[논문]사례기반 추론 기법을 이용한 인지 라디오 주파수 선택 방법 연구

박재훈; 최증원; 음수빈; 이원철

doi:10.17661/jkiiect.2019.12.1.58

사례기반 추론 기법을 이용한 인지 라디오 주파수 선택 방법 연구
Study on Frequency Selection Method Using Case-Based Reasoning for Cognitive Radio 원문보기

한국정보전자통신기술학회논문지 = Journal of Korea institute of information, electronics, and communication technology, v.12 no.1, 2019년, pp.58 - 71

박재훈 (Department of Electronic Engineering, Soongsil University) , 최증원 (Agency for Defense Development, The 2nd R&D Institute) , 음수빈 (Agency for Defense Development, The 2nd R&D Institute) , 이원철 (Department of Electronic Engineering, Soongsil University)

초록
AI-Helper

본 논문은 군 전술 무선 통신망에서의 가용 주파수 채널 확보를 위한 인지 라디오 엔진 플랫폼 구조 및 인지 라디오 무선기기를 위한 가용 주파수 채널 추론기법을 제안하였다. 현재의 군 전술 통신망은 동종 및 이종 군 무선기기 주파수의 효과적 운용을 위한 가용 주파수 확보 및 군 무선기기 간의 상호공존 방안에 대한 필요성이 빠르게 증가하고 있는 실정이다. 본 논문은 최적의 가용 주파수 채널확보 방안으로 동적 스펙트럼 접속(DSA, Dynamic Spectrum Access) 실현을 위한 인지 라디오 엔진 기술 기반의 가용채널 추론기법에 대해 소개하였다. 이를 위해 주사용자(PU, Primary User)의 채널 이용현황 모델링 및 채널 점유확률 계산을 통하여 인지 라디오 무선기기를 위한 사례 기반의 가용채널 추론기법을 제안하였으며, 성능분석 모의실험을 통하여 주사용자의 점유채널 정보 대비 인지 라디오 무전기의 가용채널 획득 정보 간의 충돌확률 변화율을 분석하였다.

Abstract ▼ AI-Helper

This paper proposes architecture of a cognitive radio engine platform and the allowable frequency channel reasoning method that enables acquisition of the allowable channels for the military tactical network environment. The current military tactical wireless communication system is increasing need to secure a supplementary radio frequency to ensure that multiple wireless networks for different military wireless devices coexist, so that tactical wireless communication between the same or different systems can be operated effectively. This paper presents the allowable frequency channel reasoning method based on cognitive radio engine for realizing DSA(Dynamic Spectrum Access) as an optimal available frequency channel. To this end, a case-based allowable frequency channel reasoning method for cognitive radio devices is proposed through modeling of primary user's traffic status and calculation of channel occupancy probability. Also through the simulation of the performance analysis, changing rate of collision probability between the primary users' occupancy channel and the available channel acquisition information that can be used by the cognitive radio device was analysed.

주제어

표/그림 (20)

