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.6

본 논문에서는 인지 무선 통신을 위한 새로운 순환 신경망 기반 스펙트럼 센싱 기법을 제안한다. 제안하는 기법은 주사용자에 대한 정보가 전혀 없는 상황에서 에너지 검출을 통해 신호 존재 유무를 판단한다. 제안 기법은 센싱하고자 하는 전체 대역을 고려하여 수신신호를 고속으로 샘플링 후 이 신호의 FFT (fast Fourier transform)를 통해 주파수 스펙트럼으로 변환한다. 이 스펙트럼 신호는 채널 대역폭 단위로 자른 후 순환 신경망에 입력하여 해당 채널이 사용중인지 비어있는지 판정한다. 제안하는 기법의 성능은 컴퓨터 모의실험을 통해 확인하는데 그 결과에 따르면 기존 문턱값 기반 기법보다 2 [dB] 이상 우수하며 합성곱 신경망 기법과 유사한 성능을 보인다. 또한, 실제 실내환경에서 실험도 수행하는데 이 결과에 따르면 제안하는 기법이 기존 문턱값 기반 방식 및 합성곱 신경망 방식보다 4 [dB] 이상 우수한 성능을 보인다. This paper proposes a new Recurrent neural network (RNN) based spectrum sensing technique for cognitive radio communications. The proposed technique determines the existence of primary user's signal without any prior information of the primary users. The method performs high-speed sampling by considering the whole sensing bandwidth and then converts the signal into frequency spectrum via fast Fourier transform (FFT). This spectrum signal is cut in sensing channel bandwidth and entered into the RNN to determine the channel vacancy. The performance of the proposed technique is verified through computer simulations. According to the results, the proposed one is superior to more than 2 [dB] than the existing threshold-based technique and has similar performance to that of the existing Convolutional neural network (CNN) based method. In addition, experiments are carried out in indoor environments and the results show that the proposed technique performs more than 4 [dB] better than both the conventional threshold-based and the CNN based methods.

인지 무선 시스템에서 순환 신경망을 이용한 스펙트럼 센싱 기법

정태윤(Jung Tae Yun),정의림(Jeong Eui Rim) 한국통신학회 2020 한국통신학회 학술대회논문집 Vol.2020 No.2

UWB 시스템에서 실내 측위를 위한 순환 신경망 기반 거리 추정

정태윤,정의림,Jung, Tae-Yun,Jeong, Eui-Rim 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.4

본 논문에서는 초광대역 (Ultra-wideband, UWB) 시스템에서 실내 위치 측위를 위한 새로운 거리 추정 기법을 제안한다. 제안하는 기법은 딥러닝 기법 중 하나인 순환 신경망 (RNN)을 기반으로 한다. 순환신경망은 시계열 신호를 처리하는데 유용한데 UWB 신호 역시 시계열 데이터로 볼 수 있기 때문에 순환신경망을 사용한다. 구체적으로, UWB 신호가 IEEE 802.15.4a 실내 채널모델을 통과하고 수신된 신호에서 순환신경망 회귀를 통해 송신기와 수신기 사이의 거리를 추정하도록 학습한다. 이렇게 학습된 순환신경망 모델의 성능은 새로운 수신신호를 이용하여 검증하며 기존의 임계값 기반의 거리 추정 기법과도 비교한다. 성능지표로는 제곱근 평균추정에러 (root mean square error, RMSE)를 사용한다. 컴퓨터 모의실험 결과에 따르면 제안하는 거리 추정 기법은 수신신호의 신호 대 잡음비 (signal to noise ratio, SNR) 및 송수신기 사이의 거리와 상관없이 기존 기법보다 항상 월등히 우수한 성능을 보인다. This paper proposes a new distance estimation technique for indoor localization in ultra wideband (UWB) systems. The proposed technique is based on recurrent neural network (RNN), one of the deep learning methods. The RNN is known to be useful to deal with time series data, and since UWB signals can be seen as a time series data, RNN is employed in this paper. Specifically, the transmitted UWB signal passes through IEEE802.15.4a indoor channel model, and from the received signal, the RNN regressor is trained to estimate the distance from the transmitter to the receiver. To verify the performance of the trained RNN regressor, new received UWB signals are used and the conventional threshold based technique is also compared. For the performance measure, root mean square error (RMSE) is assessed. According to the computer simulation results, the proposed distance estimator is always much better than the conventional technique in all signal-to-noise ratios and distances between the transmitter and the receiver.

