http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
프로그레시브 멀티미디어 전송을 위한 딥러닝 기반의 조인트 소스 채널 코딩
류성미(Sung mi Ryu),장석호(Seok-Ho Chang) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
본 논문은 단일 안테나 (single-input single-output) 시스템에서 프로그레시브 이미지를 전송할 때, 이미지의 평균왜곡을 최소화하기 위해 효율적으로 패킷의 데이터 전송률을 할당하는 방식을 연구한다. 제안된 기법은 딥러닝을 이용한 최적화로, 각 패킷에 할당되는 데이터 전송률을 뉴럴 네트워크의 출력으로 결정하는 방식을 취한다. 이 기법은 기존의 알고리즘보다 연산 복잡도가 낮으면서도, 비슷한 peak-signal-to-noise (PSNR) 성능을 달성한다.
이미지 전송을 위한 딥러닝 기반의 소스 채널 코딩 및 전력 최적화
표지영(Jiyoung Pyo),장석호(Seok-Ho Chang),이현우(HyeonWoo Lee),서준석(Jun-Seok Seo),권태훈(Tae-Hoon Kwon) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.11
본 논문은 링크 간 간섭이 존재할 때, 프로그레시브 패킷들의 조인트 소스 채널 코딩 및 전력 제어에 관한 연구이다. 각각의 패킷마다 서로 다른 데이터 전송률을 할당하는 경우의 연산 복잡도는 패킷의 개수가 증가함에 따라 지수적으로 증가한다. 송신전력을 최적화하는 문제 또한, 기존에 연구된 기법들은 수많은 반복을 통해 차선의 전력을 찾아내는 iterative 알고리즘이다. 따라서, 본 논문은 조인트 소스 채널 코딩과 전력 제어가 결합된 문제의 복잡도를 해결할 방안으로 deep neural network 구조를 제안하였다. 제안한 신경망은 기존의 알고리즘과 유사한 peak-signal-to-noise ratio(PSNR) 성능을 달성한다.