Earticle

본 논문에서는 BRN (barrage relay network) 환경에서 수신 전력 분포를 이용하여 통신에 참여하는 중계 노드 수를 추정하는 인공지능 기법을 제안한다. 즉, 중계 노드에 대한 어떠한 정보도 없이 수신 신호의 전력만으로 중계에 참여하는 노드의 개수를 추정한다. 이를 위해 수신기에서 수신 전력 벡터를 입력으로 중계에 참여한 노드 수를 추정하는 1D-CNN(one-dimensional convolutional neural network)을 제안한다. 이때, BRN의 중계노드에서 사용되는 랜덤 위상 디더링은 시간 다이버시티 이득 측면에서는 우수하지만 노드 수 추정에는 불리하여 본 논문에서는 이진 위상 디더링 방식을 사용한다. 모의실험 결과에 따르면, 제안하는 방식은 다중경로 페이딩 채널 환경에서 중계 노드 수 추정 RMSE (root mean square error) 기준 0.5개 이하의 오차를 보이며, 랜덤 위상 디더링에 비해서는 RMSE가 최대 54.8% 줄어드는 것을 확인한다. BER (bit error ratio) 성능을 확인한 결과, 이진 위상 디더링을 사용함에도 불구하고 시간 다이버시티 이득은 얻을 수 있으며, 랜덤 위상 디더링 방식과 비교하면 대부분의 경우에 1 dB 이내의 성능 손실이 확인된다.

In this paper, we propose an artificial intelligence-based technique for estimating the number of relay nodes participating in communication using the received power distribution in a barrage relay network (BRN) environment. Specifically, the proposed method estimates the number of participating relay nodes solely from the power of the received signal, without any prior information about the relay nodes. To this end, we propose a 1D-CNN (one-dimensional convolutional neural network) that estimates the number of participating relay nodes by using the received power vector at the receiver as its input. Although random phase dithering used in BRN relays is effective in terms of time diversity gain, it is unfavorable for node number estimation. Therefore, this paper proposes a binary phase dithering scheme. Simulation results show that the proposed scheme achieves an RMSE (root mean square error) of less than 0.5 nodes in estimating the number of relay nodes in multipath fading channel environments. In addition, the proposed scheme reduces the RMSE by up to 54.8% compared with random phase dithering. The BER (bit error ratio) performance results confirm that time diversity gain can still be achieved despite the use of binary phase dithering. Moreover, compared with the random phase dithering scheme, the proposed scheme exhibits a performance loss of within 1 dB in most cases.