지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 정의림
- 발행연도
- 2021
- 저작권
- 한밭대학교 논문은 저작권에 의해 보호받습니다.
이용수8
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
무선 통신 시스템에서 수신기의 성능은 시간 및 반송파 주파수 오차에 매우 민감하다. 특히, OFDM(Orthogonal Frequency Division Multiplexing) 기반의 무선랜 시스템에서는 시간 및 반송파 주파수 오차가 발생하면 ICI(Inter-Carrier Interference)와 ISI(Inter-Symbol Interference)가 발생하여 수신기에서 데이터 복원이 불가능하다. 이를 위해 데이터 패킷 앞에 Preamble을 전송하고 수신기에서는 이 Preamble을 이용하여 동기화를 수행한다.
본 논문에서는 무선 통신 시스템에서 딥러닝 기반의 시간 및 반송파 주파수 오차 동시 추정을 제안한다. 본 논문에서는 무선랜 시스템을 예로 들어 설명하였지만, Preamble이 존재하는 다른 무선 통신 시스템에서도 사용할 수 있다. 제안하는 기법은 먼저 딥러닝 네트워크의 입력으로 사용되기 위하여 수신 신호를 이용하여 데이터 전처리 과정을 수행한다. 제안하는 기법의 성능을 확인하기 위하여 무선랜 시스템에서 기존의 기법과 성능을 비교한 결과, 제안하는 시간 오차 추정은 FDP(False Detection Probability)에서 채널 환경에 따라 SNR 3 dB ~ 6 dB 성능 이득을 보였으며, 다중 경로 채널에서 실내 측위를 위해 첫 번째 경로를 검출하는 데 있어서 기존 기법에 비해 낮은 RMSE(Root Mean Square Error)를 보여준다. 또한, 제안하는 반송파 주파수 오차 추정에서는 중간과 낮은 SNR(Signal-to-Noise Ratio)에서 기존의 기법보다 낮은 RMSE를 보여준다.
본 논문에서는 무선 통신 시스템에서 딥러닝 기반의 시간 및 반송파 주파수 오차 동시 추정을 제안한다. 본 논문에서는 무선랜 시스템을 예로 들어 설명하였지만, Preamble이 존재하는 다른 무선 통신 시스템에서도 사용할 수 있다. 제안하는 기법은 먼저 딥러닝 네트워크의 입력으로 사용되기 위하여 수신 신호를 이용하여 데이터 전처리 과정을 수행한다. 제안하는 기법의 성능을 확인하기 위하여 무선랜 시스템에서 기존의 기법과 성능을 비교한 결과, 제안하는 시간 오차 추정은 FDP(False Detection Probability)에서 채널 환경에 따라 SNR 3 dB ~ 6 dB 성능 이득을 보였으며, 다중 경로 채널에서 실내 측위를 위해 첫 번째 경로를 검출하는 데 있어서 기존 기법에 비해 낮은 RMSE(Root Mean Square Error)를 보여준다. 또한, 제안하는 반송파 주파수 오차 추정에서는 중간과 낮은 SNR(Signal-to-Noise Ratio)에서 기존의 기법보다 낮은 RMSE를 보여준다.
목차
I. 서론 1II. 시스템 모델 32.1. 기존의 CFO 추정 42.2. 기존의 TO 추정 52.3. 시스템 파라미티 5III. 제안하는 기법 73.1. 데이터 전처리 73.2. 제안하는 CNN 9IV. 컴퓨터 모의실험 결과 134.1. CNN 학습 134.2. TO 추정 성능 154.3. CFO 추정 성능 19V. 결론 22VI. 참 고 문 헌 23Abstract 25
최근 본 자료
댓글(0)
0