상기의 목적을 달성하기 위한 본 발명의 특징은, central chi-square 분포의 확률밀도함수 P
C(y)와 noncentral chi-square 분포의 확률밀도함수 P
N(y)에 대하여, 일정한 분산 σ
2, noncentrality 파라미터 s
2, 자유도 n이 주어졌을 때, chi-square 확률밀도함수의 특성을 이용하여 chi-square 분포의 최적임계값을 결정하는 방법에 있어서, central 카이스퀘어 분포의 확률밀도함수 P
C(y)와 noncentral 카이스퀘어 분포의 확률밀도함수 P
N(y)의 차이를 결정하여 dif(y)로 설정하는 제 1단계와; 상기 설정된 dif(y)의 값이 최대가 되는 y값을 구하여 y
temp로 설정하는 제 2단계와; 상기 설정된 y
temp에서부터 양의 방향으로 해상도 δ만큼씩 증가시키면서 dif(y
temp)가 0보다 같거나 작아지는 지점의 y
temp를 찾아 최적임계값
를 구하는 제 3단계로 이 루어지는 최적 임계값 결정 방법이다.
상기 본 발명의 이들 목적과 특징 및 장점은 첨부도면 및 다음의 상세한 설명을 참조함으로서 더욱 쉽게 이해될 수 있을 것이다.
이하, 첨부된 도면을 참조하여 본 발명의 각 실시예 및 그 작용 효과에 대해 상세히 설명하면 다음과 같다.
도 3은 본 발명에 의한 카이스퀘어 확률밀도함수를 이용한 비일치성 송수신기의 최적 임계값 결정방법을 설명하기 위한 동작 흐름도로서, central chi-square 분포의 확률밀도함수 PC(y)와 noncentral chi-square 분포의 확률밀도함수 PN(y)에 대하여, 일정한 분산 σ2, noncentrality 파라미터 s2, 자유도 n이 주어졌을 때, chi-square 확률밀도함수의 특성을 이용하여 chi-square 분포의 최적임계값을 결정하는 처리과정에 대한 동작 흐름을 예시하고 있다.
제 1단계는 아래의 수학식 2 및 수학식 3으로 각각 정의되는 central 카이스퀘어 분포의 확률밀도함수 PC(y)와 noncentral 카이스퀘어 분포의 확률밀도함수 PN(y)의 차이를 계산하여 dif(y)로 설정하는 단계이다.
제2단계는 상기 설정된 dif(y)의 절대값이 최대가 되는 y값을 구하여 ytemp로 설정하는 단계이다.
제3단계는 상기 설정된 y
temp에서부터 양의 방향으로 해상도 δ만큼씩 증가시 키면서 dif(y
temp)가 0보다 같거나 작아지는 지점의 y
temp를 찾아 최적임계값
를 구하는 단계이다.
이하에서는 본 발명과 관계가 있는 카이스퀘어 분포의 정의 및 카이스퀘어 확률밀도함수의 특성을 설명하면 다음과 같다.
먼저, 카이스퀘어 분포의 정의를 설명한다.
카이스퀘어 분포는 가우시안(Gaussian) 분포와 밀접한 관련이 있다. 구체적으로, 상호 통계적 독립인 n개의 가우시안 랜덤변수들을 제곱한 것들의 합이 카이스퀘어 분포를 따르는 랜덤변수가 된다. 즉, Xi(i=1,2,...,n)가 분산이 σ2이고 상호 독립인 가우시안 랜덤변수들이라고 하면, 아래의 수학식 1로 정의되는 Y는 카이스퀘어 랜덤변수이다.
상기 카이스퀘어 분포는 central chi-square와 noncentral chi-square 분포의 두 종류로 나뉘는데, 전자의 경우 가우시한 랜덤변수 X의 평균이 0이고, 후자의 경우는 X는 0이 아닌 평균을 갖는 가우시안 랜덤변수이다.
central chi-square 분포의 확률밀도함수는 아래의 수학식 2로 주어진다.
여기에서 n은 자유도, Γ(·)는 감마(gamma) 함수이다.
또한 noncentral 카이스퀘어 분포의 확률밀도함수는 아래의 수학식 3으로 주어지고, Iα(·)는 변형된 베셀(Bessel)함수, S2은 다음의 수학식 4와 같이 주어지는 noncentrality 파라미터이다.
여기에서 m
i는 분산이 σ
2인 가우시안 랜덤변수 Xi의 평균이다. 최소의 비트오율을 얻기 위한 최적임계값
는 수학식2와 수학식3의 y에
를 대입하고 같게 놓은 방정식의 해이므로 다음과 같은 수학식 5가 만족된다.
