KR102611626B1 - 스펙트럼 센싱 장치 및 그 동작방법 - Google Patents

스펙트럼 센싱 장치 및 그 동작방법 Download PDF

Info

Publication number
KR102611626B1
KR102611626B1 KR1020210135883A KR20210135883A KR102611626B1 KR 102611626 B1 KR102611626 B1 KR 102611626B1 KR 1020210135883 A KR1020210135883 A KR 1020210135883A KR 20210135883 A KR20210135883 A KR 20210135883A KR 102611626 B1 KR102611626 B1 KR 102611626B1
Authority
KR
South Korea
Prior art keywords
image pattern
interest
correlation function
frequency band
image
Prior art date
Application number
KR1020210135883A
Other languages
English (en)
Other versions
KR20230052619A (ko
Inventor
김유성
채근홍
박정인
Original Assignee
성균관대학교산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 성균관대학교산학협력단 filed Critical 성균관대학교산학협력단
Priority to KR1020210135883A priority Critical patent/KR102611626B1/ko
Priority to US17/965,127 priority patent/US20230188176A1/en
Publication of KR20230052619A publication Critical patent/KR20230052619A/ko
Application granted granted Critical
Publication of KR102611626B1 publication Critical patent/KR102611626B1/ko

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/20—Monitoring; Testing of receivers
    • H04B17/23—Indication means, e.g. displays, alarms, audible means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/16—Spectrum analysis; Fourier analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/005—Circuits for comparing several input signals and for indicating the result of this comparison, e.g. equal, different, greater, smaller (comparing phase or frequency of 2 mutually independent oscillations in demodulators)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
    • G01R23/02—Arrangements for measuring frequency, e.g. pulse repetition rate; Arrangements for measuring period of current or voltage
    • G01R23/15—Indicating that frequency of pulses is either above or below a predetermined value or within or outside a predetermined range of values, by making use of non-linear or digital elements (indicating that pulse width is above or below a certain limit)
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]

Abstract

본 발명은, 관심 주파수 대역의 무선 신호를 수신하는 수신기, 상기 무선 신호를 샘플링하여 디지털 신호를 출력하는 ADC(Analog Digital Caonverter), 상기 디지털 신호의 자기 상관을 수행하여 상관 함수를 출력하는 상관기 및 상기 상관 함수에 대응하는 이미지 패턴을 생성하고, 상기 이미지 패턴에 따라 상기 관심 주파수 대역의 점유 여부를 확인하는 제어부를 포함하는 스펙트럼 센싱 장치를 제공한다.

Description

스펙트럼 센싱 장치 및 그 동작방법{Spectrum sensing apparatus and the operation method}
본 발명은 스펙트럼 센싱 장치 및 그 동작방법에 관한 것으로서, 더욱 상세하게는, 합성곱 신경망(convolutional neural network: CNN)을 통해 신호 상관 배열을 학습시켜 관심 주파수 대역의 점유 여부를 판단하기 용이한 스펙트럼 센싱 장치 및 그 동작방법에 관한 것이다.
최근 다양한 통신 기술들이 여러 대역에서 복합적으로 활용되면서, 한정된 주파수 자원을 효율적으로 활용하는 방안이 필요해지고 있다. 대역의 개수 및 대역폭은 제한된 자원임에 반해 필요로 하는 통신 속도는 갈수록 증가하고 있기에, 주파수 대역을 효율적으로 사용하는 동적 스펙트럼 공용(Dynamic Spectrum Access) 기술이 주목을 받고 있다.
동적 주파수 공용 기술에서 가장 필수적인 요소는 현재 주파수 대역을 활용하고 있는지 여부를 판단하는 스펙트럼 센싱(spectrum sensing) 기술이다.
기존 스펙트럼 센싱 기술들은 보통 rule-based 기반으로 연구되어 오고 있었다. 대표적인 rule-based 기반 스펙트럼 센싱 기술은 수신된 신호의 에너지가 특정 기준값(threshold)의 이상 여부를 판정하여 신호 존재 여부를 결정하는 energy detection 기법이 있었다.
