PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2604.02691v2cs.LG

전문가 혼합 메커니즘을 활용한 무선 이미지 전송용 적응형 시맨틱 통신

Adaptive Semantic Communication for Wireless Image Transmission Leveraging Mixture-of-Experts Mechanism

심층 학습(deep learning) 기반 시맨틱 통신은 무선 이미지 전송에서 상당한 진전을 이루었으나, 기존의 대부분의 방식은 고정된 모델에 의존하므로 다양한 이미지 콘텐츠와 동적인 채널 조건에 대한 견고성(robustness)이 부족합니다. 적응성을 향상시키기 위해, 최근 연구들은 소스 콘텐츠나 채널 상태 중 하나에 따라 전송 방식이나 모델 동작을 조정하는 적응형 시맨틱 통신 전략을 개발해 왔습니다. 보다 최근에는 MoE(전문가 혼합) 기반 시맨틱 통신이 희소하고 효율적인 적응형 아키텍처로 부상했으나, 기존 설계는 여전히 주로 단일 요인 기반 라우팅(single-driven routing)에 의존하고 있습니다. 이러한 한계를 해결하기 위해, 본 논문에서는 적응형 MoE Swin 트랜스포머 블록을 기반으로 구축된 다중 입력 다중 출력(MIMO) 채널용 새로운 다단계 엔드투엔드 이미지 시맨틱 통신 시스템을 제안합니다. 구체적으로, 실시간 채널 상태 정보(CSI)와 입력 이미지 패치의 시맨틱 콘텐츠를 함께 평가하여 적응형 라우팅 확률을 계산하는 동적 전문가 게이팅 메커니즘을 도입합니다. 이러한 결합 조건을 기반으로 특화된 전문가 하위 집합만을 선택적으로 활성화함으로써, 제안된 접근 방식은 전통적인 적응형 방법의 경직된 결합을 깨고 단일 요인 기반 라우팅의 병목 현상을 극복합니다. 시뮬레이션 결과는 전송 효율성을 유지하면서 기존 방법 대비 재구성 품질이 크게 향상되었음을 보여줍니다.

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.