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
- 김용관
- 발행연도
- 2019
- 저작권
- 호서대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 자연어 처리, 자율주행, 컴퓨터 비전 등 다양한 분야에서 복잡한 문제를 해결하기 위해 딥러닝을 이용하는 연구가 활발히 이루어지고 있다. 또한 지상에서 신경망을 이용한 채널 추정에 관한 연구가 활발히 이루어지고 있다[8][9]. 본 논문에서는 딥러닝의 한 종류인 심층신경망을 이용해 수중 채널 추정에 관한 연구를 수행하였다.
본 논문의 2장에서는 모의실험을 위한 수중 채널 모델링과 OFDM 시스템, 심층 신경망에 관해 설명한다. 3장에서는 OFDM 시스템에서 사용하는 기존의 채널 추정방식인 LS 알고리즘과 심층 신경망을 이용한 채널 추정방식을 설명한다. 4장에서는 심층신경망의 수중 채널 추정의 가능성을 알아보기 위한 실험과 OFDM 심벌 구조에 따른 채널 추정 성능을 비교하기 위해 파일럿 심볼이 일정 간격으로 할당된 상태에서 기존 LS 채널 추정방식과 comb-type 채널 추정방식을 비교하고, OFDM 심벌에 파일럿 심볼을 할당하지 않고 온전히 데이터 심볼로 이루어진 상태에서 채널 추정 성능을 확인한다. 마지막 장에서는 논문의 결론을 서술하고 향후 연구의 방향을 제시한다.
본 논문의 2장에서는 모의실험을 위한 수중 채널 모델링과 OFDM 시스템, 심층 신경망에 관해 설명한다. 3장에서는 OFDM 시스템에서 사용하는 기존의 채널 추정방식인 LS 알고리즘과 심층 신경망을 이용한 채널 추정방식을 설명한다. 4장에서는 심층신경망의 수중 채널 추정의 가능성을 알아보기 위한 실험과 OFDM 심벌 구조에 따른 채널 추정 성능을 비교하기 위해 파일럿 심볼이 일정 간격으로 할당된 상태에서 기존 LS 채널 추정방식과 comb-type 채널 추정방식을 비교하고, OFDM 심벌에 파일럿 심볼을 할당하지 않고 온전히 데이터 심볼로 이루어진 상태에서 채널 추정 성능을 확인한다. 마지막 장에서는 논문의 결론을 서술하고 향후 연구의 방향을 제시한다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0