지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2020.6
- 수록면
- 744 - 750 (7page)
이용수
초록· 키워드
오류제보하기
본 논문에서는 무선통신 시스템의 주파수 효율과 에너지 효율을 개선하기 위하여 딥러닝 기반의 송신 전력 제어기법을 제안한다. 무선통신 시스템에서 다수의 송수신기의 위치는 균일 분포를 따르고 송수신기 간 채널은 나카가미 페이딩 채널을 가정하여 제안하는 송신 전력 제어 기법에 대한 주파수 효율과 에너지 효율의 성능을 분석한다. 제안하는 송신 전력 제어 기법은 딥러닝 기반의 학습에서 주파수 효율과 에너지 효율을 개선하기 위하여 배치 정규화 기법을 이용한다. 시뮬레이션을 통해 송수신기의 위치 범위를 제한하는 지형적 크기와 나카가미 페이딩 지수에 대하여 제안하는 송신 전력 제어 기법과 기존의 송신 전력 제어 기법의 주파수 효율과 에너지 효율의 성능 결과를 비교한다. 성능 결과의 비교를 통해 제안하는 기법이 기존의 기법보다 우수한 성능을 제공함을 입증한다.
목차
요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 시스템 모델
Ⅲ. 심층신경망 구조 및 학습과정
Ⅳ. 수치적 결과
Ⅴ. 결론
References
참고문헌 (10)
참고문헌 신청
W. Lee, T.-W. Ban, S. H. Kim, and J. Ryu, “Neighbor discovery for mobile systems based on deep learning,” Journal of the Korea Institute of Information and Communication Engineering, vol. 12, no. 3, pp. 527-533, Mar. 2018.
M. Kim, W. Lee, and D. Cho, “A novel PAPR reduction scheme for OFDM system based on deep learning,” IEEE Communications Letters, vol. 22, no. 3, pp. 510-513, Mar. 2018.
M. Kim, N. Kim, W. Lee, and D. Cho, “Deep learning aided SCMA,” IEEE Communications Letters, vol. 22, no. 4, pp.720-723, Apr. 2018.
H. Sun, X. Chen, Q. Shi, M. Hong, X. Fu, and N. D. Sidiropoulos, “Learning to optimize: training deep neural networks for interference management,” IEEE Transactions on Signal Processing, vol. 66, no. 20, pp. 5438-5453, Oct. 2018.
Q. Shi, M. Razaviyayn, Z.-Q. Luo, and C. He, “An iteratively weighted MMSE approach to distributed sum-utility maximization for a MIMO interfering broadcast channel,” IEEE Transactions on Signal Processing, vol. 59, no. 9, pp. 4331-4340, Sep. 2011.
M. Kim, W. Lee, and D. Cho, “A novel PAPR reduction scheme for OFDM system based on deep learning,” IEEE Communications Letters, vol. 22, no. 3, pp. 510-513, Mar. 2018.
M. Kim, N. Kim, W. Lee, and D. Cho, “Deep learning aided SCMA,” IEEE Communications Letters, vol. 22, no. 4, pp.720-723, Apr. 2018.
H. Sun, X. Chen, Q. Shi, M. Hong, X. Fu, and N. D. Sidiropoulos, “Learning to optimize: training deep neural networks for interference management,” IEEE Transactions on Signal Processing, vol. 66, no. 20, pp. 5438-5453, Oct. 2018.
Q. Shi, M. Razaviyayn, Z.-Q. Luo, and C. He, “An iteratively weighted MMSE approach to distributed sum-utility maximization for a MIMO interfering broadcast channel,” IEEE Transactions on Signal Processing, vol. 59, no. 9, pp. 4331-4340, Sep. 2011.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
딥러닝 기반 송신전력 조절방안의 성능검증
한국정보통신학회논문지
2019 .03
-
에너지 효율 향상을 위한 딥러닝 기반 전력 제어 연구
한국통신학회 인공지능 학술대회 논문집
2024 .09
-
Cell-free 다중안테나 다운링크 네트워크에서 딥러닝기반 송신전력 할당 기술 성능분석 연구
한국통신학회 학술대회논문집
2021 .11
-
이기종 이동통신 네트워크에서 에너지 효율화를 위한 DNN 기반 동적 셀 선택과 송신 전력 할당 기법
한국정보통신학회논문지
2022 .10
-
무선 간섭채널에서의 딥러닝 기반 고속 송신전력 최적화
한국통신학회 학술대회논문집
2019 .01
-
A Closed-Form Upper Bound on the BER of M-ary Modulation Schemes with MRC Diversity over Double Nakagami-m Fading Channels
전자공학회논문지
2018 .06
-
주파수 효율적 재전송 기반 원격측정 성능 향상
한국항공우주학회지
2017 .05
-
NOMA 시스템에서 SINR 정보 피드백을 이용한 딥러닝 기반 송신 전력 제어의 성능 분석
한국정보통신학회논문지
2021 .05
-
에너지 효율적인 사물 인터넷 통신을 위한 Sub-1GHz 무선 통신 채널의 전송속도 및 송신전력의 스마트 제어 기법
한국통신학회 학술대회논문집
2017 .11
-
에너지 효율적인 셀룰러 네트워크를 위한 플로킹 모델 기반 분산 송신전력제어 알고리즘
한국정보통신학회논문지
2016 .10
-
WAVE 통신 시스템에서 딥러닝 기반 채널 추정 기법들의 성능 비교 및 분석
한국통신학회 학술대회논문집
2023 .02
-
페이딩 무선통신 채널을 위한 딥러닝 네트워크 기반 무선통신 모뎀 설계기법 연구
한국통신학회 학술대회논문집
2019 .06
-
딥 러닝을 이용한 무선 통신 시스템에서의 채널 추정 기법
한국통신학회 학술대회논문집
2018 .01
-
Massive MIMO 시스템을 위한 효율적인 송신 안테나 선택 기법
한국위성정보통신학회논문지
2016 .01
-
에너지 인터넷을 위한 전력선 통신의 신호전송 기법
한국위성정보통신학회논문지
2017 .12
-
초고밀도 셀 환경에서 에너지 효율 증대를 위한 송신전력 제어기법
한국통신학회논문지
2019 .01
-
적응변조 시스템에서 동시 무선 정보 및 전력 전송의 전송률-에너지 성능 개선을 위한 SNR 기반 전력 분할 수신기
한국통신학회논문지
2017 .10
-
무선 정보/전력 동시 전송 시스템에서 송신 신호에 따른 전력변환효율 비교
한국통신학회 학술대회논문집
2024 .06
-
주파수 선택적 페이딩 맵 기반 효율적 무선 에너지 하비스팅 알고리즘
한국위성정보통신학회논문지
2015 .01
-
다중사용자 다중입출력 하향링크 시스템에서 사용자별 통계적 지연제한을 고려한 전력 할당 기법
한국통신학회논문지
2019 .09
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2020-004-000883714