인공 신경망과 MRC 패킹 기법을 이용한 V2X 다중 수신안테나 채널 추정 기법에 관한 연구 = A Study on the V2X Channel Estimation Schemes with Multiple Receiving Antennas Using Artificial Neural Networks and MRC Packing Scheme.
저자
발행사항
충주 : 한국교통대학교 일반대학원, 2022
학위논문사항
학위논문(석사)-- 한국교통대학교 일반대학원 : 전자공학과 2022. 2
발행연도
2022
작성언어
한국어
KDC
569 판사항(6)
발행국(도시)
충청북도
형태사항
Ⅶ, 49 ; 26cm
일반주기명
한국교통대학교 논문은 저작권에 의해 보호받습니다.
A Study on the V2X Channel Estimation Schemes with Multiple Receiving Antennas Using Artificial Neural Networks and MRC Packing Scheme.
지도교수:송창익
참고문헌: p.
UCI식별코드
I804:43010-200000602483
소장기관
본 논문에서는 차량의 고속이동에 따라 시간-주파수 영역에서 빠르게 변화하는 채널을 정확하게 추정하고 이를 통해 보다 신뢰성 있는 차량 간 V2X (Vehicle-to-Everything) 통신지원을 위해 인공신경망과 다중 수신안테나 MRC(Maximum Ratio
Combining) 패킹(Packing) 기법을 결합한 새로운 V2X 채널추정 알고리즘을 제안한다. 이후 실측 채널 모델에서 다양한 모의실험을 통해 제안하는 알고리즘의 우수성을 입증한다.
현재 IEEE802.11p기반 V2X (Vehicle-to-Everything)규격은 패킷 내 파일럿 수의 부족으로 시간-주파수 영역 모두
에서 빠른 변화를 겪는 채널을 추적하기 어려운 문제점을 가진다. 이를 극복하기 위한 방법으로 심벌 디매핑을 통해
복원된 심벌을 다시 파일럿으로 재사용함으로써 적은 수의 파일럿 문제를 극복하는 결정 지향적 DPA(Data Pilot
Aided) 채널 추정 방법에 대해 많은 연구가 이루어져 왔다. 최근 기존 DPA기술의 정확도 개선을 위해 인공신경망 즉
DNN (Deep Neural Network)을 이용한 기법들이 많은 연구가 되고 있다. 또한 다중 수신안테나 MRC(Maximum
Ratio Combining) 기술을 이용하여 다이버시티 이득을 극대화하고 이를 통해 디매핑 심벌의 신뢰성을 향상시키는 방
법이 가능하다. 하지만 현재까지 다중수신안테나 MRC채널 추정기술과 인공신경망을 결합하는 고도화된 연구는 제안된
바가 없다.
본 논문에서는 다중 수신 안테나와 인공신경망을 이용하여 다이버시티 이득과 잡음제거 효과를 극대화 하는 새로운
채널추정 알고리즘을 제안한다. 이를 위해 먼저 인공신경망 없이 획득 가능한 최대 채널 추정 정확도를 측정하기 위해
기존 다중수신안테나 MRC패킹(packing)기법과 가상 부반송파를 이용한 잡음제거 기법을 결합하여 잡음제거 능력을
극대화 한 가상부반송파-MRC패킹 기술을 제안한다. 이후 MRC 패킹 기법과 오토인코더 인공신경망을 결합한 인공신
경망 기반 MRC패킹 기법을 제안한다. 마지막으로 Cohda Wireless 사에서 제공한 실측 채널 모델을 기반으로 모의실
험을 통해 PER(Packet Error Rate)을 측정하고 기존 기법들과의 성능을 비교하고 분석하여 제안하는 기법들의 우수
성을 입증한다.
In this paper, we accurately estimate channels that change rapidly in the time-frequency region
according to high-speed movement of the vehicle and propose a new V2X channel estimation
algorithm that combines an artificial neural network with a multi-reception antenna (MRC)
packing technique to support more reliable vehicle-to-everything communication. Thereafter,
the excellence of the proposed algorithm is proved through various simulations in the measured
channel model.
Currently, IEEE 802.11p-based Vehicle-to-Everything (V2X) specifications have a
problem that it is difficult to track channels that undergo rapid changes in both time-frequency
areas due to a lack of pilot numbers in packets.
As a way to overcome this, many studies have been conducted on the decision-oriented Data
Pilot-Aided (DPA) channel estimation method that overcomes a small number of pilot problems by
reusing the symbols restored through symbol demapping as pilots.
Recently, many studies have been conducted on techniques using artificial neural networks, or deep
neural networks (DNNs), to improve the accuracy of existing DPA technologies. In addition, the
diversity gain is extreme using multiple reception antenna maximum ratio combining (MRC)
technology. It is possible to communicate and improve the reliability of the demapping symbol
through this.
However, until now, no advanced research has been proposed to combine multi-reception antenna
MRC channel estimation technology with artificial neural networks.
In this paper, we propose a new channel estimation algorithm that maximizes diversity gain
and noise removal effects using multiple reception antennas and artificial neural networks. To this
end, first, to measure the maximum channel estimation accuracy that can be obtained without
an artificial neural network, we propose a virtual subcarrier-MRC packing technology that maximizes
noise removal by combining the existing multi-reception antenna MRC packing technique
with virtual subcarrier.
Afterwards, an artificial neural network-based MRC packing technique that combines the MRC packing
technique and the autoencoder artificial neural network is proposed.
Finally, based on the actual channel model provided by Cohda Wireless, we measure the Per
(Packet Error Rate) through simulation, compare and analyze the performance with existing
techniques, and demonstrate the excellence of the proposed techniques.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)