안테나 다이버시티를 이용한 OFDM 시스템 성능 분석

이의수(Lee Eui Soo),정의림(Jung Eui Rim) 한국통신학회 2019 한국통신학회 학술대회논문집 Vol.2019 No.1

Arduino 와 개방형 IoT 플랫폼을 이용한 층간소음 유발 가구 판별 시스템

정태윤(Tae Yun Jung),정의림(Eui-Rim Jeong) 한국통신학회 2019 한국통신학회 학술대회논문집 Vol.2019 No.1

UWB 시스템에서 합성곱 신경망을 이용한 거리 추정

남경모,정태윤,정성훈,정의림,Nam, Gyeong-Mo,Jung, Tae-Yun,Jung, Sunghun,Jeong, Eui-Rim 한국정보통신학회 2019 한국정보통신학회논문지 Vol.23 No.10

The paper proposes a distance estimation technique for ultra-wideband (UWB) systems using convolutional neural network (CNN). To estimate the distance from the transmitter and the receiver in the proposed method, 1 dimensional vector consisted of the magnitudes of the received samples is reshaped into a 2 dimensional matrix, and by using this matrix, the distance is estimated through the CNN regressor. The received signal for CNN training is generated by the UWB channel model in the IEEE 802.15.4a, and the CNN model is trained. Next, the received signal for CNN test is generated by filed experiments in indoor environments, and the distance estimation performance is verified. The proposed technique is also compared with the existing threshold based method. According to the results, the proposed CNN based technique is superior to the conventional method and specifically, the proposed method shows 0.6 m root mean square error (RMSE) at distance 10 m while the conventional technique shows much worse 1.6 m RMSE. 본 논문에서는 ultra-wideband(UWB) 시스템에서 합성곱 신경망(CNN)을 이용한 거리 추정 기법을 제안한다. 제안하는 기법은 UWB 신호를 이용하여 송신기와 수신기 사이의 거리를 추정하기 위하여 수신신호의 크기 샘플로 이루어진 1차원 벡터를 2차원 행렬로 재구성하며, 이 2차원 행렬로부터 합성곱 신경망 회귀를 이용하여 거리를 추정한다. IEEE 802.15.4a 표준의 UWB 실내 가시선 채널모델을 이용하여 수신신호를 생성하여 학습데이터를 만들며 합성곱 신경망 모델을 학습시킨다. 또한 실제 필드 시험을 통해 실내환경에서의 실험 데이터를 이용하여 거리추정 성능을 확인한다. 제안하는 기법은 기존의 문턱값 기반의 거리 추정 기법과의 성능비교도 수행하는데, 결과에 따르면 10m 거리에서 제안기법은 0.6m의 제곱근 평균 자승 에러를 보이는데 기존기법은 1.6m로 훨씬 큰 에러를 보인다.

UWB 시스템에서 순환 신경망을 이용한 거리 추정

정태윤(Tae-Yun Jung),정의림(Eui-Rim Jeong) 대한전자공학회 2019 대한전자공학회 학술대회 Vol.2019 No.6

OFDM 레이다를 위한 CNN 기반 다중 물체 검출 기법

정태윤(Tae-Yun Jung),정의림(Eui-Rim Jeong) 대한전자공학회 2020 대한전자공학회 학술대회 Vol.2020 No.8

인지 무선 통신을 위한 합성곱 신경망 기반 스펙트럼 센싱 기법

정태윤,이의수,김도경,오지명,노우영,정의림,Jung, Tae-Yun,Lee, Eui-Soo,Kim, Do-Kyoung,Oh, Ji-Myung,Noh, Woo-Young,Jeong, Eui-Rim 한국정보통신학회 2020 한국정보통신학회논문지 Vol.24 No.2

This paper proposes a new convolutional neural network (CNN) based spectrum sensing technique for cognitive radio communications. The proposed technique determines the existence of the primary user (PU) by using energy detection without any prior knowledge of the PU's signal. In the proposed method, the received signal is high-rate sampled to sense the entire spectrum bands of interest. After that, fast Fourier transform (FFT) of the signal converts the time domain signal to frequency domain spectrum and by stacking those consecutive spectrums, a 2 dimensional signal is made. The 2 dimensional signal is cut by the sensing channel bandwidth and inputted to the CNN. The CNN determines the existence of the primary user. Since there are only two states (existence or non-existence), binary classification CNN is used. The performance of the proposed method is examined through computer simulation and indoor experiment. According to the results, the proposed method outperforms the conventional threshold-based method by over 2 dB. 본 논문에서는 인지 무선 통신을 위한 새로운 합성곱 신경망 기반 스펙트럼 센싱 기법을 제안한다. 제안하는 기법은 주 사용자 신호에 대한 어떠한 사전 정보도 알지 못하는 상황에서 에너지 검출을 통해 주 사용자 신호 유무를 판단한다. 제안하는 기법은 센싱하고자 하는 전체 대역을 고려하여 수신신호를 고속으로 샘플링한다. 이후 신호의 FFT(fast Fourier transform)을 통해 주파수 스펙트럼으로 변환하고 연속적으로 이와 같은 스펙트럼을 쌓아서 2차원 신호를 만든다. 이렇게 만든 2차원 신호를 탐지하고자 하는 채널 대역폭 단위로 자르고 합성곱 신경망에 입력하여 채널이 사용 중인지 비어있는지 판단한다. 판단하고자 하는 분류의 종류가 두 가지이므로 이진 분류 합성곱 신경망을 사용한다. 제안하는 기법의 성능은 컴퓨터 모의실험과 실제 실내환경에서의 실험을 통해 검증하는데 이 결과에 따르면 제안하는 기법은 기존 문턱값 기반 기법보다 2 dB 이상 우수한 성능을 보인다.