개선된 손실 함수를 이용한 딥러닝 기반 자동 변조 분류

Abstract

자동 변조 분류(AMC, Automatic Modulation Classification)는 현대 무선 통신의 주요 기술 중 하나로 다양한 협력 및 비협력 통신에서 중요한 역할을 한다. 최근 다양한 딥러닝(DL, Deep Learning) 기반의 AMC에 대한 연구가 보고되고 있다. 본 논문에서는 AMC를 위한 DL 모델의 손실 함수를 개선하여 분류 성능을 향상시키는 방법을 제안하고 분류 성능을 분석한다. 제안하는 방법은 기존의 소프트맥스 손실 함수를 각 변조 방식에 대한 확률분포가 목표 확률분포에 더 가깝게 조절될 수 있도록 개선한다. 컴퓨터 모의실험을 통해 다양한 DL 모델에 대해 제안한 방법으로 개선한 손실 함수를 적용하여 기존보다 분류 정확도 측면에서 성능을 향상시킬 수 있음을 확인한다.

Automatic Modulation Classification(AMC) is one of the key technologies of modern wireless communication which plays an important role in various cooperative and non-cooperative contexts. Recently, many studies on Deep Learning(DL)-based AMC have been reported. This paper proposes a method for improving classification performance by modifying the loss function of the DL model for AMC and analyzes its classification performance. The proposed method improves the conventional softmax loss function to adjust the probability distribution over the modulation schemes closer to the desired probability distribution. Through computer simulations, we verify that by applying the loss function revised with the proposed method, it is possible to improve performance in terms of classification accuracy for various DL models than conventional ones.