$\require{mediawiki-texvc}$

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.

웨이블릿 변환 기반 CNN을 활용한 무선 신호 분류
Classification of Radio Signals Using Wavelet Transform Based CNN 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.26 no.8, 2022년, pp.1222 - 1230  

송민석 (Department of Military Digital Convergence, Ajou University) ,  임재성 (Department of Military Digital Convergence, Ajou University) ,  이민우 (Department of Military Digital Convergence, Ajou University)

초록
AI-Helper 아이콘AI-Helper

다양한 변조 기법을 사용하여 저피탐 능력을 갖춘 신호원들이 증가하면서, 신호의 변조 방식을 분류하는 연구가 꾸준히 진행되고 있다. 최근 신호 간섭이나 잡음 환경에서 수신 신호 분류의 성능 개선을 위하여 전처리 과정으로 FFT를 이용하는 CNN(Convolutional Neural Network) 딥러닝 기법이 제안되었다. 하지만 윈도우가 고정되는 FFT의 특성상 탐지 신호의 시간에 따른 변화를 정확히 분류해내지 못한다. 따라서 본 논문에서는 시간 영역과 주파수 영역에서 높은 해상도를 가지고 또한 다양한 유형의 신호를 시간 및 주파수 영역에서 동시에 표현할 수 있는 웨이블릿 변환(wavelet transform)을 전처리 과정으로 사용하는 CNN 모델을 제안한다. 시뮬레이션을 통해 제안하는 웨이블릿 변환 방식이 FFT 변환 방식에 비해 정확도와 학습 속도 측면에서 SNR 변화에 무관하게 우수한 성능을 보이고, 특히 낮은 SNR일 때 더욱 큰 차이를 보임을 입증하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

As the number of signal sources with low detectability by using various modulation techniques increases, research to classify signal modulation methods is steadily progressing. Recently, a Convolutional Neural Network (CNN) deep learning technique using FFT as a preprocessing process has been propos...

주제어

#합성곱 신경망   #신호 분류   #F1-스코어   #전이 학습   #웨이블릿 변환  

표/그림 (8)

참고문헌 (11)

  1. J. P. Stephens, "Advances in signal processing technology for electronic warfare," IEEE Aerospace and Electronic Systems Magazine, vol. 11, no. 11, pp. 31-38, Nov. 1996. 

    상세보기

  2. USA Joint Chief of Staffs, "Joint Vision 2010," US Gov. Printing Office, Washington DC, May. 1996. 

  3. P. E. Pace, "Detecting and Classifying Low Probability of Intercept Radar," MA: Artech House, USA, 2009. 

  4. X. Li, F. Dong, S. Zhang, and W. Guo, "A Survey on Deep Learning Techniques in Wireless Signal Recognition," Special Physical-layer Wireless Communications, vol. 2019, Article no. 5629572, Feb. 2019. 

  5. T. J. O'Shea and N. West, "Radio machine learning dataset generation with GNU radio," in Proceedings of the 6th GNU Radio Conference, Boulder: CO, USA, vol. 1, no. 1, 2016. 

  6. T. J. O'Shea, J. Corgan, and T. C. Clancy, "Convolutional radio modulation recognition networks," in Proceedings of Engineering Applications of Neural Networks, Aberdeen, U.K., pp. 213-226, 2016. 

  7. T. J. O'Shea, T. Roy, and T. C. Clancy, "Over-the-Air Deep Learning Based Radio Signal Classification," IEEE Journal of Selected Topics in Signal Processing, vol. 12, no. 1, pp. 168-179, Feb. 2018. 

    상세보기

  8. T. Xu and I. Darwazeh, "Deep Learning for Over-the-Air Non-Orthogonal Signal Classification," in Proceedings of 2020 IEEE 91st Vehicular Technology Conference, Antwerp, Belgium, pp. 1-5, 2020. 

  9. X. Liu, D. Yang, and A. El Gamal, "Deep neural network architectures for modulation classification," in Proceedings of 2017 51st Asilomar Conference on Signals, Systems and Computers, Pacific Grove: CA, USA, pp. 915-919, 2017. 

  10. S. A. A. Karim, M. H. Kamarudin, B. A. Karim, M. K. Hasan, and J. Sulaiman, "Wavelet Transform and Fast Fourier Transform for signal compression: A comparative study," in Proceedings of 2011 International Conference on Electronic Devices, Systems and Applications, Kuala Lumpur, Malaysia, pp. 280-285, 2011. 

  11. M. Akin, "Comparison of wavelet transform and FFT methods in the analysis of EEG signals," Journal of Medical Systems, vol. 26, no. 3, pp. 241-247, Jun. 2002. 

    상세보기

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

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