RISS 검색 - 국내학술지논문 상세보기

다국어 초록 (Multilingual Abstract)

This pa pe r proposes a deep-learning based signal to noise ra t i o (SNR) pre d i c t i o n technique fo r wireless communication environments. The communication system considered in this pa pe r uses time division duplex ( T DD) , and re c e i v e s signal using multiple antennas while transmits with only one antenna.
Ba s e d on the SNR measurements when receiving in the pa s t , we proposed a convolutional neural network ( C NN) model to pre d i c t the SNRs fo r all antennas at the time of fu t u re transmission. If there is no re c e i v e d signal nor SNR measurement, the SNR measurements are filled by linear interpolation of neighboring two re c e i v e d SNRs. According to the simulation results, the wideband signals show better pre d i c t i o n pe rfo rm a n c e than the n a rro w b a n d signals. In the case of wideband, the proposed technique is about 0.37～0.98 dB superior to the conventional method fo r 20 km/h. Fo r n a rro w b a n d , the proposed one is better by 0.29～0.88 dB.

국문 초록 (Abstract)

무선 통신 환경에서 딥러 닝을 기반으로 미래 신 호대잡음비( S N R ) 를 예측하 는 기술을 제안한다. 본 논문에서 고려하는 통 신 시스템은 시분 할 전이중 방식을 사용하며, 여러 개의 안테나...

무선 통신 환경에서 딥러 닝을 기반으로 미래 신 호대잡음비( S N R ) 를 예측하 는 기술을 제안한다. 본 논문에서 고려하는 통 신 시스템은 시분 할 전이중 방식을 사용하며, 여러 개의 안테나로 수신하며 동일한 안테나를 이용하여 미래에 송신한다. 여러 수신 안테나에서 과거에 수신된 SNR을 기반으로, 미래 송신 안테나 별로 SNR을 예측하는 합성곱 신경망 모델을 제안한다. 수신하는 비율 또는 수신 SNR을 기록하는 비율 은 10%에서 100%로 설정한다. 만약 수신 기록이 없어 SNR 기록이 존재하지 않는다면 이전에 수신된 SNR과 이후 수신된 SNR의 선형 보간(Linear interpolation)을 통해 수신 SNR을 설정한다. 모의실험 결과에 따르면 광대역 신호일 때 협대역 신호보다우수한 성능을 보인다. 광대역인 경우 20km/h의 속도를 기준으로 제안방법이 기존방법에 비해 약 0.37dB에서 약0.98dB 우수하고, 협대역인 경우 20km/h의 속도를 기준으로 제안방법이 약 0.29dB에서 약 0.88dB 우수하다.

참고문헌 (Reference)

1 D W Matolak, "Worse-than-Rayleigh fading: Experimental results and theoretical models" Institute of Electrical and Electronics Engineers (IEEE) 49 (49): 140-146, 2011

2 P. Kazemi, "SNR prediction in cellular systems based on channel charting" 1-8, 2020

3 Haiming Wang, "Radio propagation and wireless coverage of LSAA-based 5G millimeter-wave mobile communication systems" Institute of Electrical and Electronics Engineers (IEEE) 16 (16): 1-18, 2019

4 V. Venkatasubramanian, "On the performance gain of flexible UL/DL TDD with centralized and decentralized resource allocation in dense 5G deployments" 1840-1845, 2014

5 Steven W. Peters, "Nonregenerative MIMO Relaying With Optimal Transmit Antenna Selection" Institute of Electrical and Electronics Engineers (IEEE) 15 : 421-424, 2008

6 안성준 ; 이재영 ; 임보미 ; 권해찬 ; 허남호 ; 박성익, "Multi‐antenna diversity gain in terrestrial broadcasting receivers on vehicles: A coverage probability perspective" 한국전자통신연구원 43 (43): 400-413, 2021

7 Yuan Gao, "Massive MIMO Antenna Selection: Switching Architectures, Capacity Bounds, and Optimal Antenna Selection Algorithms" Institute of Electrical and Electronics Engineers (IEEE) 66 (66): 1346-1360, 2018

8 X. Wang, "Large scale experimental trial of 5G mobile communication systems—TDD massive MIMO with linear and non-linear precoding schemes" 1-5, 2016

9 Y. L. Lee, "Improved detection performance of cognitive radio networks in AWGN and Rayleigh fading environments" 11 (11): 437-446, 2013

10 Yong-Up Jang, "Frame Design and Throughput Evaluation for Practical Multiuser MIMO OFDMA Systems" Institute of Electrical and Electronics Engineers (IEEE) 60 (60): 3127-3141, 2011