Data-efficient image Transformers(DeiT)를 이용한 자동변조인식 기술 = Automatic Modulation Recognition Using Data-Efficient image Transformers(DeiT)

국문 초록 (Abstract)

자동변조인식(AMR, Automatic Modulation Recognition)은 무선통신 시스템에서 수신된 신호의 변조 방식을 자동으로 식별하는 기술로, 방해 신호를 감지하는 데 중요한 역할을 하고, 군사 및 상업 통신 시스템의 성능을 향상하는 기술이다. 최근 딥러닝의 발전으로 인해, AMR 분야에서도 딥러닝 기술들이 도입되어 활발한 연구가 진행되고 있다. 본 논문에서는 대규모 데이터 없이도 효율적으로 높은 성능을 달성할 수 있는 DeiT(Data-efficient Image Transformers) 모델을 사용하여 자동으로 변조 방식을 인식하는 새로운 알고리즘을 제안한다. DeiT 모델은 지식증류 기법을 활용하여, CNN 아키텍처의 귀납적 편향을 유지하면서 Vision Transformer(ViT)의 구조적 장점을 결합했다. 실험 결과 DeiT기반 AMR이 ViT를 사용한 변조인식 보다 정확도가 평균 8.2% 높았다.

다국어 초록 (Multilingual Abstract)

Automatic Modulation Recognition (AMR) is a technology that automatically identifies the modulation of a received signal in a wireless communication system, which plays an important role in detecting jamming signals and improves the performance of military and commercial communication systems. With the recent advances in deep learning, AMR has been actively researched by introducing deep learning techniques in the field of AMR.
In this paper, we propose a new algorithm to automatically recognize modulation schemes using the Data-efficient Image Transformers (DeiT) model, which can efficiently achieve high performance without the need for large datasets. The DeiT model utilizes knowledge distillation techniques to combine the advantages of each model by using the structure of Vision Transformer (ViT) while retaining the inductive bias of CNN architecture.
Experimental results show that AMR based on DeiT is on average 8.2% more accurate than modulation recognition using ViT.