그러나, 이러한 energy detection 기법 등의 rule-based 기법은 신호의 통계값을 기반으로 하기에, 신호 통계의 질이 나쁜 낮은 신호 대 잡음비 환경에서는 성능이 떨어지는 문제점이 있었다.
최근 스펙트럼 센싱 기술에 대한 연구는 낮은 신호 대 잡음비 환경에서도 높은 성공률을 달성하기 위해 딥 러닝을 활용하는 방향으로 발전하고 있는 추세이다.
본 발명의 목적은, 합성곱 신경망 (convolutional neural network: CNN)을 통해 신호 상관 배열을 학습시켜 관심 주파수 대역의 점유 여부를 판단하기 용이한 스펙트럼 센싱 장치 및 그 동작방법을 제공함에 있다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 발명에 따른 스펙트럼 센싱 장치는, 관심 주파수 대역의 무선 신호를 수신하는 수신기, 상기 무선 신호를 샘플링하여 디지털 신호를 출력하는 ADC(Analog Digital Caonverter), 상기 디지털 신호의 자기 상관을 수행하여 상관 함수를 출력하는 상관기 및 상기 상관 함수에 대응하는 이미지 패턴을 생성하고, 상기 이미지 패턴에 따라 상기 관심 주파수 대역의 점유 여부를 확인하는 제어부를 포함할 수 있다.
상기 상관기는, 소정 시간 동안 입력되는 상기 디지털 신호를 시간 딜레이시켜 상기 상관 함수를 출력할 수 있다.
상기 제어부는, 상기 상관 함수의 변화 패턴에 대응되는 이미지 패턴을 생성하는 이미지 패턴 생성부 및 상기 이미지 패턴을 기반으로 상기 관심 주파수 대역의 점유 여부를 확인하는 대역 점유 추정부를 포함할 수 있다.
상기 이미지 패턴 생성부는, 상기 상관 함수의 변화 패턴에서 변화값에 대응하여 밝기를 가변시킨 상기 이미지 패턴을 생성할 수 있다.
상기 이미지 패턴은, 상기 상관 함수의 변화 패턴에서 변화값이 설정된 기준값보다 높으면 이미지의 밝기를 높이고, 상기 기준값보다 낮으면 이미지의 밝기를 낮출 수 있다.
상기 대역 점유 추정부는, 과거에 입력된 이전 이미지 패턴들을 합성곱 신경망(convolutional neural network: CNN)에 적용하여 신호 상관 배열을 학습하고, 상기 이미지 패턴이 입력되면 상기 신호 상관 배열에 적용하여 상기 관심 주파수 대역의 점유 여부를 확인할 수 있다.
본 발명에 다른 스펙트럼 센싱 장치의 동작방법은, 수신기가, 관심 주파수 대역의 무선 신호를 수신하는 단계, ADC(Analog Digital Caonverter)가, 상기 무선 신호를 샘플링하여 디지털 신호를 출력하는 단계, 상관기가, 상기 디지털 신호의 자기 상관을 수행하여 상관 함수를 출력하는 단계 및 제어부가, 상기 상관 함수에 대응하는 이미지 패턴을 생성하고, 상기 이미지 패턴에 따라 상기 관심 주파수 대역의 점유 여부를 확인하는 단계를 포함할 수 있다.
상기 관심 주파수 대역의 점유 여부를 확인하는 단계는, 상기 상관 함수의 변화 패턴에서 변화값에 대응하여 밝기를 가변시킨 상기 이미지 패턴을 생성할 수 있다.
상기 이미지 패턴은, 상기 상관 함수의 변화 패턴에서 변화값이 설정된 기준값보다 높으면 이미지의 밝기를 높이고, 상기 기준값보다 낮으면 이미지의 밝기를 낮출 수 있다.
상기 관심 주파수 대역의 점유 여부를 확인하는 단계는, 과거에 입력된 이전 이미지 패턴들을 합성곱 신경망(convolutional neural network: CNN)에 적용하여 신호 상관 배열을 학습하고, 상기 이미지 패턴이 입력되면 상기 신호 상관 배열에 적용하여 상기 관심 주파수 대역의 점유 여부를 확인할 수 있다.
