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
- 송창익
- 발행연도
- 2022
- 저작권
- 한국교통대학교 논문은 저작권에 의해 보호받습니다.
이용수2
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
본 논문에서는 차량의 고속이동에 따라 시간-주파수 영역에서 빠르게 변화하는 채널을 정확하게 추정하고 이를 통해 보다 신뢰성 있는 차량 간 V2X (Vehicle-to-Everything) 통신지원을 위해 인공신경망과 다중 수신안테나 MRC(Maximum Ratio
Combining) 패킹(Packing) 기법을 결합한 새로운 V2X 채널추정 알고리즘을 제안한다. 이후 실측 채널 모델에서 다양한 모의실험을 통해 제안하는 알고리즘의 우수성을 입증한다.
현재 IEEE802.11p기반 V2X (Vehicle-to-Everything)규격은 패킷 내 파일럿 수의 부족으로 시간-주파수 영역 모두
에서 빠른 변화를 겪는 채널을 추적하기 어려운 문제점을 가진다. 이를 극복하기 위한 방법으로 심벌 디매핑을 통해
복원된 심벌을 다시 파일럿으로 재사용함으로써 적은 수의 파일럿 문제를 극복하는 결정 지향적 DPA(Data Pilot
Aided) 채널 추정 방법에 대해 많은 연구가 이루어져 왔다. 최근 기존 DPA기술의 정확도 개선을 위해 인공신경망 즉
DNN (Deep Neural Network)을 이용한 기법들이 많은 연구가 되고 있다. 또한 다중 수신안테나 MRC(Maximum
Ratio Combining) 기술을 이용하여 다이버시티 이득을 극대화하고 이를 통해 디매핑 심벌의 신뢰성을 향상시키는 방
법이 가능하다. 하지만 현재까지 다중수신안테나 MRC채널 추정기술과 인공신경망을 결합하는 고도화된 연구는 제안된
바가 없다.
본 논문에서는 다중 수신 안테나와 인공신경망을 이용하여 다이버시티 이득과 잡음제거 효과를 극대화 하는 새로운
채널추정 알고리즘을 제안한다. 이를 위해 먼저 인공신경망 없이 획득 가능한 최대 채널 추정 정확도를 측정하기 위해
기존 다중수신안테나 MRC패킹(packing)기법과 가상 부반송파를 이용한 잡음제거 기법을 결합하여 잡음제거 능력을
극대화 한 가상부반송파-MRC패킹 기술을 제안한다. 이후 MRC 패킹 기법과 오토인코더 인공신경망을 결합한 인공신
경망 기반 MRC패킹 기법을 제안한다. 마지막으로 Cohda Wireless 사에서 제공한 실측 채널 모델을 기반으로 모의실
험을 통해 PER(Packet Error Rate)을 측정하고 기존 기법들과의 성능을 비교하고 분석하여 제안하는 기법들의 우수
성을 입증한다.
Combining) 패킹(Packing) 기법을 결합한 새로운 V2X 채널추정 알고리즘을 제안한다. 이후 실측 채널 모델에서 다양한 모의실험을 통해 제안하는 알고리즘의 우수성을 입증한다.
현재 IEEE802.11p기반 V2X (Vehicle-to-Everything)규격은 패킷 내 파일럿 수의 부족으로 시간-주파수 영역 모두
에서 빠른 변화를 겪는 채널을 추적하기 어려운 문제점을 가진다. 이를 극복하기 위한 방법으로 심벌 디매핑을 통해
복원된 심벌을 다시 파일럿으로 재사용함으로써 적은 수의 파일럿 문제를 극복하는 결정 지향적 DPA(Data Pilot
Aided) 채널 추정 방법에 대해 많은 연구가 이루어져 왔다. 최근 기존 DPA기술의 정확도 개선을 위해 인공신경망 즉
DNN (Deep Neural Network)을 이용한 기법들이 많은 연구가 되고 있다. 또한 다중 수신안테나 MRC(Maximum
Ratio Combining) 기술을 이용하여 다이버시티 이득을 극대화하고 이를 통해 디매핑 심벌의 신뢰성을 향상시키는 방
법이 가능하다. 하지만 현재까지 다중수신안테나 MRC채널 추정기술과 인공신경망을 결합하는 고도화된 연구는 제안된
바가 없다.
본 논문에서는 다중 수신 안테나와 인공신경망을 이용하여 다이버시티 이득과 잡음제거 효과를 극대화 하는 새로운
채널추정 알고리즘을 제안한다. 이를 위해 먼저 인공신경망 없이 획득 가능한 최대 채널 추정 정확도를 측정하기 위해
기존 다중수신안테나 MRC패킹(packing)기법과 가상 부반송파를 이용한 잡음제거 기법을 결합하여 잡음제거 능력을
극대화 한 가상부반송파-MRC패킹 기술을 제안한다. 이후 MRC 패킹 기법과 오토인코더 인공신경망을 결합한 인공신
경망 기반 MRC패킹 기법을 제안한다. 마지막으로 Cohda Wireless 사에서 제공한 실측 채널 모델을 기반으로 모의실
험을 통해 PER(Packet Error Rate)을 측정하고 기존 기법들과의 성능을 비교하고 분석하여 제안하는 기법들의 우수
성을 입증한다.
목차
Ⅰ. 서 론 1Ⅱ. 시스템 모델 및 기존 채널 추 기법 51. IEEE 802.11p 패킷 구조 52. IEEE 802.11p 송/수신 모델 73. DPA 채널 추정 기 93-1. STA 기법 103-2. CDP 기법 113-3. TRFI 기법 134. 인공 신경망 기반 채널 추정 기법 144-1. 인공 신경망 구조 144-2. 오프라인 단계 154-3. 온라인 단계 165. 다중 수신안테나 기반의 MRC 패킹 채널 추정 기법 175-1. 초기 채널 추정 및 신뢰도 테스트 175-2. MRC 패킹 및 보간 185-3. MRC 디매핑 및 채널 추정 19Ⅲ. 제안하는 채널 추정 기법 201. 가상 부 반송파를 활용한 다중 수신안테나 MRC 패킹 채널 추정 기법 201-1. 초기 채널 추정 201-2. 신뢰도 테스트 211-3. MRC 패킹 및 보간 및 채널 추정 232. 인공 신경망을 활용한 다중 수신 안테나 MRC 패킹 채널 추정 기법 262-1. Data 추출 262-2. 인공 신경망 학습 262-3. 인공 신경망을 결합한 채널 추정 알고리즘 30Ⅳ. 모의실험 결과 및 성능 비교, 분석 331. 채널 모델 332. PER 성능 비교, 분석을 위한 비교 대상 설정 정책 363. PER 성능 비교, 분석 38Ⅴ. 결론 43결론 43참고문헌 44Abstract 47
최근 본 자료
댓글(0)
0