[논문]전력선통신 시스템을 위한 인공지능 기반 스펙트럼 할당 기법

김도균; 황유민; 홍승관; 김진영

전력선통신 시스템을 위한 인공지능 기반 스펙트럼 할당 기법
Spectrum Assignment Scheme Based on Artificial Intelligence for Power Line Communication Systems 원문보기

한국위성정보통신학회논문지 = Journal of satellite, information and communications, v.12 no.2, 2017년, pp.46 - 50

김도균 (광운대학교 전자융합공학과 유비쿼터스 통신 연구실) , 황유민 (광운대학교 전자융합공학과 유비쿼터스 통신 연구실) , 홍승관 (광운대학교 전자융합공학과 유비쿼터스 통신 연구실) , 김진영 (광운대학교 전자융합공학과 유비쿼터스 통신 연구실)

초록
AI-Helper

본 논문에서는 전력선통신 시스템에서 인공지능 기반 스펙트럼 할당 기법을 제안한다. 송신 신호의 주파수 대역은 스펙트럼 할당 기법을 통해서 조정이 가능하고, 이를 통해 간섭을 피할 수 있다. 이에 따라 전력선 통신 시스템의 성능과 스펙트럼 효율이 향상된다. 시뮬레이션 결과를 통해 제안된 스펙트럼 할당 기법을 통해 스펙트럼 효율 향상과 통신 시스템의 성능이 향상된다는 것을 증명하였다.

Abstract ▼ AI-Helper

In this paper, we propose an artificial intelligence based spectrum allocation scheme for power line communication system. The frequency band of the transmitted signal can be adjusted through the spectrum allocation technique, thereby avoiding interference. This improves the performance of the transmission signal and the spectral efficiency. Through the simulation results, we show that the proposed spectrum allocation technique improves the spectral efficiency and improve the communication performance.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

전송 신호의 스펙트럼을 인공지능을 이용해 할당하여 스펙트럼 할당 기법을 통해서 전송 신호의 성능과 스펙트럼 효율을 향상시킬 수 있다. 기존 스펙트럼 할당 기법은 복잡한 과정으로 이루어져있고, 스펙트럼 할당 대역에 제한이 있지만, 본 논문에서는 인공지능 기법을 통해서 그 제한을 해제하고, 스펙트럼 할당 과정도 간단하게 만드는 과정에 대해 설명한다. 본 논문의 구성은 다음과 같다.
인공지능 기술들을 통해서 어려운 계산 및 처리 문제를 해결하기 원활해짐에 따라, 인공지능 기술은 다양한 분야에서 성능 향상을 가져온다. 본 논문에서는 인공지능 기술을 전력선통신 분야에 적용시켜, 인공지능 기반 스펙트럼 할당 기법을 제안한다. 전송 신호의 스펙트럼을 인공지능을 이용해 할당하여 스펙트럼 할당 기법을 통해서 전송 신호의 성능과 스펙트럼 효율을 향상시킬 수 있다.
본 논문에서는 전력선통신을 위한 인공지능 기반 스펙트럼 할당 기법을 제안하였다. 서포트 벡터 머신을 이용하여 빈 대역과 포화 대역을 분류하고, 이를 통해 빈 대역을 활용하여 전력선통신의 성능을 향상시킬 수 있다는 것을 시뮬레이션을 통해 증명하였다.
본 연구에서는 전력선통신 시스템을 위한 인공지능을 기반스펙트럼 할당 기법을 제안한다. 두 노드 간 통신을 하는 전력선통신 네트워크를 고려한 기법이며, 전송 모드는 FCC 주파수 대역을 활용한다.

제안 방법

서포트 벡터 머신은 학습을 통해 결정 경계를 만들어 분류를 하는 머신 러닝(Machine learning) 기법이다. 본 논문에서는 빈 대역과 포화 대역으로 주파수 대역을 두 가지로 분류한다. 본 논문에서는 클래스 1의 샘플들을 x₁, 클래스 2의 샘플(sample)들을 x₂로 나타낸다.
최적의 채널을 찾기 위해서 본 연구에서는 Q factor를 이용한 서포트 벡터 머신 알고리즘을 제안한다. 서포트 벡터 머신의 샘플은 Q와 E에 대한 정보를 가지고 있다고 했는데, Q factor는 Q에 해당하는 정보이다.