본 발명에 따른 스펙트럼 센싱 장치 및 그 동작방법은, 관심 주파수 대역의 무선 신호를 적어도 하나의 수신기에게 수신하고, 샘플링한 디지털 신호를 자기 상관하여 출력된 상관함수에 대응하는 이미지 패턴을 합성곱 신경망을 통해 학습한 신호 상관 배열에 적용하여, 관심 주파수 대역의 점유 여부를 확인하도록 함으로써, 신호대잡음비가 낮은 상태 즉 무선 신호의 신호레벨이 낮은 경우에도 정확하게 관심 주파수 대역의 점유 여부를 확인할 수 있음으로써, 대역 점유 여부에 대한 검출 성능이 향상되는 이점이 있다.
한편, 본 발명의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다.
도 1은 본 발명에 따른 스펙트럼 센싱 장치의 제어 구성을 나타낸 제어 블록도이다.
도 2는 본 발명에 따른 스펙트럼 센싱 장치의 동작을 설명하기 위한 예시도이다.
도 3은 본 발명에 따른 스펙트럼 센싱 장치의 성능을 나타낸 도이다.
도 4는 본 발명에 따른 스펙트럼 센싱 장치의 동작방법을 나타낸 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명한다.
도 1은 본 발명에 따른 스펙트럼 센싱 장치의 제어 구성을 나타낸 제어 블록도이다.
도 1을 참조하면, 스펙트럼 센싱 장치(100)는 수신기(110), ADC(Analog Digital Converter, 120), 상관기(130) 및 제어부(130)를 포함할 수 있다.
수신기(110)는 관심 주파수 대역의 무선 신호(analog signal)를 수신할 수 있다.
여기서, 수신기(110)는 무선 신호(analog signal)의 대역폭을 제한하는 필터를 포함할 수 있으며, 이에 한정을 두지 않는다.
실시 예에서, 수신기(110)는 하나인 것으로 나타내고 설명하지만, 복수 개로 구현될 수 있다. 또한, 수신기(110)가 복수 개인 경우, ADC(120) 및 상관기(130)로 복수 개로 구현될 수 있으며, 이에 한정을 두지 않는다.
수신기(110)는 무선 신호(analog signal)를 소정 시간 동안 수신할 수 있으며, 상기 소정 시간에 대하여 한정을 두지 않는다.
ADC(120)는 무선 신호(analog signal)를 디지털 신호(digital signal)로 샘플링할 수 있다.
이때, ADC(120)는 설정된 샘플링 주기에 따라 무선 신호(analog signal)를 샘플링할 수 있다.
상관기(130)는 ADC(120)에서 샘플링된 디지털 신호(digital signal)의 자기 상관을 수행할 수 있다.
즉, 상관기(130)는 디지털 신호(digital signal)를 시간 딜레이시켜 자기 상관을 수행하여 상관 함수를 출력할 수 있다.
상관기(130)는 디지털 신호(digital signal)에 잡음만 존재하는 경우 비상관(uncorrelated) 상태이므로 변화가 없는 상관함수를 출력할 수 있다.
또한, 상관기(130)는 디지털 신호(digital signal)에 변조 신호가 포함된 경우, 상기 변조 신호에 대응하는 상관 함수를 출력할 수 있다.
상기 상관 함수는 시간 딜레이 값이 상승할수록 감소하는 패턴을 가질 수 있다.
제어부(140)는 이미지 패턴 생성부(142) 및 대역 점유 추정부(144)를 포함할 수 있다.
이미지 패턴 생성부(142)는 상관기(130)에서 출력된 상관 함수에 대응하는 이미지 패턴을 생성할 수 있다.
즉, 이미지 패턴 생성부(142)는 상관 함수의 변화 패턴, 즉 변화값에 대응하여 이미지의 밝기를 가변시킨 상기 이미지 패턴을 생성할 수 있다.
