http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
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.
다중 안테나 시스템에서의 조인트 소스 채널 및 시공간 코딩
표지영(Ji Young Pyo),장석호(Seok-Ho Chang) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
본 논문은 라이시안 페이딩 채널을 갖는 다중 안테나 시스템에서 프로그레시브 이미지를 전송할 때, 각 패킷 별 데이터 전송률을 최적화하는 기법을 연구한다. 제안된 기법은 지도 학습 딥러닝을 통해 채널 코딩으로 인한 주파수 효율 (spectral efficiency) 최적화와 더불어, 다중 안테나 시스템의 spatial multiplexing rate 을 최적화한다. 레이블은 기존의 parametric approach 알고리즘으로 생성하였으며 학습된 신경망은 평균 왜곡을 최소화하는 각 패킷의 데이터 전송률을 예측할 수 있다. 제안된 기법은 기존의 알고리즘보다 낮은 연산 복잡도로 최적화를 수행하며 기존의 알고리즘과 유사한 peaksignal-to-noise ratio (PSNR) 성능을 달성한다.