http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 주제어 : non-cooperative context (검색결과 7 건)
- 무료
- 기관 내 무료
- 유료
-
개선된 손실 함수를 이용한 딥러닝 기반 자동 변조 분류
송건호,김동호,노재현,윤동원 한국정보기술학회 2024 한국정보기술학회논문지 Vol.22 No.8
자동 변조 분류(AMC, Automatic Modulation Classification)는 현대 무선 통신의 주요 기술 중 하나로 다양한 협력 및 비협력 통신에서 중요한 역할을 한다. 최근 다양한 딥러닝(DL, Deep Learning) 기반의 AMC에 대한 연구가 보고되고 있다. 본 논문에서는 AMC를 위한 DL 모델의 손실 함수를 개선하여 분류 성능을 향상시키는 방법을 제안하고 분류 성능을 분석한다. 제안하는 방법은 기존의 소프트맥스 손실 함수를 각 변조 방식에 대한 확률분포가 목표 확률분포에 더 가깝게 조절될 수 있도록 개선한다. 컴퓨터 모의실험을 통해 다양한 DL 모델에 대해 제안한 방법으로 개선한 손실 함수를 적용하여 기존보다 분류 정확도 측면에서 성능을 향상시킬 수 있음을 확인한다. Automatic Modulation Classification(AMC) is one of the key technologies of modern wireless communication which plays an important role in various cooperative and non-cooperative contexts. Recently, many studies on Deep Learning(DL)-based AMC have been reported. This paper proposes a method for improving classification performance by modifying the loss function of the DL model for AMC and analyzes its classification performance. The proposed method improves the conventional softmax loss function to adjust the probability distribution over the modulation schemes closer to the desired probability distribution. Through computer simulations, we verify that by applying the loss function revised with the proposed method, it is possible to improve performance in terms of classification accuracy for various DL models than conventional ones.
-
장민규,장연수,최영익,윤동원 한국정보기술학회 2024 한국정보기술학회논문지 Vol.22 No.8
본 논문에서는 머신러닝을 이용하여 수신신호의 양이 제한적인 상황에서 인터리버 제원을 블라인드로 추정하는 기법을 제안한다. 비협력 상황에서 수신기는 송신기에서 사용한 통신제원을 알지 못하기 때문에 수신신호로부터 정보를 얻기 위해서 아무런 사전정보 없이 수신신호로부터 통신제원을 추정하여야 한다. 특히, 수신신호의 양이 제한적일 경우 블라인드 추정은 더욱 도전적인 과제이다. 최근 수신신호의 양이 제한적인 상황에서 인터리버 제원을 블라인드 추정하는 연구가 진행되었으나 추정 성능을 고도화하기 위하여 계산 복잡도가 증가하였다. 이를 해결하기 위하여 본 논문에서는 계산 복잡도가 감소된 머신러닝 기반의 블라인드 인터리버 제원 추정 알고리즘을 제안하며 컴퓨터 모의실험을 통해 본 논문에서 제안한 기법이 기존의 추정 기법보다 더 낮은 계산 복잡도에서도 동일한 성능으로 추정함을 보인다. In this paper, we propose a method for blind estimation of interleaver parameter using machine learning under the condition of scant received data. In non-cooperative contexts, since a receiver does not know communication parameters used by a transmitter, it has to estimate the communication parameters from a received data without any prior knowledge about the parameters to recover information from the received data. Specifically, it becomes more challenging under the condition of scant received data. Recently, estimation of interleaver parameter from scant received data has been researched. However, this method requires additional computational complexity in order to achieve an improved estimation performance. To deal with this problem, in this paper, we propose a blind interleaver parameter estimation method using machine learning with low computational complexity and, through computer simulations, we validate that the proposed method show the same estimation performance as in conventional methods with lower computational complexity.
-
-
DSSS 시스템에서 효율적인 스크램블러 제원 추정 기법
김동영,이현휘,최재원,윤동원 대한전자공학회 2024 전자공학회논문지 Vol.61 No.7
본 논문에서는 직접 시퀀스 대역 확산(Direct sequence spread spectrum, DSSS) 시스템에서 보다 낮은 계산 복잡도로 스크램블러의 생성 다항식을 추정하는 알고리즘을 제시한다. 이 알고리즘은 기존 알고리즘과 유사하거나 더 좋은 추정 성능을 보이며 DSSS 시스템에서 효과적으로 동작한다. 이를 위해 주어진 신호를 두 번 이전 가산하는 기존의 알고리즘과 달리, 신호 간에 덧셈 없이 신호를 분할함으로 부분수열들을 생성하여 오류의 전파를 억제하고, 부분수열에 Berlekamp-Massey 알고리즘을 적용함으로써 생성 다항식 후보들을 얻는다. 이후, 생성 다항식 후보들을 검증하여 올바른 생성 다항식을 결정한다. 제안하는 알고리즘을 검증하기 위해 기존의 스크램블러 추정 알고리즘과 비교하여 더 적은 수의 계산량을 갖는 것을 수학적으로 보인다. 그리고 컴퓨터 시뮬레이션을 통하여 제시된 알고리즘이 높은 비트 오류율에서도 효율적으로 스크램블러의 생성 다항식을 추정할 수 있음을 보인다. This paper proposes an algorithm for estimating the generating polynomial of a scrambler with lower computational complexity. This algorithm shows similar or better estimation performance compared to conventional algorithms in direct sequence spread spectrum (DSSS) systems. Unlike conventional algorithms that shift-and-add the given signal twice, this algorithm divides the signal without shift-and-add between signals, generates subsequences to suppress error propagation, and applies the Berlekamp-Massey algorithm to the subsequences to obtain candidate generating polynomials. Subsequently, the algorithm validates the candidate generating polynomials to determine the correct one. To validate the proposed algorithm, it is compared mathematically with conventional scrambler estimation algorithms, demonstrating that it requires fewer calculations. Furthermore, through computer simulation, it is demonstrated that the proposed algorithm can efficiently estimate the generating polynomial of the scrambler with low computational complexity even at high bit error rates.
-
-
-
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