상기 이미지 패턴은 상기 상관 함수의 변화값이 설정된 기준값보다 높은 경우 이미지의 밝기를 높이고, 상기 상관 함수의 변화값이 상기 기준값보다 낮은 경우 이미지의 밝기를 낮춘 패턴일 수 있다.
즉, 상기 이미지 패턴은 상기 상관 함수의 값이 클수록 밝고, 상기 상관 함수의 값이 작을수록 어둡게 나타낼 수 있다.
대역 점유 추정부(144)는 과거에 입력된 이전 이미지 패턴들을 합성곱 신경망(convolutional neural network: CNN)에 적용하여 신호 상관 배열을 학습시킬 수 있다.
상기 합성곱 신경망은 3개의 convolutional layer와 2개의 full connected layer로 구성될 수 있으며, 이에 한정을 두지 않는다.
여기서, 상기 합성곱 신경망은 상기 이전 이미지 패턴들을 기반으로 관심 주파수 대역의 점유 여부를 학습할 수 있으며, 학습 결과를 기반으로 현재 입력된 상기 이미지 패턴으로 학습 및 관심 주파수 대역의 점유 여부에 대한 결과를 도출할 수 있다.
대역 점유 추정부(144)는 상술한 바와 같이 상기 합성곱 신경망에서 학습된 신호 상관 배열에 상기 이미지 패턴을 적용하여 관심 주파수 대역의 점유 여부에 대한 결과를 출력할 수 있다.
수신기(110), ADC(120) 및 상관기(130)가 복수 개인 경우, 이미지 패턴 생성부(142)는 수신기(110), ADC(120) 및 상관기(130)가 하나인 경우와 같이 복수 개의 상관 함수 각각에 대한 이미지 패턴을 생성할 수 있다.
이때, 대역 점유 추정부(144)는 과거에 입력된 복수 개의 이전 이미지 패턴들을 합성곱 신경망에 적용하여 신호 상관 배열을 학습시킬 수 있다.
대역 점유 추정부(144)는 하나의 수신기(110)에서 입력된 무선 신호(analog signal)에 대해 학습하는 경우보다 복수 개의 수신기(110)에서 입력된 무선 신호(analog signal)에 대해 학습하는 경우 관심 주파수 대역의 점유 여부에 대한 결과에 대한 학습 능력이 상향될 수 있다.
이와 같이, 본 발명에 따른 스펙스럼 센싱 장치(100)는 적어도 하나의 수신기(110), ADC(120) 및 상관기(130)를 통하여 입력된 무선 신호(analog signal)에 대한 상관 함수의 패턴에 대응하는 이미지 패턴을 생성하고 학습함으로써, 무선 신호(analog signal)의 낮은 신호대 잡음비에서도 관심 주파수 대역의 점유 여부를 확인할 수 있는 이점이 있다.
도 2는 본 발명에 따른 스펙트럼 센싱 장치의 동작을 설명하기 위한 예시도 및 도 3은 본 발명에 따른 스펙트럼 센싱 장치의 성능을 나타낸 도이다.
도 2 및 도 3을 참조하면, 스펙트럼 센싱 장치(100)의 수신기(110)는 관심 주파수 대역에서 송신된 무선 신호(analog signal)를 수신할 수 있다.
이때, 수신기(110)는 무선 신호(analog signal)를 ADC(120)로 입력하고, ADC(120)는 무선 신호(analog signal)를 샘플링하여 디지털 신호(digital signal)를 출력할 수 있다.
상관기(130)는 디지털 신호(digital signal)를 시간 딜레이시켜 자기 상관을 수행하여 상관 함수를 출력할 수 있다.
제어부(140)의 이미지 패턴 생성부(142)는 상관 함수의 변화값을 기반으로 이미지 패턴을 생성할 수 있다.
이때, 이미지 패턴 생성부(142)는 상관 함수의 변화값에 대응하여 밝기를 가변시킨 이미지 패턴을 생성할 수 있으며, 이에 한정을 두지 않는다.
