순환신경망을 이용한 도플러 채널 예측

조선영; 손지용; 한동준; 문재균; 안현준

doi:10.7840/kics.2018.43.4.629

주제분류

...

저널정보

한국통신학회
한국통신학회논문지 학술저널
한국통신학회논문지 제43권 제4호
2018.4 629 - 636 (8page)
DOI : 10.7840/kics.2018.43.4.629

저자정보

조선영 (KAIST)
손지용 (KAIST)
한동준 (KAIST)
문재균 (KAIST)
안현준 (한화시스템)

이용수
내서재: 0

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

초록·키워드

오류제보하기

빠르게 시변하는 채널 환경에서의 통신 시스템의 경우 채널 추정을 위한 파일럿 자원이 많이 사용되는데, 이는 시간 당 데이터 전송 효율을 낮추는 주요 원인이 된다. 본 논문은 순환 신경망을 이용한 채널 예측 구조를 도입함으로써 시스템의 데이터 전송 효율을 향상시키고자 하였다. 순환 신경망 구조를 도입하면, 우선적으로 파일럿을 기반으로 추정한 채널 값들을 훈련한 후, 이후에 파일럿 없이 미래의 채널 변화를 예측하여 이를 채널 보상에 이용할 수 있게 한다. 본 논문에서는 순환 신경망을 적절히 이용할 경우 통신 성능도 향상될 수 있음을 보이고, 훈련 구간 길이 대비 적절한 채널 예측 구간 길이를 제안함으로써 실제 적용에 가이드라인을 제공하고자 하였다.

In fast time-varying channel environments, pilot resources should be used frequently to track the channel variation, which leads to lower time-efficiency. In this paper, we propose a recurrent-neural-network (RNN)-based channel prediction method to improve both time-efficiency and system performance compared to the conventional pilot-based channel estimator. During the channel training period, the channels are estimated based on the pilot resources, and the estimated channels are used to train the RNN. In the actual channel prediction period, only the RNN (not the pilots) is used to predict the channel series. Our proposed method can be easily applied to the conventional pilot-based channel estimator and improves time-efficiency by achieving lower bit-error rate (BER) performance within a certain prediction period.

#Doppler channel estimation #RNN channel prediction #SCFDE system