이 논문은 신호 탐지와 자동 변조 분류(AMC)를 동시에 수행하는 딥 러닝 기반 통합 프레임워크인 JDM을 제안한다. 기존 연구들은 이 두 작업을 독립적으로 다루었지만, 본 연구에서는 다중 신호가 공존하는 복잡한 환경을 고려한다.
먼저, 다중 신호 공존 환경을 반영하는 CRML23 데이터셋을 생성하였다. 이 데이터셋은 기존 AMC 데이터셋과 달리 신호 탐지 단계를 포함하고 있다.
JDM 프레임워크는 신호 탐지 모듈과 AMC 모듈로 구성된다. 신호 탐지 모듈은 CNN 기반 구조를 사용하여 신호의 중심 주파수와 대역폭을 예측한다. AMC 모듈은 탐지된 신호의 변조 패턴을 분류한다. 두 모듈은 "proposal"이라는 데이터 구조를 통해 상호 연결된다.
실험 결과, JDM은 기존 방식보다 신호 탐지와 변조 분류 정확도가 높은 것으로 나타났다. 특히 Doppler 효과, SNR, 클록 오프셋 등 다양한 요인에 대해 강건한 성능을 보였다.
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Huijun Xing,... kl. arxiv.org 05-03-2024
https://arxiv.org/pdf/2405.00736.pdfDybere Forespørgsler