제어부(140)의 대역 점유 추정부(144)는 이미지 패턴을 기반으로 관심 주파수 대역의 점유 여부를 확인할 수 있다.
이때, 대역 점유 추정부(144)는 과거 입력된 이전 이미지 패턴들을 합성곱 신경망으로 학습하여, 입력된 이미지 패턴에 적용함으로써 관심 주파수 대역의 점유 여부를 확인할 수 있다.
여기서, 도 3에 나타낸 그래프는 관심 주파수 대역의 점유 여부에 대한 판정 성능을 나타낸 도이다.
[1] 및 [2]는 딥러닝 기반의 동적 패턴 인식 스텍트럼 감지 기술 및 라이오 인지을 위한 딥러닝 기반 방식이고, 종래 기술의 대표적인 rule-based 기법인 energy detection과, 본 발명을 비교한 도이다.
여기서, false alarm probability는 0.1로 고정하고 수신된 샘플의 개수, 수신기의 개수 등은 서로 동일하게 하여 비교 조건을 공정히 하였으며, 이 때의 검출 성능(detection probability)를 도시하여 성능을 비교하였으며, 본 발명의 성능이 가장 월등히 우수하다는 점을 확인할 수 있다.
도 4는 본 발명에 따른 스펙트럼 센싱 장치의 동작방법을 나타낸 순서도이다.
도 4를 참조하면, 스펙트럼 센싱 장치(100)의 수신기(110)는 관심 주파수 대역의 무선 신호(analog signal)를 수신할 수 있다(S110).
스펙트럼 센싱 장치(100)의 ADC(120)는 무선 신호(analog signal)를 디지털 신호(digital signal)로 샘플링할 수 있다(S120).
스펙트럼 센싱 장치(100)의 상관기(130)는 ADC(120)에서 샘플링된 디지털 신호(digital signal)의 자기 상관을 수행할 수 있다(S130).
즉, 상관기(130)는 디지털 신호(digital signal)를 시간 딜레이시켜 자기 상관을 수행하여 상관 함수를 출력할 수 있다.
상관기(130)는 디지털 신호(digital signal)에 잡음만 존재하는 경우 비상관(uncorrelated) 상태이므로 변화가 없는 상관함수를 출력할 수 있다.
또한, 상관기(130)는 디지털 신호(digital signal)에 변조 신호가 포함된 경우, 상기 변조 신호에 대응하는 상관 함수를 출력할 수 있다.
상기 상관 함수는 시간 딜레이 값이 상승할수록 감소하는 패턴을 가질 수 있다.
스펙트럼 센싱 장치(100)의 이미지 패턴 생성부(142)는 상관 함수에 대응하는 이미지 패턴을 생성할 수 있다(S140).
즉, 이미지 패턴 생성부(142)는 상관 함수의 변화 패턴, 즉 변화값에 대응하여 이미지의 밝기를 가변시킨 상기 이미지 패턴을 생성할 수 있다.
상기 이미지 패턴은 상기 상관 함수의 변화값이 높은 경우 이미지의 밝기를 높이고, 상기 상관 함수의 변화값이 낮은 경우 이미지의 밝기를 낮춘 패턴일 수 있다.
스펙트럼 센싱 장치(100)의 대역 점유 추정부(144)는 합성곱 신경망(convolutional neural network: CNN)에 상기 이미지 패턴을 적용하여 신호 상관 배열을 학습 및 관심 주파수 대역의 점유 여부를 확인할 수 있다(S150).
즉, 대역 점유 추정부(144)는 과거에 입력된 이전 이미지 패턴들을 합성곱 신경망(convolutional neural network: CNN)에 적용하여 신호 상관 배열을 학습시킬 수 있다.
상기 합성곱 신경망은 3개의 convolutional layer와 2개의 full connected layer로 구성될 수 있으며, 이에 한정을 두지 않는다.
여기서, 상기 합성곱 신경망은 상기 이전 이미지 패턴들을 기반으로 관심 주파수 대역의 점유 여부를 학습할 수 있으며, 학습 결과를 기반으로 현재 입력된 상기 이미지 패턴으로 학습 및 관심 주파수 대역의 점유 여부에 대한 결과를 도출할 수 있다.