그림 그림 1. 주파수 수요 급증에 따른 이용현황 변화 Fig. 1. Change of usage pattern by the frequency demand
그림 그림 3. 본 논문에서 제안하는 인지 라디오 엔진 구조 Fig. 3. Proposed Cognitive Radio Engine Structure
그림 그림 2. IEEE P1900.5 기반 인지 라디오 엔진 처리 구성도 Fig. 2. IEEE P1900.5 based Cognitive Radio Engine Processing Diagram
표 표 1. IEEE P1900.5 인지 라디오 엔진 구성요소 Table 1. IEEE P1900.5 Cognitive Radio Engine Compo nents
표 표 2. 주사용자 트래픽 모델링 파라미터 Table 2. Primary User Traffic Modeling Parameters
그림 그림 4. 주사용자 채널 점유상태 변화 개념도 Fig. 4. Conceptual diagram of primary user channel occupancy status
그림 그림 5. 주사용자의 미점유상태 확률 값 산출 결과 Fig. 5. off-state probability histogram of primary user
그림 그림 6. 채널 ∙ 시간별 점유 및 미점유상태에 대한 0과 1로의 상태변화 모델링 Fig. 6. Modeled as 0 and 1 state transition for channel and time
그림 그림 7. 균일 표본화 기법 개념 및 CB, RB 방식의 처리 과정도 Fig. 7. Uniform Sampling Technique Concepts and Process for CB and RB Methods
표 표 3. 균일 표본화 및 가중치 적용 표본화 방식에 대한 주요특징 Table 3. Special features of uniform sampling and weighted sampling methods
표 표 4. 참조 주사용자 트래픽 모델 예시 Table. 4. Reference PU traffic model
표 표 5. 산출된 점유 확률 및 채널 순위(랭크) 예시 Table. 5. Calculated occupancy probability and channel ranking
그림 그림 8. 모의실험 처리 순서도 Fig. 8. Simulation flow chart
그림 그림 10. 지수 확률분포 기반의 주사용자 트래픽 모델 생성 결과 (N = 2,700 개) Fig. 10. Results of simulation radio traffic for users based on exponential probability distribution (N = 2,700 EA)
그림 그림 9. 충돌의 정의 및 CR 엔진의 주기적 동작 예시 Fig. 10. Definition of collision and example of periodic operation of CR engine
그림 그림 12. 트래픽의 변화에 따른 표본화 방식별 충돌 확률 비교(추론 주기=20 슬롯, 표본수=20 슬롯, 표본간격=5 슬롯) Fig. 12. Comparison of the probability of collision by number of samples (Reasoning period interval=20 slot, Nu mber of sample=20 slot, Sample interval=5 slot)
그림 그림 11. 주사용자의 채널 점유상태 확률의 평균 값 변화에 따른 트래픽모델 생성결과 Fig. 11. Result of Traffic Model Generation according to Average Value of Channel Occupancy Probability of PU
표 표 6. 모의실험 파라미터 종류 및 설정 값 Table 6. Simulation parameter
그림 그림 13. 추론주기에 따른 충돌 확률 비교 (표본수 = 20 슬롯, 표본간격=5 슬롯) Fig. 13. Comparison of the probability of collision by number of samples (Number of sample = 20 slot, Sample interval=5 slot)
그림 그림 14. 표본수에 따른 충돌 확률 비교 (추론주기 = 20, 표본 간격=5) Fig. 14. Comparison of the probability of collision by number of samples (Reasoning period interval= 20, Sample interval=5)

AI 본문요약
AI-Helper

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

문제 정의

본 논문은 스펙트럼 센싱 기술을 대신하여 가상의 주사용자 채널 점유상태를 모델링하기 위하여 ‘지수 확률분포’를 이용한 주사용자의 무선 트래픽 이용 모델링을 수행하였다.
또한 학습엔진에서 채널 상황 탐지를 위한 표본화 기법을 구사하여 주사용자의 이용 채널 별 점유확률을 산출 하였으며, 이를 추론엔진의 입력정보로 활용함으로써 주사용자의 충돌발생 횟수 분포를 추출 하고 이를 인지 라디오 무전기의 가용 후보채널 확보에 활용하게 된다. 본 논문은 이러한 일련의 과정에 대한 성능분석을 위하여 모의실험을 수행하였다[7].
본 논문은 현행 군 전술 무선통신 체계에서 활용되고 있는 다대역 다기능 무전기(TMMR, Tactical Multiband Multirole Radio)을 대체할 인지 라디오 기반 무전기를 위한 군 주파수의 효율적 이용 및 기존 주사용자(PU, Primary User)에 해당하는 TMMR에 대한 간섭보호 및 공존이 가능한 인지 라디오 엔진 (cognitive radio engine) 플랫폼 기반의 가용채널 추론기법을 제안하였다. 이를 위해 먼저 군 전술통신 환경에 적용 가능한 인지 라디오 엔진 플랫폼 구조와 이를 구성하는 인지 및 학습, 추론엔진 적용을 위한 주사용자 무선 트래픽 모델링 방안, 채널 점유확률 계산방안, 사례 기반의 가용채널 추론기법을 제안하였다.

