페이딩 환경에서의 딥러닝 기반 고성능 자동 변조분류 기법

Abstract

본 논문에서는 무선 통신 시스템에서 변조 방식을 딥러닝을 이용하여 자동으로 분류하는 방법을 제안하였다. 기존의 자동변조분류 기법들이 대부분 가우시안 채널에 대해서 설계되어 있는 반면 이러한 기법들은 페이딩 환경에서 잘 동작하지 않는 경향이 있다. 본 논문에서 제안하는 기법은 데이터로부터 먼저 다양한 종류의 통계적 특징값을 추출하고 이를 입력 데이터로 하여 완전 연결 계층으로 이루어진 딥뉴럴네트워크를 사용하여 디지털 변조 신호를 분류한다. 페이딩 채널에서의 제안하는 자동변조분류 기법을 적용하기 위해 페이딩 환경을 고려하여 훈련 데이터를 생성하였고 이를 이용하여 딥뉴럴네트워크를 훈련하였다. 제안하는 기법을 BPSK, QPSK, 8-PSK, 16-QAM, 64-QAM의 다섯 가지 종류의 변조 분류에 적용해 본 결과 페이딩 환경에서 기존의 방법에 비해 분류 정확도 측면에서 더 우월한 결과를 얻을 수 있었다.

In this paper, we propose a deep learning-based method for automatically classifying modulation formats in wireless communication systems. While existing automatic modulation schemes are mostly designed for Gaussian channels, these techniques tend not to work well in fading environments. The proposed method extracts various kinds of statistical feature values ​​from the data and classifies the modulation class using the deep neural network consisting of fully connected layers. In order to apply the proposed automatic modulation classification scheme in the fading channel, the training data is generated considering the fading environment and the deep neural network is trained by using it. As a result of applying the proposed method to the five kinds of modulation classifications of BPSK, QPSK, 8-PSK, 16-QAM and 64-QAM, we obtained better results in terms of classification accuracy than the existing methods in the fading environment.