Earticle

현재 위치 Home

UAV 통신 환경에서 GRU 기반 최적 송신안테나 선택
GRU Based Optimum Transmission Antenna Selection in UAV Communication Environments

첫 페이지 보기
  • 발행기관
    국제차세대융합기술학회 바로가기
  • 간행물
    차세대융합기술학회논문지 KCI 등재 바로가기
  • 통권
    제7권 12호 (2023.12)바로가기
  • 페이지
    pp.2029-2038
  • 저자
    홍석진, 윤웅종, 오정은, 정의림
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A439236

※ 기관로그인 시 무료 이용이 가능합니다.

4,000원

원문정보

초록

영어
This paper proposes a technique for selecting the optimal transmission antenna in a UAV communication environment based on the Gated Recurrent Unit (GRU) model. The considered communication system employs multiple antennas and operates in a bidirectional communication mode through Time-Division Duplexing (TDD). In this system, all antennas receive signals, and the optimal transmission antenna is selected based on the Signal-to-Noise Ratio (SNR) of the past received signals for subsequent transmission. Existing methods for selecting the transmission antenna include the average method, which uses the average SNR of received signals, the recent value method, which uses the SNR of the most recently received signal, and a method based on CNN. The experimental results show that the proposed GRU-based approach outperforms the existing methods in terms of antenna selection accuracy in both wideband and narrowband scenarios.
한국어
본 논문에서는 무인 항공기(Unmanned Aerial Vehicle, UAV) 통신 환경에서 GRU(Gated Recurrent Unit) 기반 최적의 송신안테나를 선택하는 기법을 제안한다. 고려된 통신시스템은 다중 안테나를 사용하며, 시분할 이중화(TDD)를 통해 양방향 통신을 수행한다. 이 시스템은 다중 안테나를 사용하여 신호를 수신한 후, 안테나 별 수신된 신호의 신호 대 잡음 비(SNR: signal to noise ratio)를 기반으로 미래 최적의 송신안테나를 선택하여 전 송한다. 송신안테나를 선택하는 기존의 방법으로는 과거 수신한 SNR의 평균을 사용하는 방법, 가장 최근에 수신 한 신호의 SNR을 사용하는 방법 및 합성곱 신경망(Convolutional Neural Network, CNN)을 사용하여 송신안테 나를 선택한다. 제안된 방법과 기존 방법의 성능은 모의실험을 통해 비교한다. 실험 결과 GRU에 기반 제안 방법 은 광대역과 협대역 모두에서 기존 방법보다 평균 안테나 선택 정확도가 우수하다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 시스템 모델
Ⅲ. GRU 기반 송신안테나 선택 방법
3.1 기존 송신안테나 선택 방법
3.2 제안하는 송신안테나 선택 방법
Ⅳ. 모의실험
4.1 모의실험 환경
4.2 인공지능 모델 학습
4.3 모의실험 결과
Ⅴ. 결론
REFERENCES

키워드

안테나 다이버시티 안테나 선택 다중입출력 딥러닝 순환 신경망 GRU Antenna Diversity Antenna Selection MIMO Deep Learning RNN Gated Recurrent Unit

저자

  • 홍석진 [ Seok-Jin Hong | 한밭대학교 인공지능학과 석사과정 ]
  • 윤웅종 [ Woong-Jong Yun | 한밭대학교 인공지능학과 석사과정 ]
  • 오정은 [ Jeong-Eun Oh | 한밭대학교 모바일융합공학과 석사과정 ]
  • 정의림 [ Eui-Rim Jeong | 한밭대학교 인공지능소프트웨어학과 교수 ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제차세대융합기술학회 [International Next-generation Convergence technology Association]
  • 설립연도
    2017
  • 분야
    복합학>기술정책
  • 소개
    Ever since next generation convergence technology became one of the most important industries in the nation, computing professionals have encountered a growing number of challenges. Along with scholars and colleagues in related fields, they have gathered in avariety of forums and meetings over the last few decades to share their knowledge, experiences and the outcome of their research. These exchanges have led to the founding of the International Next-generation Convergence technology (INCA) on December 1, 2015. INCA was registered as an incorporated association under the Ministry of Information and Communications. The main purpose of the organization is to improve our society by achieving the highest capability possible in next generation convergence technology.

간행물

  • 간행물명
    차세대융합기술학회논문지 [The Journal of Next-generation Convergence Technology Association]
  • 간기
    월간
  • pISSN
    2508-8270
  • 수록기간
    2017~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 506 DDC 606

이 권호 내 다른 논문 / 차세대융합기술학회논문지 제7권 12호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.