가설 설정

센싱을 통하여 측정되었다고 가정한 주사용자 트래픽 모델과 기존 학습엔진에 저장된 주사용자 트래픽 모델의 평균 및 2, 3, 4차 중심적률의 오차가 가장 적은 트래픽 모델의 경우, 두 개의 주사용자 트래픽 모델은 유사한 트래픽 분포를 갖는다고 가정한다. 이 때, 주사용자 트래픽 모델의 매칭 조건은 식 (13)와 같이 정의할 수 있다.
본 논문은 스펙트럼 센싱 기술을 대신하여 가상의 주사용자 채널 점유상태를 모델링하기 위하여 ‘지수 확률분포’를 이용한 주사용자의 무선 트래픽 이용 모델링을 수행하였다. 이를 위해 개별 채널들을 점유하고 있는 주사용자는 상호 독립적으로 존재한다고 가정하였으며, 채널 점유상태 정보는 스펙트럼 센싱 기술을 통하여 획득 가능하다고 가정하였다. 표 2는 주사용자 트래픽 모델링 및 점유확률 계산, 트래픽 모델 매칭을 수행하는데 있어 요구되는 개별 파라미터 정의를 나타내고 있다.
본 논문에서 제안하는 인지 라디오 엔진 플랫폼은 스펙트럼 센싱을 통하여 주사용자의 채널 이용패턴을 확률적 방식으로 예측한 주사용자 무선 트래픽 산출 알고리즘을 고려하였다. 즉, 본 논문에서는 실제 스펙트럼 센싱을 통해서 얻게 되는 주사용자의 채널 이용정 보가 완벽하다고 고려하였으며, 각 채널별 주사용자의 시간적 이용 유지구간이 지수분포 특성을 갖는 확률적 분포를 갖는다고 가정하였다.

