한국정보통신학회 논문지 (Journal of the Korea Institute of Information and Communication Engineering)
Current Result Document :
| 한글제목(Korean Title) |
수신된 전파신호의 자동 변조 인식을 위한 딥러닝 방법론 |
| 영문제목(English Title) |
A deep learning method for the automatic modulation recognition of received radio signals |
| 저자(Author) |
김한진
김혁진
제준호
김경섭
Hanjin Kim
Hyeockjin Kim
Junho Je
Kyungsup Kim
|
| 원문수록처(Citation) |
VOL 23 NO. 10 PP. 1275 ~ 1281 (2019. 10) |
한글내용
(Korean Abstract) |
무선 신호의 자동 변조 인식은 지능형 수신기의 주요한 작업으로 다양한 민간 및 군대 응용분야가 있다. 본 논문에 서는 딥 뉴럴 네트워크 모델을 기반한 무선통신에서 전파신호의 변조 방식을 식별하는 방법을 제안한다. 순차적인 데이터에 대해 장기적인 패턴을 잡아내는데 용이한 LSTM 모델을 통과하여 얻은 연속적인 신호의 특징값을 딥 뉴럴 네트워크의 입력 데이터로 사용하여 신호의 변조 패턴을 분류한다. 변조된 신호의 진폭 및 위상, 동상(In-phase) 반송 파, 직각 위상(Quadrature-phase) 반송파의 값을 LSTM 모델의 입력 데이터로 사용하여 분류한다. 제안된 학습 방법 의 성능을 검증하기 위해, 다양한 신호 대 잡음비로 10 가지 유형의 변조 신호를 포함하는 대형 데이터 세트를 사용하 여 학습하고 테스트한다. 본 논문의 변조 인식 프로그램은 신호의 사전 정보가 없는 환경에서 변조방식을 예측하는 데 적용될 수 있다. |
영문내용
(English Abstract) |
The automatic modulation recognition of a radio signal is a major task of an intelligent receiver, with various civilian and military applications. In this paper, we propose a method to recognize the modulation of radio signals in wireless communication based on the deep neural network. We classify the modulation pattern of radio signal by using the LSTM model, which can catch the long-term pattern for the sequential data as the input data of the deep neural network. The amplitude and phase of the modulated signal, the in-phase carrier, and the quadrature-phase carrier are used as input data in the LSTM model. In order to verify the performance of the proposed learning method, we use a large dataset for training and test, including the ten types of modulation signal under various signal-to-noise ratios. |
| 키워드(Keyword) |
자동변조인식(AMC)
딥러닝
장단기기억(LSTM)
신경망
무선통신
Automatic modulation classification(AMC)
Deep learning
Long-short term memory(LSTM)
Neural network
Wireless communication
|
| 파일첨부 |
PDF 다운로드
|