상기 수학식 5에서
를 유도하는 과정은 상당히 복잡하며, 최적임계값을 구하기 위한 반복 기법 및 근사화 기법 등은 이미 제시되어 있다.
다음으로 카이스퀘어 분포의 특성을 설명한다.
다음 표 1은 동일한 σ2, s2, n을 가지는 chi-square 분포의 평균과 분산을 나타낸다.
|
1st Moment E(Y) |
2nd Moment E(Y2) |
|
central chi-square |
|
|
|
noncentral chi-square |
|
|
|
상기 표 1에서 확인할 수 있는 것은 central chi-square의 1차 모멘트와 분산이 noncentral chi-square의 1차 모멘트와 분산보다 작다는 것이다. 1차 모멘트가 작다는 것은 확률밀도함수가 전체적으로 왼쪽에 치우쳐 있다는 의미이고, 분산이 작다는 것은 확률밀도함수가 평균을 중심으로 밀집되어 있다는 것을 뜻한다. 즉, central chi-square 분포의 확률밀도함수가 noncetral chi-square 분포의 확률밀도함수의 좌측에 위치하며, 보다 뾰족하고 높은 형태의 그래프를 가진다는 의미이다. 도 1은 central chi-square 및 noncentral chi-square 분포의 확률밀도함수들을 도시한 그래프로서, 도 1의 (a) 내지 (d)는 σ=1, s2=5이고, 자유도 n이 각각 1,2,4,8인 경우를 예시하는데, 이들 그림들은 상기의 특징들을 설명해주고 있다.
상기 본 발명에 의한 chi-square 분포의 임계값을 구하는 방법인 OCCP 알고리즘을 종래의 간단한 수치해석적 방법인 이분법과 비교 분석하여 설명한다.
먼저, 종래의 간단한 수치해석적 방법인 이분법(Bisection Method)은, 주어진 범위 내에 존재하는 근을 찾는 수치해석적 방법 중 가장 간단하고 안전한 방법으로서, 이러한 이분법의 가장 큰 장점은 비분석적 함수에도 적용될 수 있다는 점이다.
도 2는 일정한 σ2, s2, n이 주어졌을 때 종래의 이분법을 사용하여 chi-square 분포의 최적임계값을 구하는 과정을 도시한 동작 흐름도로서, 도 2는 이분법을 사용하여 chi-square 분포의 최적임계값을 구하는 과정을 순서도로 나타낸 것이다.
상기 도 2에 의하면, Central, noncentral chi-square 분포의 확률밀도함수 PC(y), PN(y)의 차이를 계산하여 dif(y)로 설정하는 단계와, Central, noncentral chi-square 분포의 확률밀도함수의 최대가 되는 지점(ylp,yrp)을 구하는 단계와, ylp,yrp 두 지점을 기점으로 ylp-yrp의 절대값이 허용오차 ε보다 작아질 때까지 이분법을 적용하여, 허용오차 ε를 만족하는 y의 값을 최적임계값을 설정하는 단계로 이루어진다.
다음으로 본 발명에 의한 OCCP(Optimum threshold calculation method with the Characteristics of Chi-square Probability density functions) 방법을 설명한다.
먼저, 도 1에서, 동일한 σ2, s2, n을 가지는 chi-square 확률밀도함수는 항상 central chi-square 확률밀도함수(PC)가 noncentral chi-square 확률밀도함수(PN)의 좌측에 위치하며 높고 뾰족한 모양을 가짐을 확인할 수 있다. Central 및 noncentral chi-sqaure 확률밀도함수의 차의 절대값은 두 정점을 가지게 되는데 좌측의 정점이 항상 우측의 정점보다 큰 값을 차지한다.
도 3은 위에서 기술한 본 발명의 OCCP를 적용한 chi-sqaure 분포의 최적임계값 구하는 과정을 순서도로 나타낸 것으로서, 일정한 σ2, s2, n이 주어졌을 때, 이러한 chi-square 확률밀도함수의 특성을 이용하여 chi-square 분포의 최적임계값을 구하는 OCCP과정을 나타낸다.
다음은 종래 이분법을 적용한 최적 임계값 결정 알고리즘과 본 발명에 의한 OCCP를 이용한 카이스퀘어 분포의 최적 임계값 결정 알고림즘을 통한 모의 실험예이다.
먼저, 종래의 이분법을 적용한 최적 임계값 결정 알고리즘의 모의 실험을 진행하는데 있어서 충분히 정밀한 결과를 얻기 위해 랜덤변수 Y의 해상도 δ는 10
-5로 설정하였다. 허용오차 ε을 10
0부터 10
-6까지 변화시키면서 모의 실험을 실시한 결과, 최적임계값
와 비트오율 P
e의 값을 얻을 수 있었다. 한가지 자명한 것은 허용오차 ε이 작을수록 계산된 최적임계값과 비트오율 값이 정확하다는 것이다.
