$\require{mediawiki-texvc}$

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.

[국내논문] 차세대 공중전술네트워크를 위한 Learning-Backoff 기반 무선 채널 접속 방법
Learning-Backoff based Wireless Channel Access for Tactical Airborne Networks 원문보기

융합정보논문지 = Journal of Convergence for Information Technology, v.11 no.1, 2021년, pp.12 - 19  

변정훈 (충북대학교 소프트웨어학과) ,  박상준 (육군사관학교 전자공학과) ,  윤준혁 (육군사관학교 전자공학과) ,  김용철 (육군사관학교 전자공학과) ,  이원우 (육군사관학교 전자공학과) ,  조오현 (충북대학교 소프트웨어학과) ,  주태환 (국방과학연구소)

초록
AI-Helper 아이콘AI-Helper

원활한 작전 수행을 통한 국방력의 강화를 위해 전술네트워크의 기능은 필수적이다. 전시 상황에서 다양한 전술, 전략은 수많은 정보들을 근거로 한다. 이를 위해 정찰기를 비롯한 다양한 정보 수집 장치 및 자원들이 방대한 양의 정보 수집을 위해 사용되고, 이들 대다수는 전술네트워크를 통해 정보를 전달한다. 채널의 사용 여부를 판단하여 상황에 따라 경쟁 기반으로 채널에 접속을 하는 국방전술네트워크 환경에서, 매우 높은 이동성을 갖는 정찰기 등 고속 이동 노드는 불필요한 채널 점유로 인하여 잠재적인 성능 열화 문제가 발생할 수 있다. 본 논문에서는 채널 예약 시점을 정하는 경쟁 윈도우(Contention Window)의 크기를 경험적으로 학습시켜 네트워크 처리량을 증가시키는 Learning-Backoff 방식의 무전 채널 접속 방법을 제안한다. 제안하는 방법은 고속 이동 노드의 수가 많아짐에 따라 더욱 좋은 성능을 보이고 있으며, 정찰기 4대가 운영되는 특정 작전 시나리오에 적용하였을 경우 처리량이 최대 25% 증가한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

For strengthening the national defense, the function of tactical network is essential. tactics and strategies in wartime situations are based on numerous information. Therefore, various reconnaissance devices and resources are used to collect a huge amount of information, and they transmit the infor...

Keyword

#강화학습   #Q-러닝   #공중 전술 네트워크   #Learning-Backoff 통신  

표/그림 (9)

참고문헌 (15)

  1. G. Bianchi, L. Fratta & M. Oliveri. (1996, October). Performance evaluation and enhancement of the CSMA/CA MAC protocol for 802.11 wireless LANs. In Proceedings of PIMRC'96-7th International Symposium on Personal, Indoor, and Mobile Communications (Vol. 2, pp. 392-396). IEEE. DOI : 10.1109/PIMRC.1996.567423 

    crossref

  2. C. J. Watkins & P. Dayan. (1992). Q-learning. Machine learning, 8(3-4), 279-292. 

  3. R. S. Sutton & A. G. Barto. (2018). Reinforcement learning: An introduction. MIT press. 

  4. S. H. Park & O. Jo. (2020). Q-NAV: NAV Setting Method based on Reinforcement Learning in Underwater Wireless Networks. arXiv preprint arXiv:2005.13521. 

  5. S. H. Park, K. Shin & O. Jo. (2020). AQ-NAV: Reinforced Learning Based Channel Access Method Using Distance Estimation in Underwater Communication. Journal of Convergence for Information Technology, 10(7), 33-40. DOI : 10.22156/CS4SMB.2020.10.07.033 

    원문보기 상세보기 crossref

  6. S. Galzarano, A. Liotta & G. Fortino. (2013, December). QL-MAC: A Q-learning based MAC for wireless sensor networks. In International Conference on Algorithms and Architectures for Parallel Processing (pp. 267-275). Springer, Cham. 

  7. N. Aihara, K. Adachi, O. Takyu, M. Ohta & T. Fujii. (2019). Q-learning aided resource allocation and environment recognition in LoRaWAN with CSMA/CA. IEEE Access, 7, 152126-152137. DOI : 10.1109/ACCESS.2019.2948111 

    상세보기 crossref

  8. S. Bao & T. Fujii. (2011, November). Q-learning based p-pesistent csma mac protcol for secondary user of cognitive radio networks. In 2011 Third International Conference on Intelligent Networking and Collaborative Systems (pp. 336-337). IEEE. DOI : 10.1109/INCoS.2011.140 

    crossref

  9. S. Cho. (2020). Rate adaptation with Q-learning in CSMA/CA wireless networks. Journal of Information Processing Systems, 16(5), 1048-1063. DOI : 10.3745/JIPS.03.0148 

    원문보기 상세보기 crossref

  10. S. Hayat, E. Yanmaz & R. Muzaffar. (2016). Survey on unmanned aerial vehicle networks for civil applications: A communications viewpoint. IEEE Communications Surveys & Tutorials, 18(4), 2624-2661. DOI : 10.1109/COMST.2016.2560343 

    상세보기 crossref

  11. C. I. Yeo, Y. S. Heo, J. H. Ryu, S. W. Park, S. C. Kim, H. S. Kang & G. H. Lee. (2020). Recent R&D Trends in Wireless Network Technology based on UAV-assisted FSO Technique. [ETRI] Electronics and Telecommunications Trends, 35(2), 38-49. 

  12. W. Fawaz, C. Abou-Rjeily & C. Assi. (2018). UAV-aided cooperation for FSO communication systems. IEEE Communications Magazine, 56(1), 70-75. DOI : 10.1109/MCOM.2017.1700320 

    상세보기 crossref

  13. B. Moision et al. (2017, February). Demonstration of free-space optical communication for long-range data links between balloons on Project Loon. In Free-Space Laser Communication and Atmospheric Propagation XXIX (Vol. 10096, p. 100960Z). International Society for Optics and Photonics. 

  14. P. Wolfowitz. (2002). Global Information Grid (GIG) Overarching Policy. US Department of Defense, directive, (8100.1). 

  15. R. Trafton & S. V. Pizzi. (2006, October). The joint airborne network services suite. In MILCOM 2006-2006 IEEE Military Communications conference (pp. 1-5). IEEE. DOI : 10.1109/MILCOM.2006.302496 

    crossref

저자의 다른 논문 :

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 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