딥 러닝 기반의 임펄스 잡음 완화 기법
본 논문은 전력선 통신의 성능을 하락시키는 임펄스 잡음을 효과적으로 완화하는 시스템 모델을 제안한다. 최근 딥 러닝이 다양한 분야에 적용되어 효과적인 성능개선을 보이고 있 다. 효과적인 임펄스 잡음 완화를 위해 딥 러닝 알고리즘 중 하나인 컨볼루션 뉴럴 네트워크 를 기존의 시스템에 적용한다. 또한 다수의 사용자가 존재할 경우를 고려하여 연속적 간섭 제거 기법을 사용하여 다수의 사용자로부터 발생하는 임펄스 잡음을 완화시킨다. 제안한 시 스템 모델을 전력선 통신에 적용하여 시뮬레이션을 하였고 비트 오류 확률 대 SNR 그래프 를 통해...
Saved in:
| Published in | 韓國ITS學會 論文誌 Vol. 17; no. 4; pp. 138 - 149 |
|---|---|
| Main Authors | , , , |
| Format | Journal Article |
| Language | Korean |
| Published |
한국ITS학회
31.08.2018
|
| Subjects | |
| Online Access | Get full text |
| ISSN | 1738-0774 2384-1729 |
| DOI | 10.12815/kits.2018.17.4.138 |
Cover
| Abstract | 본 논문은 전력선 통신의 성능을 하락시키는 임펄스 잡음을 효과적으로 완화하는 시스템 모델을 제안한다. 최근 딥 러닝이 다양한 분야에 적용되어 효과적인 성능개선을 보이고 있 다. 효과적인 임펄스 잡음 완화를 위해 딥 러닝 알고리즘 중 하나인 컨볼루션 뉴럴 네트워크 를 기존의 시스템에 적용한다. 또한 다수의 사용자가 존재할 경우를 고려하여 연속적 간섭 제거 기법을 사용하여 다수의 사용자로부터 발생하는 임펄스 잡음을 완화시킨다. 제안한 시 스템 모델을 전력선 통신에 적용하여 시뮬레이션을 하였고 비트 오류 확률 대 SNR 그래프 를 통해 제안한 시스템 모델의 성능을 확인한다. 또한, 연속적 간섭 제거 기법 중 ZF와 MMSE 연속적 간섭 제거 기법, 최적의 순서를 가지는 연속적 간섭 제거 기법과 최적의 순서 를 가지지 않는 연속적 간섭 제거 기법을 각각 비교하여 어떠한 기법이 더 우수한 성능을 가 지는지를 확인한다. |
|---|---|
| AbstractList | 본 논문은 전력선 통신의 성능을 하락시키는 임펄스 잡음을 효과적으로 완화하는 시스템모델을 제안한다. 최근 딥 러닝이 다양한 분야에 적용되어 효과적인 성능개선을 보이고 있다. 효과적인 임펄스 잡음 완화를 위해 딥 러닝 알고리즘 중 하나인 컨볼루션 뉴럴 네트워크를 기존의 시스템에 적용한다. 또한 다수의 사용자가 존재할 경우를 고려하여 연속적 간섭제거 기법을 사용하여 다수의 사용자로부터 발생하는 임펄스 잡음을 완화시킨다. 제안한 시스템 모델을 전력선 통신에 적용하여 시뮬레이션을 하였고 비트 오류 확률 대 SNR 그래프를 통해 제안한 시스템 모델의 성능을 확인한다. 또한, 연속적 간섭 제거 기법 중 ZF와MMSE 연속적 간섭 제거 기법, 최적의 순서를 가지는 연속적 간섭 제거 기법과 최적의 순서를 가지지 않는 연속적 간섭 제거 기법을 각각 비교하여 어떠한 기법이 더 우수한 성능을 가지는지를 확인한다. In this paper, we propose a system model which effectively mitigates impulsive noise that degrades the performance of power line communication. Recently, deep learning have shown effective performance improvement in various fields. In order to mitigate effective impulsive noise, we applied a convolution neural network which is one of deep learning algorithm to conventional system. Also, we used a successive interference cancellation scheme to mitigate impulsive noise generated from multi-users. We simulate the proposed model which can be applied to the power line communication in the Section V. The performance of the proposed system model is verified through bit error probability versus SNR graph. In addition, we compare ZF and MMSE successive interference cancellation scheme, successive interference cancellation with optimal ordering, and successive interference cancellation without optimal ordering. Then we confirm which schemes have better performance. KCI Citation Count: 0 In this paper, we propose a system model which effectively mitigates impulsive noise that degrades the performance of