http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
차대웅(Daewoong Cha),유민우(Minwoo Yoo),정소희(Sohee Jeong),한동석(Dong Seog Han),오지용(Jiyong Oh) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
최근 자율주행 자동차를 위한 기술들이 활발히 연구되고 있다. 그중에서 긴급상황 자동 브레이크 시스템은 라이다, 레이더 등을 사용하여 주변 환경을 인식하고 사고를 방지한다. 기존의 딥 러닝을 사용한 분류기들은 거리-도플러맵, 마이크로도플러 등을 사용한다. 이러한 이미지는 객체가 레이더를 바라보는 각도에 따른 이미지의 변화가 크다. 따라서 본 논문에서는 분류성능을 향상시키기 위해서 거리-도플러맵과 포인트클라우드맵을 사용한 식별기를 제안한다. 거리-도플러맵을 사용했을 때는 평균 85%의 분류 성능을 얻었으며, 제안한 거리-도플러맵과 포인트클라우드맵을 같이 사용했을 때는 평균 92%의 향상된 성능을 얻었다.
채널 환경 변화에 따른 딥러닝 기반 자동 변조 분류기법 성능 분석
박명철(Myung Chul Park),차대웅(Daewoong Cha),한동석(Dong Seog Han) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.11
본 논문은 채널 변화에 따른 딥러닝 기반 AMC (automatic modulation classification) 분류 성능을 채널의 지연 확산과 다중경로의 개수에 따른 학습 데이터를 증강하여 성능을 분석하였다. 기존 딥러닝 기반 AMC 기법은 학습되지 않은 채널 환경에 대한 성능이 열화되는 문제점을 가지고 있어서 이를 해결하기 위한 학습 데이터 증강 방법에 대해 실험을 통해 분석하였다. 본 논문에서는 테스트 데이터의 지연 확산을 기준으로 학습 데이터 채널의 지연 확산을 변화하면서 시간 영역에서의 IQ (in-phase and quadrature phase) 기반 CNN (convolution neural network) 모델의 분류 성능을 모의실험을 통하여 분석하였다.
박명철(Myung Chul Park),차대웅(Daewoong Cha),한동석(Dong Seog Han) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
본 논문은 서로 다른 부반송파 간격을 가진 OFDM(orthogonal frequency division multiplexing) 기반 무선 통신 신호를 분별하기 위하여 MFB(multiple FFT window banks) 기반의 CNN(convolutional neural network) 모델을 제안한다. 기존 딥러닝 기반 ACM(automatic modulation classification) 모델은 단일 반송파 기반의 변조 방식에 대한 분류 정확성을 향상시켰다. 그러나 동일한 대역폭에서 서로 다른 부반송파 간격을 가진 OFDM 신호를 분류하지 못하는 문제점을 가진다. 본 논문에서 제안한 MFB 기반 CNN 모델의 분류 성능이 기존 시간영역에서의 IQ(in-phase and quadrature phase) 기반 CNN 모델과 A/P(amplitude/phase) 기반 LSTM(long-short term memory) 모델의 분류 성능보다 향상됨을 모의실험을 통하여 보였다.