$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

딥 러닝 기반의 잡음 모델링을 이용한 전력선 통신에서의 잡음 제거
De-noising in Power Line Communication Using Noise Modeling Based on Deep Learning 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.18 no.4, 2018년, pp.55 - 60  

선영규 (광운대학교 전파공학과) ,  황유민 (광운대학교 전파공학과) ,  심이삭 (광운대학교 전파공학과) ,  김진영 (광운대학교 전파공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 전력선 통신에서 딥 러닝 기술 적용시킨 연구의 초기 결과를 보여준다. 본 논문에서는 전력선 통신의 성능을 감소시키는 원인인 잡음을 제거하기 위해 딥 러닝 기술을 적용시켜 효과적인 잡음 제거를 목표로 하고 수신 단에서 딥 러닝 모델을 추가하여 잡음을 효과적으로 제거하는 시스템을 제안한다. 딥 러닝 모델을 학습시키기 위해서는 데이터가 필요하므로 기존의 데이터들을 저장하고 있다고 가정하고 제안하는 시스템에 대해 시뮬레이션을 진행하여 부가 백색 가우시안 잡음 채널의 이론적 결과와 비트 에러률을 비교하여 제안하는 시스템 모델이 잡음을 제거하여 통신 성능을 향상시킨 것을 확인한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper shows the initial results of a study applying deep learning technology in power line communication. In this paper, we propose a system that effectively removes noise by applying a deep learning technique to eliminate noise, which is a cause of reduced power line communication performance,...

주제어

#deep learning   #de-noising   #power line communication system   #additive white Gaussian noise channel   #multi-layer perceptron  

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 본 논문은 전력선 통신에서 딥 러닝 기술을 이용하여 잡음을 모델링하고 모델링된 잡음을 이용하여 신호에 추가된 잡음을 제거하여 통신 성능을 향상시키는 시스템 모델을 제안하였다. 또한, 제안한 시스템 모델을 적용시켜 변복조방식에 따라 시뮬레이션을 진행해보고 통신 성능을 확인하였다.
  • 전력선 통신 상황에서 발생하는 잡음은 크게 주기성 잡음과 비주기성 잡음으로 분류할 수 있고 주기성 잡음은 규칙성이 존재하므로 다양한 모델링을 통해 제가할 수 있는 방법들이 존재하지만 비주기성 잡음은 불규칙하게 발생하기 때문에 하나의 모델로 모델링할 수 없어 통신성능을 저하시킨다. 이러한 문제를 해결하기 위해 본 논문에서는 딥 러닝 기술을 이용해 잡음을 모델링하고 모델링한 잡음을 통해 통신 신호의 잡음을 제거하여 통신 성능 향상시키는 시스템 모델을 제안한다.

가설 설정

  • 앞의 과정을 통해 입력 데이터와 타겟 데이터를 저장하여 데이터 셋을 만들어 딥 러닝 모델을 데이터 셋에 대해 반복적으로 학습시키면 잡음이 섞인 파일럿 신호에 대한 입력을 통해 예측한 잡음 신호를 출력이 나온다. 데이터 셋을 저장하고 있다는 가정 하에 제안하는 시스템 모델을 사용한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
전력선 통신 성능 저하의 주요 원인은? 전력선 통신의 성능을 저하시키는 주요한 원인으로서 잡음문제가 있다. 전력선 통신 상황에서 발생하는 잡음은 크게 주기성 잡음과 비주기성 잡음으로 분류할 수 있고 주기성 잡음은 규칙성이 존재하므로 다양한 모델링을 통해 제가할 수 있는 방법들이 존재하지만 비주기성 잡음은 불규칙하게 발생하기 때문에 하나의 모델로 모델링할 수 없어 통신성능을 저하시킨다.
잡음 제거를 위해 제안된 시스템은 무엇인가? 본 논문은 전력선 통신에서 딥 러닝 기술 적용시킨 연구의 초기 결과를 보여준다. 본 논문에서는 전력선 통신의 성능을 감소시키는 원인인 잡음을 제거하기 위해 딥 러닝 기술을 적용시켜 효과적인 잡음 제거를 목표로 하고 수신 단에서 딥 러닝 모델을 추가하여 잡음을 효과적으로 제거하는 시스템을 제안한다. 딥 러닝 모델을 학습시키기 위해서는 데이터가 필요하므로 기존의 데이터들을 저장하고 있다고 가정하고 제안하는 시스템에 대해 시뮬레이션을 진행하여 부가 백색 가우시안 잡음 채널의 이론적 결과와 비트 에러률을 비교하여 제안하는 시스템 모델이 잡음을 제거하여 통신 성능을 향상시킨 것을 확인한다.
딥 러닝 기술이 4차 산업혁명의 핵심기술로 자리매김할 수 있게 된 이유는? 인공지능의 딥 러닝 기술도 전력선 통신 기술과 마찬가지로 이전에 활발히 연구가 진행되었으나 과적합의 문제와 긴 학습시간으로 인해 탁월한 성능을 보임에도 현실에 적용하기에는 실용적이지 않은 것으로 간주되었다[2]. 그러나 시간이 흘러 하드웨어 기술의 발달과 효율적인 학습 방법에 대한 알고리즘의 개발로 학습시간이 짧아지게 되었고 프리트레이닝, 드랍 아웃 등 과적합 문제를 방지할 수 있는 알고리즘들이 개발되면서 이전에 가지고 있던 문제점들의 해결로 4차 산업혁명의 핵심기술로 자리매김하게 되었다[2].
질의응답 정보가 도움이 되었나요?