power line communication. Recently, deep learning have shown effective performance improvement in various fields. In order to mitigate effective impulsive noise, we applied a convolution neural network which is one of deep learning algorithm to conventional system. Also, we used a successive interference cancellation scheme to mitigate impulsive noise generated from multi-users. We simulate the proposed model which can be applied to the power line communication in the Section V. The performance of the proposed system model is verified through bit error probability versus SNR graph. In addition, we compare ZF and MMSE successive interference cancellation scheme, successive interference cancellation with optimal ordering, and successive interference cancellation without optimal ordering. Then we confirm which schemes have better performance. 본 논문은 전력선 통신의 성능을 하락시키는 임펄스 잡음을 효과적으로 완화하는 시스템 모델을 제안한다. 최근 딥 러닝이 다양한 분야에 적용되어 효과적인 성능개선을 보이고 있다. 효과적인 임펄스 잡음 완화를 위해 딥 러닝 알고리즘 중 하나인 컨볼루션 뉴럴 네트워크를 기존의 시스템에 적용한다. 또한 다수의 사용자가 존재할 경우를 고려하여 연속적 간섭 제거 기법을 사용하여 다수의 사용자로부터 발생하는 임펄스 잡음을 완화시킨다. 제안한 시스템 모델을 전력선 통신에 적용하여 시뮬레이션을 하였고 비트 오류 확률 대 SNR 그래프를 통해 제안한 시스템 모델의 성능을 확인한다. 또한, 연속적 간섭 제거 기법 중 ZF와 MMSE 연속적 간섭 제거 기법, 최적의 순서를 가지는 연속적 간섭 제거 기법과 최적의 순서를 가지지 않는 연속적 간섭 제거 기법을 각각 비교하여 어떠한 기법이 더 우수한 성능을 가지는지를 확인한다. 본 논문은 전력선 통신의 성능을 하락시키는 임펄스 잡음을 효과적으로 완화하는 시스템 모델을 제안한다. 최근 딥 러닝이 다양한 분야에 적용되어 효과적인 성능개선을 보이고 있 다. 효과적인 임펄스 잡음 완화를 위해 딥 러닝 알고리즘 중 하나인 컨볼루션 뉴럴 네트워크 를 기존의 시스템에 적용한다. 또한 다수의 사용자가 존재할 경우를 고려하여 연속적 간섭 제거 기법을 사용하여 다수의 사용자로부터 발생하는 임펄스 잡음을 완화시킨다. 제안한 시 스템 모델을 전력선 통신에 적용하여 시뮬레이션을 하였고 비트 오류 확률 대 SNR 그래프 를 통해 제안한 시스템 모델의 성능을 확인한다. 또한, 연속적 간섭 제거 기법 중 ZF와 MMSE 연속적 간섭 제거 기법, 최적의 순서를 가지는 연속적 간섭 제거 기법과 최적의 순서 를 가지지 않는 연속적 간섭 제거 기법을 각각 비교하여 어떠한 기법이 더 우수한 성능을 가 지는지를 확인한다. |
| Author | 황유민 심이삭 김진영 선영규 |
| Author_xml | – sequence: 1 fullname: 선영규 – sequence: 2 fullname: 황유민 – sequence: 3 fullname: 심이삭 – sequence: 4 fullname: 김진영 |
| BackLink | https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002379893$$DAccess content in National Research Foundation of Korea (NRF) |
| BookMark | eNotkLtKA0EYhQeJYIx5AkG2sbDYdf65ZGbLELxEAwFJP-xMZmXYmMhuGvtUKlYRkiKKoJ1FsPKZ3M07uCZW5xQfB863iyrD0dAitA84ACKBHydunAUEgwxABCwAKrdQlVDJfBAkrKAqCCp9LATbQfUscxrTBhEhxqSKaD798PLXz_xh4f18L_PlrFjMvOJlsnqaFPfvZXsrFo9eMZ-s5tM18fW8h7bjaJDZ-n_WUO_0pNc69zvds3ar2fGtFNy3YCwVkmBqjWaaa20bmoeMCxBgGsz045gZaYAQzTGEmBOCYyKk1gQzGtEaOtrMDtNYJcapUeTWeT1SSaqaV722ooKXt3jJHm7YxGVjp4b9bKAumpfdPyulo9IFY8Cg5A42nI3SsTMDq25TdxOld4pSHnJMfwGNPG47 |
| ContentType | Journal Article |
| DBID | M1Z JDI ACYCR |
| DEWEY | 388.3 |
| DOI | 10.12815/kits.2018.17.4.138 |
| DatabaseName | e-articles KoreaScience Korean Citation Index |
| DatabaseTitleList | |