성능/효과

존재하는 채널이 많을수록 보낼 채널이 많아지므로, PU가 사용하고 있을 채널이 있을 확률도 증가하므로 올바른 데이터를 수신할 확률도 낮아질 수 있다. 그래프에서 볼 수 있듯이 서포트 벡터 머신을 적용하지 않았을 때와 적용하였을 때 데이터 수신 확률이 전체적으로 증가하였다.
본 논문에서는 전력선통신을 위한 인공지능 기반 스펙트럼 할당 기법을 제안하였다. 서포트 벡터 머신을 이용하여 빈 대역과 포화 대역을 분류하고, 이를 통해 빈 대역을 활용하여 전력선통신의 성능을 향상시킬 수 있다는 것을 시뮬레이션을 통해 증명하였다. 제안한 시스템 모델을 이용하면 기존 방식보다 BER이 향상되었다는 것과, 데이터 수신 성공 확률이 증가했다는 것을 알 수 있다.
그림 4는 전력선통신에 활용하는 주파수 대역 12개를 활용하였을 때 각각의 대역을 통해 얻은 Q factor와 에너지를 그래프에 표시한 후 서포트 벡터 머신을 통해 분류를 한 시뮬레이션이다. 서포트 벡터 머신을 적용하여 빈 대역과 포화 대역을 분류하는 성능은 본 시뮬레이션을 통해 가능하다는 것을 입증할 수 있었다.
서포트 벡터 머신을 이용하여 빈 대역과 포화 대역을 분류하고, 이를 통해 빈 대역을 활용하여 전력선통신의 성능을 향상시킬 수 있다는 것을 시뮬레이션을 통해 증명하였다. 제안한 시스템 모델을 이용하면 기존 방식보다 BER이 향상되었다는 것과, 데이터 수신 성공 확률이 증가했다는 것을 알 수 있다. 본 알고리즘은 전력선 통신 뿐만 아니라 다른 통신 분야에 적용되었을 때도 성능향상을 기대할 수 있다.
그림 5는 제안한 시스템 모델을 적용했을 때와 기존의 전력선통신 16QAM의 BER(Bit Error Rate)을 시뮬레이션한 결과이다. 제안한 알고리즘을 이용해 서포트 벡터 머신을 이용해 빈 대역을 탐지하여 그 대역을 활용하여 통신을 하기 때문에 BER이 크게 감소한다고 볼 수 있다.

후속연구

제안한 시스템 모델을 이용하면 기존 방식보다 BER이 향상되었다는 것과, 데이터 수신 성공 확률이 증가했다는 것을 알 수 있다. 본 알고리즘은 전력선 통신 뿐만 아니라 다른 통신 분야에 적용되었을 때도 성능향상을 기대할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	기반스펙트럼 할당 기법은 어떤 기법인가?	본 연구에서는 전력선통신 시스템을 위한 인공지능을 기반스펙트럼 할당 기법을 제안한다. 두 노드 간 통신을 하는 전력선통신 네트워크를 고려한 기법이며, 전송 모드는 FCC 주파수 대역을 활용한다. 전력선통신 시스템에서 통신 채널은 배경 잡음과 임펄스 잡음이 신호에 더해지게 되며, 따라서 수신 신호 r(t)는 다음과 같은 식으로 표현할 수 있다.
	사람들은 인공지능에 큰 관심을 쏟게 된 계기는 무엇인가?	4차 산업혁명의 키워드 중 하나는 ‘인공지능’이다. 알파고의 등장을 통해서 사람들은 인공지능에 큰 관심을 쏟고 있으며, 이에 따라 인공지능 기술들과 다양한 분야의 기술들 간의 융합이 이루어지고 있다. 인공지능 기술들을 통해서 어려운 계산 및 처리 문제를 해결하기 원활해짐에 따라, 인공지능 기술은 다양한 분야에서 성능 향상을 가져온다.
	기존 스펙트럼 할당 기법은 어떤 문제점이 있었는가?	전송 신호의 스펙트럼을 인공지능을 이용해 할당하여 스펙트럼 할당 기법을 통해서 전송 신호의 성능과 스펙트럼 효율을 향상시킬 수 있다. 기존 스펙트럼 할당 기법은 복잡한 과정으로 이루어져있고, 스펙트럼 할당 대역에 제한이 있지만, 본 논문에서는 인공지능 기법을 통해서 그 제한을 해제하고, 스펙트럼 할당 과정도 간단하게 만드는 과정에 대해 설명한다. 본 논문의 구성은 다음과 같다.

참고문헌 (4)

FCC Spectrum Policy Task Force, "Report of the spectrum efficiency working group," Nov. 2002.
D. Middleton, "Statistical-physical models of electromagnetic interference," IEEE Transactions on Electromagnetic Compatibility, vol. EMC-19, no. 3, pp. 106-127, Aug. 1977.
S. Aslam, and M. Ibnkahla, "Optimized node classification and channel pairing scheme for RF energy harvesting based cognitive radio sensor networks," Proc. Systems, Signals & Devices (SSD), 2015 12th International Multi-Conference on, pp. 16-19, Mar. 2015.
N. I. Sapankevych, and R. Sankar, "Time series prediction using support vector machines: A survey," IEEE Computational Intelligence Magazine, vol. 4, no. 2, pp. 24-38, Apr. 2009.

상세보기

저자의 다른 논문 :

LOADING...

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증