참고문헌 (11)

  1. J. H. Kim and H. B. Lee, "Market trends and prospects for power line communication," in Proc. Information and Communication Equipment, pp. 573-578, Aug, 2008. 

  2. D. K. Kang, "Deep learning based machine learning technology trends," ITFIND-Weekly Technology Trends, vol. 1742, pp. 12-24, Apr. 2016. 

  3. A. Krizhevsky, I. Sutskever, and G. E. Hinton, "Imagenet classification with deep convolutional neural networks," in Proc. Adv. Neural Inf. Process. Syst. , pp. 1097-1105, 2012. DOI : https://doi.org/10.1145/3065386 

  4. K. Cho,"Learning Phrase Representations Using RNN Encoder-Decoder for Statistical Machine Translation,"2014 [Online]. Available: http://arxiv.org/abs/1406.1078 DOI : https://doi.org/10.3115/v1/d14-1179 

  5. C. Weng, D. Yu, S. Watanabe, and B.H. F. Juang, "Recurrent deep neural networks for robust speech recognition," in Proc. ICASSP, Florence, Italy, pp. 5532-5536, May 2014. DOI : https://doi.org/10.1109/icassp.2014.6854661 

    crossref

  6. J. Schmidhuber, "Deep learning in neural networks: An overview,"Neural Netw., vol. 61, pp. 85-117, Jan. 2015. DOI : https://doi.org/10.1016/j.neunet.2014.09.003 

    상세보기 crossref

  7. H. Ye, G. Y. Li, and B. H. Juang "Power of deep learning for channel estimation and signal detection in OFDM systems,"IEEE Wireless Communications Letters, vol. 7, pp. 114-117, Feb. 2018. DOI :https://doi.org/10.1109/lwc.2017.2757490 

    상세보기 crossref

  8. D. P. Kingma, and J. L. Ba "Adam : a method for stochastic optimization,"in Proc. ICLR 2015, pp. 1-15, San Diego ,May. 2015. DOI:https://doi.org/10.1002/9780470061602.eqf13013 

    crossref

  9. L. D. Bert, P. Caldera, D. Schwingshack, and A. M. Tonello "On noise modeling for power line communications,"in Proc. 2011 IEEE international Symposium on Power Line Communications and Its Applications, pp. 283-288, Udine, Italy, May 2011. DOI :https://doi.org/10.1109/isplc.2011.5764408 

    crossref

  10. D. H. Na, and D. H. Ryu, "Development of time information broadcasting system using power line communication,"The Journal of The Institute of Internet, Broadcasting and Communication(JIIBC), vol. 12, no. 1, pp. 217-223, Feb. 2012. DOI : https://doi.org/10.7236/jiwit.2012.12.1.217 

    원문보기 상세보기 crossref

  11. H. S. Cho, "Direct-band spread system for neural network with interference signal control," Measurement of Intrusion Prevention System," Journal of the Korea Academia-Industrial cooperation Society(JKAIS), vol. 14, no. 3, pp. 1372-1377, Mar. 2013. DOI :https://doi.org/10.5762/kais.2013.14.3.1372 

    원문보기 상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로