수중 OFDM 통신 환경에서 심층신경망을 이용한 채널 보상 기법 (Channel Equalization Using Deep Neural Network in Underwater OFDM Communication)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 44권 / 8호 / 1450 ~ 1459페이지
· 저자명 : 송태영, 김용관, 고학림

초록

수중 통신 환경은 수온 및 다양한 환경 변수들에 의해서 음파의 전송 속도가 변하여 다중 경로가 발생하므로통신 채널의 추정 및 보상이 용이하지 않다. 따라서 본 논문에서는 최근 각광을 받는 심층신경망을 이용하여 수중OFDM 통신 환경에서 채널 보상 기법을 제안하고 그 성능을 기존의 기법과 비교하였다. 본 논문에서는 서해상의수중 채널 환경을 Bellhop Ray Tracing 기법을 이용하여 모델링하였다. 모의실험으로부터, 심층신경망을 이용한제안하는 채널 보상 기법을 기존의 LS 채널 추정 및 보상 기법과 비교한 결과, QPSK 심벌 블럭의 256개의 심벌들 중에 128개 파일럿 심벌, 및 64개의 파일럿 심벌을 배치한 경우에서, 제안하는 기법이 기존의 LS 기법에 비하여 우수한 결과를 나타내었다. 또한, 제안하는 기법에서 파일럿 심벌을 사용하지 않은 경우의 성능이 기존의 LS 기법에서 64개의 파일럿 심벌을 사용한 경우와 비교하여도, 여전히 우수한 성능을 나타내었다. 이상으로부터 제안하는 심층신경망을 이용한 채널 보상 기법이 기존의 LS 기법에 비하여 매우 견실하며 우수한 성능을 나타냄을 알수 있었다.

영어초록

In the underwater communication environment, since the propagation medium is water, multipath occurs due to the medium fluctuation, and the propagation speed changes due to the water temperature or the like, which makes it difficult to estimate the channel. In this paper, deep neural network based channel equalization technique is proposed when QPSK symbols are OFDM modulated and transmitted thorough the underwater channel environment. We modeled the underwater channel in the West Sea using the Bellhop Ray Tracing method. From the computer simulation, when 128 or 64 pilot symbols were allocated in a symbol block which consist of 256 symbols, the proposed scheme performed better than the conventional LS scheme. In a further experiment, the proposed scheme without any pilot symbols is still better than the LS scheme with 64 pilot symbols. As a result, we confirmed that the performance of the proposed deep neural network based channel equalization method is more robust and better than the existing LS scheme in underwater channel environment.

참고자료

· 없음