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
- 학위논문
- 저자정보
- 지도교수
- 장한승
- 발행연도
- 2023
- 저작권
- 전남대학교 논문은 저작권에 의해 보호받습니다.
이용수3
이 논문의 연구 히스토리 (3)
2023
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 논문은 5G New Radio (NR) 임의접속과정에서 기존 LTE와 5G에서 사용되는 임계값 기반의 검출 방식으로 인해 발생하는 문제점을 해결하기 위해 기계학습 기반의 프리앰블 및 시간정렬 값 분류 기법을 제안한다. 연구에서는 5G 시뮬레이션환경을 구축하기 위해 3GPP(3rd Generation Partnership Project)에서 제공하는 공식 기술 문서를 참고하고 MATLAB에서 제공하는 5G NR PRACH Detection Test를 활용하였다. 연구에서 사용되는 대표적인 프리앰블은 짧은 프리앰블과 긴 프리앰블의 형식 중 2가지를 선택하였으며, 각각의 프리앰블 형식의 데이터는 시간 정렬값(Timing Advance)에 따라 신호의 위치가 다른 곳에서 발생하도록 설정하였다. 또한, 사용자가 전송한 프리앰블의 시간 정렬값과 프리앰블의 상태에 따른 상황을 염두하여 분류 모델을 제안하였다. 이후 모델에 따른 기계 학습 모델의 성능을 확인하기 위해 일반적으로 사용하는 분류 방식인 합성곱 신경망 모델과 완전 연결 신경망모델 그리고 순환적 구조를 갖는 인공신경망을 이용한 학습 방식인 순환 신경망과 장, 단기 메모리를 활용하였으며, 기존 임계값 방식과 비교하여 전송된 프리앰블의 안정적인 활성화에 관한 성능과 잘못된 스케쥴링 성능을 비교하였다. 마지막으로 제안한 모델과 기존 임계값 방식에 대한 임의접속 시뮬레이션 환경을 구축하고 시뮬레이션 결과를 통해 각 성능을 비교 · 분석하였다. 결과적으로 연구에서 제안한 방식이 기존 임계값 방식보다 더 좋은 성능을 보임을 확인하였다.
목차
그림목차 ⅲ표목차 ⅴ국문초록 ⅵ제1장 서 론 1제1절 연구의 배경 및 목적 1제2장 5G 물리적 임의접속 방식 3제1절 물리적 임의접속 절차 3제2절 물리적 임의접속 채널 6제3절 프리앰블 11가. 프리앰블이란 무엇인가? 11나. 프리앰블의 종류 13다. 프리앰블 생성 17제3장 임계값 기반의 프리앰블 검출 방식 27제1절 프리앰블 데이터 27제2절 임계값(비 기계학습) 기반의 프리앰블 검출 방식 33제4장 기계학습 기반의 프리앰블 분류 기법 39제1절 제안된 기계학습 기반의 프리앰블 분류 기법 39제2절 데이터 전처리와 기계 학습 모델 41가. 데이터 세트 구성과 전처리 41나. 기계학습 모델 46제3절 기계학습 분류기의 학습 결과 및 성능 분석 58가. 실험 파라미터 58나. 실험 결과 64제5장 임의접속절차 시뮬레이션 84제1절 실험 파라미터 84제2절 실험 결과 87제6장 결론 101참고문헌 103영문초록(Abstract) 105
최근 본 자료
댓글(0)
0