| DeliveryMethod | fulltext_linktorsrc |
| Discipline | Economics Journalism & Communications |
| DocumentTitleAlternate | Impulsive Noise Mitigation Scheme Based on Deep Learning |
| EISSN | 2384-1729 |
| EndPage | 149 |
| ExternalDocumentID | oai_kci_go_kr_ARTI_3757745 JAKO201828138444141 335950 |
| GroupedDBID | M1Z .UV JDI ACYCR |
| ID | FETCH-LOGICAL-e875-e1ce378203ecb4b5bbe6b59457171c64cdff4c8c122b501905220f278bb2043a3 |
| ISSN | 1738-0774 |
| IngestDate | Sat Jul 13 03:11:41 EDT 2024 Fri Dec 22 11:58:33 EST 2023 Fri Jun 21 15:40:10 EDT 2024 |
| IsDoiOpenAccess | true |
| IsOpenAccess | true |
| IsPeerReviewed | false |
| IsScholarly | true |
| Issue | 4 |
| Keywords | Successive Interference Cancellation 딥 러닝 연속적 간섭제거 Convolution Neural Network Impulsive Noise 컨볼루션 신경망 임펄스 잡음 전력선 통선 Deep Learning Power Line Communication |
| Language | Korean |
| LinkModel | OpenURL |
| MergedId | FETCHMERGED-LOGICAL-e875-e1ce378203ecb4b5bbe6b59457171c64cdff4c8c122b501905220f278bb2043a3 |
| Notes | KISTI1.1003/JNL.JAKO201828138444141 http://journal.kits.or.kr/ |
| OpenAccessLink | http://click.ndsl.kr/servlet/LinkingDetailView?cn=JAKO201828138444141&dbt=JAKO&org_code=O481&site_code=SS1481&service_code=01 |
| PageCount | 12 |
| ParticipantIDs | nrf_kci_oai_kci_go_kr_ARTI_3757745 kisti_ndsl_JAKO201828138444141 earticle_primary_335950 |
| PublicationCentury | 2000 |
| PublicationDate | 20180831 |
| PublicationDateYYYYMMDD | 2018-08-31 |
| PublicationDate_xml | – month: 08 year: 2018 text: 20180831 day: 31 |
| PublicationDecade | 2010 |
| PublicationTitle | 韓國ITS學會 論文誌 |
| PublicationTitleAlternate | The journal of the Korea Institute of Intelligent Transportation Systems |
| PublicationYear | 2018 |
| Publisher | 한국ITS학회 |
| Publisher_xml | – name: 한국ITS학회 |
| SSID | ssib036279002 ssib053377138 ssib012146223 ssib023739049 ssib004698092 ssib008451679 ssib044738259 |
| Score | 2.0539987 |
| Snippet | 본 논문은 전력선 통신의 성능을 하락시키는 임펄스 잡음을 효과적으로 완화하는 시스템 모델을 제안한다. 최근 딥 러닝이 다양한 분야에 적용되어 효과적인 성능개선을... In this paper, we propose a system model which effectively mitigates impulsive noise that degrades the performance of power line communication. Recently, deep... 본 논문은 전력선 통신의 성능을 하락시키는 임펄스 잡음을 효과적으로 완화하는 시스템모델을 제안한다. 최근 딥 러닝이 다양한 분야에 적용되어 효과적인 성능개선을... |
| SourceID | nrf kisti earticle |
| SourceType | Open Website Open Access Repository Publisher |
| StartPage | 138 |
| SubjectTerms | 전자/정보통신공학 |
| TableOfContents | 요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 임펄스 잡음 채널 모델
Ⅲ. 딥 러닝 알고리즘
1. 컨볼루션 뉴럴 네트워크
2. 손실함수
3. 최적화 방법
Ⅳ. 제안하는 시스템 모델
1. 딥 러닝 알고리즘 구조
2. 연속적 간섭 제거 기법
Ⅴ. 시뮬레이션 결과
Ⅵ. 결론
ACKNOWLEDGEMENTS
REFERENCES |
| Title | 딥 러닝 기반의 임펄스 잡음 완화 기법 |