다음의 표 2 내지 표 4는 자유도 n이 각각 2, 40, 80으로 주어졌을 때, 허용오차 ε에 따른 최적 임계값
과 비트오율 P
e 값에 대한 수치를 나타내고 있으며, 도 4 내지 도 6은 각각의 경우에 대응하는 수치를 좌표상에 도식화한 그래프를 도시하고 있다.
|
0 dB |
8 dB |
16 dB |
|
|
|
|
|
|
|
0.34567 |
0.30991555677313 |
0.47977 |
0.02519343094073 |
0.49685 |
0.00004060934367 |
|
0.66973 |
0.25874407967124 |
0.35983 |
0.01344427394957 |
0.49685 |
0.00004060934367 |
|
0.69133 |
0.25788342152782 |
0.34484 |
0.01333128025162 |
0.49685 |
0.00004060934367 |
|
0.69133 |
0.25788342152782 |
0.34766 |
0.01332517803762 |
0.24843 |
0.00000000132670 |
|
0.69133 |
0.25788342152782 |
0.34755 |
0.01332517274377 |
0.24843 |
0.00000000132670 |
|
0.69133 |
0.25788342152782 |
0.34758 |
0.01332517223926 |
0.24843 |
0.00000000132670 |
|
0.69133 |
0.25788342152782 |
0.34758 |
0.01332517223926 |
0.24843 |
0.0000000132670 |
|
0 dB |
8 dB |
16 dB |
|
|
|
|
|
|
|
9.97889 |
0.41749062379909 |
1.99436 |
0.12784988088782 |
0.73582 |
0.00013335137879 |
|
9.97889 |
0.41749062379909 |
1.99436 |
0.12784988088782 |
0.73582 |
0.00013335137879 |
|
10.21834 |
0.41612368422439 |
2.00964 |
0.12768785806739 |
0.73582 |
0.00013335137879 |
|
10.44282 |
0.41565593747603 |
2.01060 |
0.12768755282213 |
0.61153 |
0.00000226449555 |
|
10.45778 |
0.41565238972411 |
2.01036 |
0.12768752001452 |
0.61153 |
0.00000226449578 |
|
10.45778 |
0.41565238972411 |
2.01036 |
0.12768751994290 |
0.59989 |
0.00000202175980 |
|
10.45778 |
0.41565238972411 |
2.01036 |
0.12768752001452 |
0.60038 |
0.00000202112709 |
|
0 dB |
8 dB |
16 dB |
|
|
|
|
|
|
|
19.98859 |
0.43947377727479 |
3.58280 |
0.19026443605238 |
0.98730 |
0.00032529220870 |
|
19.98859 |
0.43947377727479 |
3.58280 |
0.19026443605238 |
0.98730 |
0.00032529220870 |
|
19.98859 |
0.43947377750048 |
3.62896 |
0.18966199415429 |
0.86293 |
0.00004340587124 |
|
20.41611 |
0.43877451805308 |
3.62320 |
0.18965005281512 |
0.98403 |
0.00003498326109 |
|
20.47337 |
0.43876183511122 |
3.62320 |
0.18965004245199 |
0.88626 |
0.00003352056377 |
|
20.47718 |
0.43876164591325 |
3.62324 |
0.18965003983410 |
0.88505 |
0.00003349266200 |
|
20.47718 |
0.43876164591325 |
3.62324 |
0.18965004012130 |
0.88504 |
0.00003349265830 |
다음의 표 5 내지 표 7은 자유도 n이 각각 2, 40, 80으로 주어졌을 때, 해상도 δ에 따른 최적 임계값
과 비트오율 P
e 값에 대한 수치를 나타내고 있으며, 도 7 내지 도 9는 각각의 경우에 대응하는 수치를 좌표상에 도식화한 그래프를 도시하고 있다.
