earticle

영어

This paper proposes a deep-learning based signal to noise ratio (SNR) prediction technique for wireless communication environments. The communication system considered in this paper uses time division duplex (TDD), and receives signal using multiple antennas while transmits with only one antenna. Based on the SNR measurements when receiving in the past, we proposed a convolutional neural network (CNN) model to predict the SNRs for all antennas at the time of future transmission. If there is no received signal nor SNR measurement, the SNR measurements are filled by linear interpolation of neighboring two received SNRs. According to the simulation results, the wideband signals show better prediction performance than the narrowband signals. In the case of wideband, the proposed technique is about 0.37～0.98 dB superior to the conventional method for 20 km/h. For narrowband, the proposed one is better by 0.29～0.88 dB.

한국어

무선 통신 환경에서 딥러닝을 기반으로 미래 신호대잡음비(SNR)를 예측하는 기술을 제안한다. 본 논문에 서 고려하는 통신시스템은 시분할 전이중 방식을 사용하며, 여러 개의 안테나로 수신하며 동일한 안테나를 이용하 여 미래에 송신한다. 여러 수신 안테나에서 과거에 수신된 SNR을 기반으로, 미래 송신 안테나 별로 SNR을 예측 하는 합성곱 신경망 모델을 제안한다. 수신하는 비율 또는 수신 SNR을 기록하는 비율은 10%에서 100%로 설정한 다. 만약 수신 기록이 없어 SNR 기록이 존재하지 않는다면 이전에 수신된 SNR과 이후 수신된 SNR의 선형 보간 (Linear interpolation)을 통해 수신 SNR을 설정한다. 모의실험 결과에 따르면 광대역 신호일 때 협대역 신호보다 우수한 성능을 보인다. 광대역인 경우 20km/h의 속도를 기준으로 제안방법이 기존방법에 비해 약 0.37dB에서 약 0.98dB 우수하고, 협대역인 경우 20km/h의 속도를 기준으로 제안방법이 약 0.29dB에서 약 0.88dB 우수하다.