딥러닝을 사용한 무선 통신

개요

차세대 무선 시스템은 다양한 유형의 간섭으로 인해 시스템 차원의 어려움이 가중되는 열악한 환경에서 작동해야 합니다. 무선 수신기는 효율적인 스펙트럼 관리가 필요한 시스템에서 다양한 용도로 사용됩니다. 이번 세션에서는 다양한 무선 통신 시스템에 딥러닝 및 머신러닝 네트워크 기법을 적용하는 방법을 시연할 것입니다.

머신러닝과 딥러닝 워크플로 간의 장단점을 살펴보겠습니다.  또한 시중에서 판매되는 소프트웨어 정의 라디오 및 레이다로부터 데이터를 수집하고 레이블을 지정하며 분류기를 훈련하고 테스트하는 방법을 시연할 것입니다. 본 연구의 초점은 분류 결과 향상을 위해 통신 기저대역 I/Q 신호를 효율적으로 활용하는 방법을 포함하여 신경망 훈련을 위한 데이터 합성에 맞춰질 것입니다.

하이라이트

파형 변조 식별, RF 핑거프린팅, 5G 채널 추정 등의 여러 응용 사례를 통해 개념과 워크플로를 시연합니다.

기저대역 신호에 대한 머신러닝과 딥러닝 기법 간의 장단점을 이해합니다.

기저대역 데이터를 전처리하고 레이블 지정합니다.

신경망을 훈련시키기 위해 데이터를 합성합니다.

발표자 소개

Houman Zarrinkoub 박사는 MathWorks에서 무선 통신 제품을 담당하는 수석 제품 관리자입니다. 그는 MathWorks에서 20년간 근무하면서 개발 관리자 역할도 수행했으며, 다양한 신호 처리 및 통신 소프트웨어 툴을 담당했습니다. 그는 MathWorks에 합류하기 전에 Nortel Networks의 무선 그룹에서 모바일 및 음성 코딩 기술을 연구하는 연구 과학자로 일했습니다. 그는 신호 처리 응용 사례의 컴퓨터 시뮬레이션 관련 주제에 대해 여러 개의 특허를 받았습니다. Houman은 Understanding LTE with MATLAB: From  Mathematical Modeling to Simulation and Prototyping이라는 책을 집필했습니다. 그는 캐나다의 McGill University에서 전기공학 학사 학위를 받았고, University of Quebec에서 전기통신 석사 및 박사 학위를 받았습니다.

Florent Busnoult는 MathWorks의 선임 애플리케이션 엔지니어로, 신호 처리 및 무선 통신 제품을 담당하고 있습니다. 그는 프랑스의 Telecom Bretagne에서 전기통신공학 석사 학위를 받았습니다.