| URI | https://www.earticle.net/Article/A335950 http://click.ndsl.kr/servlet/LinkingDetailView?cn=JAKO201828138444141&dbt=JAKO&org_code=O481&site_code=SS1481&service_code=01 https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002379893 |
| Volume | 17 |
| hasFullText | 1 |
| inHoldings | 1 |
| isFullTextHit | |
| isPrint | |
| ispartofPNX | 한국ITS학회 논문지, 2018, 17(4), 78, pp.138-149 |
| journalDatabaseRights | – providerCode: PRVHPJ databaseName: ROAD: Directory of Open Access Scholarly Resources customDbUrl: eissn: 2384-1729 dateEnd: 99991231 omitProxy: true ssIdentifier: ssib044738259 issn: 1738-0774 databaseCode: M~E dateStart: 20020101 isFulltext: true titleUrlDefault: https://road.issn.org providerName: ISSN International Centre |
| link | http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV1Pb9MwFLfKuHBBIP6VP1OE8GlKiWMnto9J2mobGhwo0m5RnSao6tSi0l04cOoJEKchbYeCkODGYeLEZ-Ej0O478OykacZAAi7pk_P68p6fZb8Xx7-H0D3iKO4pldmp1-vaLE1SW8E6bGfUh_XOT7qugWvaeehvPmHbu95urfa98tXS_kQ1khe_PVfyP16FNvCrPiX7D54thUID0OBfuIKH4fpXPsatEEuGA2_DUG0cRJoQQDehKcChwKGjm-AqBW5FcAOIDUO1sGC41cQiJyIsAhyw5b2AFOwiyptkwQ6EZL9Id3Few3IZ5ho-D8vIsHk4aG51Hi8bpSECEGyU9XBoCNA9NCoGHItyE8XoBSY6RgcBga8RyUH2isUoFUjDEhleENfGYXRKinlEblOY2-viFRqlESv1hx-FCqx8YvXNCBHLV73lZM5hMnd4XgWonO15ZVSzytRNcpSZIgogOZDqmQXGFQaMY9CfaKx3IhqEN1ij_O8p5G6qDz0759B5l_u-rq6x87JV2VGWwqnsaAtdMXm1Y0p0wfVK6OZSTmVlRxTiDi6dFXQbY2BsJZWFKJ5zYgq5l91QgG5pE-6fNUBHY8VIhkRNZy99iLeG46wSb3UuoYtFomQFOe9lVBuMriA6P_hszT98mb-eWT--Hc-PDxezQ2vxfnrydrp49Qmoj4vZG2txND05OjAcX99dRZ12qxNt2kXZDzuF5NlOSZJSjeJI00QxBRNJ6itPMo8TThKfJb0sY4lIiOsqTyMhQAbhZC4XSulz3l16Da0NR8P0BrIU60Es5jLqp5L1wHAqE-ooksCipDLm1tH1pcnxsxzcJc6dVkfrpgfiYe_5XrwdPHik-wp6jgoGCQQjdXQXuiYeJP1YA7Tr36ejeDCOIQ3diin3oL-9m3-UfwtdWI3Y22htMt5P70B0O1HrZpj8BMNzejI |
| linkProvider | ISSN International Centre |
| openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%EB%94%A5+%EB%9F%AC%EB%8B%9D+%EA%B8%B0%EB%B0%98%EC%9D%98+%EC%9E%84%ED%8E%84%EC%8A%A4+%EC%9E%A1%EC%9D%8C+%EC%99%84%ED%99%94+%EA%B8%B0%EB%B2%95&rft.jtitle=%ED%95%9C%EA%B5%ADITS%ED%95%99%ED%9A%8C%EB%85%BC%EB%AC%B8%EC%A7%80&rft.au=%EC%84%A0%EC%98%81%EA%B7%9C&rft.au=%ED%99%A9%EC%9C%A0%EB%AF%BC&rft.au=%EC%8B%AC%EC%9D%B4%EC%82%AD&rft.au=%EA%B9%80%EC%A7%84%EC%98%81&rft.date=2018-08-31&rft.issn=1738-0774&rft.volume=17&rft.issue=4&rft.spage=138&rft.epage=149&rft_id=info:doi/10.12815%2Fkits.2018.17.4.138&rft.externalDocID=335950 |
| thumbnail_l | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/lc.gif&issn=1738-0774&client=summon |
| thumbnail_m | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/mc.gif&issn=1738-0774&client=summon |
| thumbnail_s | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/sc.gif&issn=1738-0774&client=summon |