|
0 dB |
8 dB |
16 dB |
|
|
|
|
|
|
|
0.80000 |
0.25686356160225 |
0.40000 |
0.01536658061326 |
0.30000 |
0.00000000212149 |
|
0.77000 |
0.25663855541721 |
0.35000 |
0.01332992249395 |
0.27000 |
0.00000000047011 |
|
0.76600 |
0.25663589085542 |
0.34800 |
0.01332531850045 |
0.27000 |
0.00000000047011 |
|
0.76640 |
0.25663585935961 |
0.34760 |
0.01332517271480 |
0.27000 |
0.00000000047011 |
|
0.76639 |
0.25663585933753 |
0.34758 |
0.01332517223926 |
0.27001 |
0.00000000047011 |
|
0 dB |
8 dB |
16 dB |
|
|
|
|
|
|
|
10.50000 |
0.41566052687124 |
2.00000 |
0.12775557533037 |
0.60000 |
0.00000202153366 |
|
10.46000 |
0.41565230338368 |
2.01000 |
0.12768758504829 |
0.60000 |
0.00000202153312 |
|
10.46500 |
0.41565202584247 |
2.01000 |
0.12768760644564 |
0.60000 |
0.00000202153315 |
|
10.46490 |
0.41565203141712 |
2.01040 |
0.12768752023674 |
0.60050 |
0.00000202112000 |
|
10.46486 |
0.41565203191098 |
2.01036 |
0.12768751994290 |
0.60045 |
0.00000202111590 |
|
0 dB |
8 dB |
16 dB |
|
|
|
|
|
|
|
20.50000 |
0.43876268294859 |
3.60000 |
0.18985239067472 |
0.90000 |
0.00003760896359 |
|
20.48000 |
0.43876170150611 |
3.62000 |
0.18965406647334 |
0.89000 |
0.00003394878601 |
|
20.48100 |
0.43876160389210 |
3.62300 |
0.18965006508728 |
0.88500 |
0.00003349268115 |
|
20.48100 |
0.43876160845174 |
3.62320 |
0.18965004273942 |
0.88500 |
0.00003349268223 |
|
20.48099 |
0.43876160924285 |
3.62324 |
0.18965003983410 |
0.88504 |
0.00003349265830 |
상기 도 4 내지 도 6 및 표 2 내지 표 4는 특정 자유도 n이 주어졌을 때, 허용오차 ε에 따른 최적 임계값
과 비트오율 P
e의 값을 나타내는 것으로서, 도 4와 표 2, 도 5와 표 3, 도 6과 표 4는 각각 자유도 n 이 '2', '40', '80'일 때의 최적 임계값과 비트오율을 나타낸다.
상기 도 4 내지 도 6 및 표 2 내지 표 4에 예시된 바와 같이 신호대잡음비가 증가할 때 10-3 이상의 ε값에서 약 10-6 비트오율 오차가 생김을 확인할 수 있다. 이것은 신호대잡음비가 커질수록 central 및 noncentral chi-square 확률밀도함수의 모양이 양쪽으로 분산되면서 ε보다 작은 값을 가지는 도 3의 dif(y)의 수가 증가되므로, 정확한 비트오율 성능을 위해서는 더 세밀한 허용오차가 적용되어야 함을 의미한다. 모의 실험 결과, 허용오차 ε가 약 10- 4이하일 때, 비트오율 성능이 10- 6이하의 범위로 수렴하여 신뢰할 만한 결과를 얻은 것을 확인할 수 있다.
다음으로, 도 7 내지 도 9 및 표 5 내지 표 7은 특정 자유도 n이 주어졌을 때, 랜덤변수 Y의 해상도 δ에 따른 최적 임계값
과 비트오율 P
e의 값을 나타내는 것으로서, 도 7와 표 5, 도 8와 표 4, 도 9와 표 5는 각각 자유도 n 이 '2', '40', '80'일 때의 최적 임계값과 비트오율을 나타낸다.
본 발명에 의한 OCCP를 이용한 계산 결과를 보면, 도 7 내지 도 9 및 표 5 내지 표 7에 도시된 바와 같이, 랜덤변수 Y의 해상도인 δ를 10
-1부터 10
-5까지 변화시키면서 모의 실험을 실시한 결과, 최적임계값
과 비트오율 P
e의 값을 얻을 수 있었다. 도 7 내지 도 9 및 표 5 내지 표 7에서, 10
-2 이상의 δ값의 경우 약 10
-6의 비트오율 성능 오차가 생김을 확인할 수 있다. 그러므로 10
- 6이하의 비트오율 오차를 만족하는 신뢰도를 위해서는 랜덤변수 Y의 해상도 δ가 약 10
-3보다 작은 값을 가져야 함을 의미한다.
이상의 본 발명에 의한 최적 임계값 결정방법은 본 발명의 기술적 사상의 범위 내에서 다양한 형태로 변형, 응용 가능하다. 따라서 상기 실시예와 도면은 발명의 내용을 상세히 설명하기 위한 목적일 뿐, 발명의 기술적 사상의 범위를 한정하고자 하는 것이 아니므로, 본 발명의 권리범위는 후술하는 청구범위뿐만이 아니라 그와 균등한 범위를 포함하여 판단되어야 한다.