제안 방법

이를 위해 먼저 군 전술통신 환경에 적용 가능한 인지 라디오 엔진 플랫폼 구조와 이를 구성하는 인지 및 학습, 추론엔진 적용을 위한 주사용자 무선 트래픽 모델링 방안, 채널 점유확률 계산방안, 사례 기반의 가용채널 추론기법을 제안하였다. 또한 학습엔진에서 채널 상황 탐지를 위한 표본화 기법을 구사하여 주사용자의 이용 채널 별 점유확률을 산출 하였으며, 이를 추론엔진의 입력정보로 활용함으로써 주사용자의 충돌발생 횟수 분포를 추출 하고 이를 인지 라디오 무전기의 가용 후보채널 확보에 활용하게 된다. 본 논문은 이러한 일련의 과정에 대한 성능분석을 위하여 모의실험을 수행하였다[7].
다음으로 각 채널들에 대한 표본화 기법 적용을 통해 산출되는 모든 랭크들에 대한 합산 과정을 통하여 최종적으로는 점유확률 값이 작은 채널들에 대해 인지라디오 무전기를 위한 가용 후보채널군으로 선정하게 된다. 랭크를 매기는 방법으로 본 논문에서는 각 채널 별 점유확률 값에 대한 랭크들의 합을 기준으로 가용 후보채널 군을 선택 하는 랭크합(Rank-sum) 방식과 단지 각 채널 별 점유 확률의 합을 기준으로 가용 후보채널 군을 선정하는 확률합(Prob-sum) 방식을 고려하였다. 또한 추론엔진 에서는 기존 학습엔진에 저장된 주사용자의 점유채널 정보와 신규로 획득한 점유채널 정보와의 충돌확률 예측 및 충돌횟수 비교과정을 거쳐 인지 라디오 무전기를 위한 최적의 가용 후보채널 확보를 위한 표본수 및 추론주기를 획득하게 된다.
본 논문에서 제안하는 인지 라디오 엔진 플랫폼은 스펙트럼 센싱을 통하여 주사용자의 채널 이용패턴을 확률적 방식으로 예측한 주사용자 무선 트래픽 산출 알고리즘을 고려하였다. 즉, 본 논문에서는 실제 스펙트럼 센싱을 통해서 얻게 되는 주사용자의 채널 이용정 보가 완벽하다고 고려하였으며, 각 채널별 주사용자의 시간적 이용 유지구간이 지수분포 특성을 갖는 확률적 분포를 갖는다고 가정하였다.
본 논문에서 제안한 학습엔진은 기존 주사용자의 점유채널 정보에 해당하는 정책정보를 저장하고 있으며, 추론엔진에서는 학습엔진에서 전달된 점유채널 정보에 대한 우선순위를 설정하게 된다. 또한 현재 시점에서 취득한 주사용자의 점유채널 정보와 이전 시점에서 저장하고 있는 참조 점유채널 정보와의 비교를 통하여 갱신된 정책정보를 다시 학습엔진에 전달하는 과정을 반복적으로 진행하게 된다.
본 논문에서는 학습엔진에서 고려한 ‘균일 표본화 (CB, RB에 해당)’와 ‘가중치 적용 표본화 (WCB, WRB에 해당)’ 기법에 해당하는 개별 표본화 기법 및 ‘랭크 합(Rank-sum)’과 ‘확률 합 (Prob-sum)’ 기법에 따른 추론엔진에서 주사용자 충돌확률 및 충돌횟수 변화량을 파악하였다.
본 논문의 모의실험에서는 스펙트럼 센싱 기술을 통하여 마스터 인지 라디오 무전기에서 획득된 주사용자의 채널 점유정보를 인지엔진에 적용한 확률분포 기반의 주사용자의 무선 트래픽 모델링 기법을 통하여 생성하였다. 다음의 그림 8은 본 모의실험에 대한 전체 처리 과정도를 나타내고 있다.
본 논문의 모의실험에서는 학습엔진에서 주사용자의 점유확률 계산 및 가용 후보채널 탐색을 위해 적용한 CB 및 RB, WCB, WRB 표본화 기법과 Rank-sum, Prob-sum 추론 방법을 이용하여 본 논문에서 제안한 인지엔진 플랫폼의 성능지표인 고려한 충돌확률 및 충돌횟수 변화량을 파악하였다. 이를 통해 주사용자의 트래픽이 평균 50%인 실험 환경에서 약 35%의 충돌 확률을 가지는 것을 확인하였다.
그림 12는 그림 11에서 생성된 주사용자 트래픽 모델 환경을 고려한 충돌확률 비교 실험 결과를 나타내고 있다. 본 모의 실험에서는 학습엔진에서 적용 된 표본화 기법인 CB 및 RB, WCB, WRB와 Rank-sum, Prob-sum 추론 방법을 표본수 및 추론주기, 표본화 간격을 각각 20개와 20슬롯, 5 슬롯으로 지정하였다.
학습엔진에서는 인지엔진에서 전달된 확률분포 기반의 주사용자 무선 트래픽 정보를 이용하여 주사용자의 채널 점유확률을 계산하게 된다. 이 때 각 채널 당 점유확률 추정 과정은 인지엔진에서 전달된 일정 시간 슬롯 동안의 주사용자에 대한 채널 이용 패턴을 표본화하여 채널 점유확률을 계산하게 되며 본 논문에서는 점유확률 계산 방법으로 균일 표본화와 가중치 적용 표본화 기법을 적용하였다.
본 논문은 현행 군 전술 무선통신 체계에서 활용되고 있는 다대역 다기능 무전기(TMMR, Tactical Multiband Multirole Radio)을 대체할 인지 라디오 기반 무전기를 위한 군 주파수의 효율적 이용 및 기존 주사용자(PU, Primary User)에 해당하는 TMMR에 대한 간섭보호 및 공존이 가능한 인지 라디오 엔진 (cognitive radio engine) 플랫폼 기반의 가용채널 추론기법을 제안하였다. 이를 위해 먼저 군 전술통신 환경에 적용 가능한 인지 라디오 엔진 플랫폼 구조와 이를 구성하는 인지 및 학습, 추론엔진 적용을 위한 주사용자 무선 트래픽 모델링 방안, 채널 점유확률 계산방안, 사례 기반의 가용채널 추론기법을 제안하였다. 또한 학습엔진에서 채널 상황 탐지를 위한 표본화 기법을 구사하여 주사용자의 이용 채널 별 점유확률을 산출 하였으며, 이를 추론엔진의 입력정보로 활용함으로써 주사용자의 충돌발생 횟수 분포를 추출 하고 이를 인지 라디오 무전기의 가용 후보채널 확보에 활용하게 된다.
주사용자 트래픽 모델별 시간슬롯 구간을 300 슬롯, 전체 시간슬롯 구간 $T $ 를 2,700 슬롯으로 설정하였으며, 전체 채널 개수 $N $ 을 500개로 설정하였다.
추론엔진에서는 현재 시점에서 센싱을 통하여 획득한 주사용자의 채널 점유정보 기반으로 생성된 트래픽 모델과 이전 단계에서 학습엔진에 저장되어 있는 참조 주사용자 트래픽 모델과의 매칭 과정을 통해 가장 유사한 분포를 가지는 주사용자 트래픽 모델을 찾는 과정을 수행한다. 이 때, 주사용자 트래픽 모델과의 매칭을 위해서는 평균 및 2, 3, 4차 중심 적률 값의 유사도를 비교하는 과정이 필요하다[16][17].

