PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.23945v1cs.AI

RF 장애 IBFD MIMO 시스템에서 신호 복원을 위한 에코 상태 네트워크(ESN)

Echo State Network (ESN) for Signal Recovery in RF-Impaired IBFD MIMO Systems

대역 내 전이중(in-band full-duplex, IBFD) 다중 입력 다중 출력(MIMO) 시스템은 동일 주파수 대역에서 동시 송수신을 가능하게 하여 차세대 무선 네트워크의 스펙트럼 효율을 높인다. 그러나 IBFD-MIMO 시스템은 자기 간섭(self-interference, SI)에 취약하며, SI는 관심 신호(signal of interest, SOI)를 압도할 수 있다. 이러한 상황에서 블라인드 소스 분리(blind source separation, BSS) 알고리즘을 채택해 SI를 제거하고 공동 감지 및 통신(joint sensing and communication, JSAC)을 수행할 수 있으나, BSS 알고리즘은 대부분 이상화된 선형 및 준정상(quasi-stationary) 신호 모델을 가정하며, I/Q 불균형, 반송파 주파수 오프셋(carrier frequency offset, CFO), 위상 잡음(phase noise), 전력 증폭기 비선형성(power amplifier nonlinearity) 등 현실적인 무선 주파수(RF) 장애 하에서는 이 가정이 성립하지 않는다. 본 논문은 이러한 현실적 조건에서 BSS보다 우수한 2단계 에코 상태 네트워크(echo state network, ESN) 기반 방안을 제안한다. 정적 SI 경로를 특성화하기 위해 동결(frozen) ESN을 오프라인으로 학습하고, 희소 파일럿 심볼(sparse pilot symbols)을 이용해 재귀 최소자승(recursive least squares)으로 온라인 갱신되는 적응형 ESN이 시변 SOI 경로를 추적한다. 다양한 블록 크기에 대해 제안 방안의 SOI 복원 성능과 획득 속도를 평가하고, 장단기 메모리(long short-term memory, LSTM) 및 게이티드 순환 유닛(gated recurrent unit, GRU) 등 다른 순환 신경망(recurrent neural network, RNN)과 비교한다. 시뮬레이션 결과, 제안 접근법은 효율성과 SOI 복원 모두에서 BSS, LSTM, GRU를 능가하며, 현실적인 IBFD MIMO 시스템에서 실시간 비선형 자기 간섭 제거를 위한 ESN의 실용 가능성을 보여준다.

arXiv:2607.08717v1cs.LG

OFDM 시스템에서 협대역 간섭 제거 및 소프트 복조 공동 처리를 위한 심층 학습

Deep Learning for Joint Narrowband Interference Cancellation and Soft Demodulation in OFDM Systems

OFDM 시스템에서 협대역 간섭(NBI)을 제거하고 소프트 복조를 동시에 수행하는 통합 딥러닝 프레임워크를 제안하며, 물리 정보 기반 합성곱 네트워크 NBI-CNet으로 간섭원 수에 대한 사전 지식 없이 EOMP-IDS 대비 연산 복잡도를 최대 60% 줄인다. LLR-CNet이 비가우시안 잔차를 보정된 소프트 메트릭으로 변환하여 기존 방식의 오류 플로어를 제거하고, SIR = -10 dB 심각한 간섭 환경에서 최적 반복 기준선 대비 0.2~0.5 dB SNR 마진 이내 성능을 달성한다.