Earticle

초록

영어

This paper proposes a new technique for selecting optimal transmit antennas using convolutional neural network(CNN) in mobile communication environments. The communication system considered in this paper has multiple antennas and two-way communication is performed in a time-division duplexing(TDD) manner. The system uses all of the antennas in receiver mode but only one in transmitter mode. The input of the CNN is the signal to noise ratios(SNRs) for the past received signals. The conventional method selects the optimal antenna based on the average of the past received SNRs or the most recently received SNR. We compare the proposed method with two conventional methods through computer simulation. According to the results, by changing the mobile speed and the probability(or frequency) of receiving, the proposed CNN method has the highest accuracy in wideband signals while the conventional method using the recently received SNR has the highest accuracy in narrowband signals.

한국어

본 논문에서는 이동하는 통신 환경에서 합성곱 신경망에 기반하여 최적의 송신 안테나를 선택하는 방법 을 제안한다. 고려하는 통신시스템은 다중 안테나를 가지고 있으며 양방향 통신은 시분할 이중화로 수행한다. 수신 시에는 모든 안테나를 이용하지만 송신할 때는 최적의 안테나를 선택하여 전송한다. 합성곱 신경망의 입력은 과거 수신 시 측정한 신호대잡음비이다. 기존의 방법으로는 과거 신호대잡음비들의 평균값에 기반한 방법과 가장 최근에 수신할 때의 신호대잡음비에 기반하는 두 가지 방법을 고려한다. 제안하는 방법과 기존의 두 가지 방법은 컴퓨터 모의실험을 통해 비교한다. 이동속도와 수신할 확률을 바꿔가며 모의실험 한 결과 제안하는 방식이 광대역 신호에서 가장 높은 안테나 선택 정확도를 보이고 협대역 신호에서는 가장 최근 신호대잡음비를 사용하는 기존의 방법이 미세하지만 가장 우수하다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 시스템 모델
Ⅲ. CNN 기반 미래 송신 안테나 선택 방법
3.1 기존의 송신 안테나 선택 방법
3.2 제안하는 송신 안테나 선택 방법
Ⅳ. 모의실험
4.1 모의실험 환경
4.2 CNN 학습
4.3 성능비교 결과
Ⅴ. 결론
REFERENCES

키워드

안테나 다이버시티 안테나 선택 다중입출력 딥러닝 합성곱 신경망 분류 Antenna diversity Antenna selection MIMO Deep learning CNN Classification

저자

• 오정은 [ Jeong-Eun Oh | 한밭대학교 모바일융합공학과 석사 ]
• 조아민 [ A-Min Jo | 한밭대학교 모바일융합공학과 석사 ]
• 최재웅 [ Jae-Woong Choi | 한밭대학교 모바일융합공학과 석사 ]
• 정의림 [ Eui-Rim Jeong | 한밭대학교 인공지능소프트웨어학과 교수 ] Corresponding Author

참고문헌

발행기관

간행물