이론/모형

식 (5)에서 정의한 주사용자의 채널 점유확률 계산에 있어 주사용자의 다양한 채널이용 패턴에 대한 고려 및 점유확률 계산 값의 정확성 확보를 위해 본 논문 에서는 ‘균일 표본화’와 ‘가중치 적용 표본화’ 방식을 적용하였다.

성능/효과

그림 14의 모의실험 결과는 동일한 추론주기에서 점유 확률 산출에 필요한 표본수를 변경 할 경우, 16~18개의 범위를 갖는 표본수에서 가장 적은 충돌확률이 발생하고 있음을 파악 할 수 있다. 또한, CB, RB와 같은 균일 표본화 방식의 경우에는 표본수가 많아질수록 충돌확률이 급격히 상승하는 것을 확인 할 수 있다. 이와는 반대로 WCB와 WRB의 경우에는 최근 주사용자의 점유패턴에 대해 더 높은 가중치를 부여하므로 표본수가 많아지더라도 후보채널 추론 성능에 큰 영향을 주지 않는 것을 확인 할 수 있다.
본 논문의 모의실험에서는 학습엔진에서 주사용자의 점유확률 계산 및 가용 후보채널 탐색을 위해 적용한 CB 및 RB, WCB, WRB 표본화 기법과 Rank-sum, Prob-sum 추론 방법을 이용하여 본 논문에서 제안한 인지엔진 플랫폼의 성능지표인 고려한 충돌확률 및 충돌횟수 변화량을 파악하였다. 이를 통해 주사용자의 트래픽이 평균 50%인 실험 환경에서 약 35%의 충돌 확률을 가지는 것을 확인하였다.
즉, 본 논문에서 제안한 학습엔진은 DARPA의 정책엔진 구성요소 중 ‘Policy Database’에 해당한다고 볼 수 있으며, 추론엔진은 ‘Policy Conformance Reasoner’의 역할에 상응한 다고 판단할 수 있다.

후속연구

또한 국내 전파법에서는 군 주파수 사용연한을 10년으로 지정함으로 인해 향후 군 무기체 계의 안정적 운용을 위한 추가 주파수의 확보는 더욱 절실한 실정이라 할 수 있다[6]. 복합 무기체계 중심의 네트워크 중심전으로의 작전 개념변화, 군 주파수의 사용연한 제한으로 향후 군 무기체계의 안정적 운용을 위해서는 지능적인 주파수 획득 및 관리, 무기 체계 무선망의 QoS(Quality of Service) 유지가 가능한 혁신적이고도 능동적인 주파수 운용기술 연구가 필요한 시점이라 할 수 있다.
향후 군 무전기의 이동성을 감안한 ‘Doppler Spread’의 영향을 비롯하여 지형적 특성을 감안한 전파감쇄 및 다중경로 영향 등 군 전술 통신망 서비스 품질에 지대한 영향을 끼칠 수 있는 환경적 요인들에 대한 분석 및 이의 적용을 통하여 인지 라디오 엔진의 성능 개선을 위한 추가연구가 필요할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	Policy Database란 무엇인가?	인지 라디오 엔진 플랫폼은 크게 ‘Policy language’, ‘on-node policy components’, ‘off-node policy components’로 구성되어 있다[9]. ‘on-node policy components’ 구성요소 중 ‘Policy Database’는 인지 라디오 무선기기 이용을 위한 정책정보를 비롯하여 ‘Policy Conformance Reasoner’로부터 생성된 정책 우선순위 및 정책 추론정보가 저장되어 있다.
	군에서 추가 주파수 획득이 어려운 이유는 무엇인가?	군 전술 무기체계의 첨단화 및 다양화로 군 무선통신의 주파수 수요는 지속적으로 증가하고 있으며, 5G, IoT(Internet of Things) 등 민간 주파수 수요의 확대로 군 무선통신을 위한 추가 주파수 획득은 점차 어려워지고 있는 실정이다[1]-[4]. 특히 다양한 복합 무기 체계의 증가로 인한 상호 운용성 보장 및 효율적 주파수 이용의 필요성 확대, 금강, 백두와 같은 감시정찰 장비의 고성능화와 관련 운용 정보의 증가, 유도무기용 TDL(Tactical Data Link) 트래픽 용량의 증가, 킬 체인 개념의 C4I(Command, Control, Communication and Computer Intelligence)에 대한 고도화 요구는 향후 군무선통신을 위한 추가 주파수 자원 확보의 중요성을 더욱 확대시키고 있다[5].
	본 논문에서 인지 라디오 엔진 플랫폼을 구현하기 위해 가정한 내용은 무엇인가?	본 논문에서 제안하는 인지 라디오 엔진 플랫폼은 스펙트럼 센싱을 통하여 주사용자의 채널 이용패턴을 확률적 방식으로 예측한 주사용자 무선 트래픽 산출 알고리즘을 고려하였다. 즉, 본 논문에서는 실제 스펙트럼 센싱을 통해서 얻게 되는 주사용자의 채널 이용정 보가 완벽하다고 고려하였으며, 각 채널별 주사용자의 시간적 이용 유지구간이 지수분포 특성을 갖는 확률적 분포를 갖는다고 가정하였다.

