5G DMRS 인덱스 분류를 위한 머신 러닝 기반의 경량 데이터 처리 기술

김종석; 강승우; 조오현

doi:http://dx.doi.org/10.47116/apjcri.2023.11.09

추천

검색

자료유형: 학술저널

저자정보: 김종석 (충북대학교) 강승우 (충북대학교) 조오현 (충북대학교)

저널정보: 아태인문사회융합기술교류학회 아시아태평양융합연구교류논문지 Asia-pacific Journal of Convergent Research Interchange Vol.9 No.11

발행연도: 2023.11

수록면: 91 - 101 (11page)

DOI: http://dx.doi.org/10.47116/apjcri.2023.11.09

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2023

5G DMRS 인덱스 분류를 위한 머신 러닝 기반의 경량 데이터 처리 기술

김종석 , 강승우 , 조오현 아시아태평양융합연구교류논문지 2023.11 학술저널

다중 채널 기반 이미지화를 이용한 5G DMRS 신호 인덱스 분류 성능 향상

김종석 , 강승우 , 김주엽 외 1명 한국통신학회 학술대회논문집 2023.06 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 논문에서는 실제 5G 네트워크 환경에서 DMRS 인덱스 분류를 위해 새로운 데이터 이미지화 기법을 제안하였다. 제안된 이미지화 기법은 신호가 갖고 있는 실수부와 허수부의 원래 값을 유지하면서 이 두 데이터로부터 얻은 진폭 값을 활용한다. 세 개의 데이터를 통해 기존 이미지에서 사용되던 RGB 색상 모델과 같은 구조를 형성한다. 분류 모델로는 이미지 분류 신경망 중 하나인 CNN을 활용하여 간단한 모델을 구성하였다. 데이터는 실제 5G 환경에서 수집된 데이터이며 이를 통해서 실제 시스템에서 적용 가능성 또한 확인할 수 있다. 제안된 이미지화 기법의 성능 비교를 위하여 기존 이미지화 기법인 GASF, GADF, MTF의 인덱스 분류 정확도, 이미지화 시간, 모델 학습 시간을 비교하였다. 제안된 이미지화 기법은 모든 SNR에서 최소 약 24% 이상의 높은 정확도를 보였다. 이미지화 시간 또한 같은 사이즈의 기존 이미지화 기법 중 두 개의 GAF가 약 1.5초, MTF가 약 95초에 전처리가 이루어지는 반면, 제안된 이미지화 기법이 약 0.7초로 더 빠른 전처리 속도를 보였다. 모델 학습 시간은 분류 정확도가 가장 잘 나오는 기존 이미지화 기법들이 약 212초에 학습을 완료하는 반면, 제안된 이미지화 기법은 약 133초로 더 빠른 학습 속도로 시간 효율성을 크게 향상시키며 높은 정확도를 유지하는 것을 확인하였다.

In this paper, we propose a new data imaging technique for DMRS(Demodulation Reference Signal) index classification in a real-world 5G network environment. The proposed imaging technique utilizes the amplitude values obtained from these two data while maintaining the original values of the In-phase and Quadrature-phase parts of the signal. This approach forms a structure similar to the RGB(Red-Green-Blue) color model used in conventional images, using these three pieces of data. As a classification model, a light-weight CNN(Convolutional Neural Network) model was constructed, which is a well-fitted neural network model for image processing. The data is collected in a real 5G environment to confirm the feasibility and applicability in the real 5G system. The performance of the proposed scheme is evaluated in terms of the index classification accuracy, the imaging time, and the model learning time while comparing with the benchmark methods in literature such as GASF(Gramian Angular Summation Field), GADF(Gramian Angular Difference Field), and MTF(Markov Transition Field). The proposed imaging technique showed a higher accuracy of at least 24% in all SNR(Signal-to-Noise Ratio) levels. in terms of imaging time, while the existing imaging methods of the same dimensions took around 1.5 seconds for two GAFs and approximately 95 seconds for MTF preprocessing, the proposed imaging technique demonstrated a faster preprocessing speed of about 0.7 seconds. Additionally, when considering model training time, the conventional imaging methods that achieved the best classification accuracy required approximately 212 seconds to complete training. On the other hand, the proposed imaging technique significantly improved time efficiency with a training time of approximately 133 seconds. This accelerated training speed led to a substantial enhancement in time efficiency while maintaining a high level of accuracy.

#5G #딥러닝 #분류 #복조참조신호 #이미지화 #5G #Deep Learning #Classification #DMRS #Imaging

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

최근 본 자료

댓글(0)