참고문헌 (18)

Tom Meccia, Joint Spectrum Center , DISA(A Combat Support Agency).
강현구, "수신 다양성을 쓰는 인지 무선통신에 알맞은 새로운 주파수 검출 기법", 한국정보전자통신기술학회 논문지 제3권 제4호, pp. 49-69, 2010.12
전자신문, NCW 위한 무기체계 주파수 확보 시급 ... 합참, 주파수 연구 착수, 2013년 6월.
국방과학연구소, 군 통신체계 소개(발전방향 및 기술추세) , KRnet 2012, 2012년 6월 25일.
전파법 제22조 제1항, 주파수 사용승인 및 무선국 개설허가의 유효기간, 2017년 7월 26일.
George F. Elmasry, "The progress of tactical radios from legacy systems to cognitive radios", IEEE Communications Magazine , Vol. 10, issue 10, pp. 50-56, Oct. 2013.
조현섭, "적응형 주파수도약 시스템의 간섭신호 제거에 관한 연구", 한국정보전자통신기술학회 논문지 제10권 제5호, pp. 396-401, 2017.10

원문보기 상세보기
BBN Technologies, XG Working Group, XG Vision RFC v2.0.
Filip Perich, "Policy-based network management for NeXt generation spectrum access control", Dyspan 2007, pp. 17-20, Apr. 2007.
http://grouper.ieee.org/groups/dyspan/5/
IEEE Std 1900.5-2011, IEEE Standard for Policy Language Requirements and System Architectures for Dynamic Spectrum Access Systems , January 2012.
Lynn Grande, Hua Zhu, John Stine, Matthew Sherman and Mieczyslaw M. Kokar, "IEEE DySPAN 1900.5 Efforts To Support Spectrum Access Standardization," 2013 IEEE Military Communications Conference, 2013.
John Stine, Darcy Swain-Walsh, and Matthew Sherman, "IEEE 1900.5 Enabled Whitespace Database Architecture Evolution," Dyspan 2014, 2014.
Warit Prawatmuang, "Sequential Cooperative Spectrum Sensing Technique in Time Varying Channel", IEEE Transactions on Wireless Communications, Vol. 13, No. 6, pp. 3394-3405, June 2014.

상세보기
Won-Yeol Lee, Ian. F. Akyildiz, "Optimal Spectrum Sensing Framework for Cognitive Radio Networks", IEEE Transactions on Wireless Communications, Vol. 7, No. 10, pp. 3845-3857, October 2008.

상세보기
Joao Marco C. Silva, "Computational Weight of Network Traffic Sampling Techniques", IEEE Symposium on Computers and Communications (ISCC) , pp. 23-26, Sept. 2014.
Kenney, J. F. and Keeping, E. S. "Skewness." $\S$ 7.10 in Mathematics of Statistics, Pt. 1, 3rd ed. Princeton, pp. 100-101, 1962.
Jelena Misic, "Probability Distribution of Spectral Hole Duration in Cognitive Networks", IEEE Conference on Computer Communications (INFOCOM), 2014

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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