대역 점유 추정부(144)는 상술한 바와 같이 상기 합성곱 신경망을 통하여 관심 주파수 대역의 점유 여부에 대한 결과를 출력할 수 있다.
이상에서 실시 예들에 설명된 특징, 구조, 효과 등은 본 발명의 적어도 하나의 실시 예에 포함되며, 반드시 하나의 실시 예에만 한정되는 것은 아니다. 나아가, 각 실시 예에서 예시된 특징, 구조, 효과 등은 실시 예들이 속하는 분야의 통상의 지식을 가지는 자에 의해 다른 실시 예들에 대해서도 조합 또는 변형되어 실시 가능하다. 따라서 이러한 조합과 변형에 관계된 내용들은 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
또한, 이상에서 실시 예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시 예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시 예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (10)

  1. 관심 주파수 대역의 무선 신호를 수신하는 수신기;
    상기 무선 신호를 샘플링하여 디지털 신호를 출력하는 ADC(Analog Digital Caonverter);
    상기 디지털 신호의 자기 상관을 수행하여 상관 함수를 출력하는 상관기; 및
    상기 상관 함수에 대응하는 이미지 패턴을 생성하고, 상기 이미지 패턴에 따라 상기 관심 주파수 대역의 점유 여부를 확인하는 제어부를 포함하고,
    상기 제어부는,
    상기 상관 함수의 변화 패턴에 대응되는 이미지 패턴을 생성하는 이미지 패턴 생성부; 및
    상기 이미지 패턴을 기반으로 상기 관심 주파수 대역의 점유 여부를 확인하는 대역 점유 추정부를 포함하고,
    상기 이미지 패턴 생성부는,
    상기 상관 함수의 변화 패턴에서 변화값에 대응하여 밝기를 가변시킨 상기 이미지 패턴을 생성하는,
    스펙트럼 센싱 장치.
  2. 제 1 항에 있어서,
    상기 상관기는,
    소정 시간 동안 입력되는 상기 디지털 신호를 시간 딜레이시켜 상기 상관 함수를 출력하는,
    스펙트럼 센싱 장치.
  3. 삭제
  4. 삭제
  5. 제 1 항에 있어서,
    상기 이미지 패턴은,
    상기 상관 함수의 변화 패턴에서 변화값이 설정된 기준값보다 높으면 이미지의 밝기를 높이고, 상기 기준값보다 낮으면 이미지의 밝기를 낮추는,
    스펙트럼 센싱 장치.
  6. 제 1 항에 있어서,
    상기 대역 점유 추정부는,
    과거에 입력된 이전 이미지 패턴들을 합성곱 신경망(convolutional neural network: CNN)에 적용하여 신호 상관 배열을 학습하고, 상기 이미지 패턴이 입력되면 상기 신호 상관 배열에 적용하여 상기 관심 주파수 대역의 점유 여부를 확인하는,
    스펙트럼 센싱 장치.
  7. 수신기가, 관심 주파수 대역의 무선 신호를 수신하는 단계;
    ADC(Analog Digital Caonverter)가, 상기 무선 신호를 샘플링하여 디지털 신호를 출력하는 단계;
    상관기가, 상기 디지털 신호의 자기 상관을 수행하여 상관 함수를 출력하는 단계; 및
    제어부가, 상기 상관 함수에 대응하는 이미지 패턴을 생성하고, 상기 이미지 패턴에 따라 상기 관심 주파수 대역의 점유 여부를 확인하는 단계를 포함하고,
    상기 관심 주파수 대역의 점유 여부를 확인하는 단계는,
    상기 상관 함수의 변화 패턴에서 변화값에 대응하여 밝기를 가변시킨 상기 이미지 패턴을 생성하는,
    스펙트럼 센싱 장치의 동작방법.
  8. 삭제
  9. 제 7 항에 있어서,
    상기 이미지 패턴은,
    상기 상관 함수의 변화 패턴에서 변화값이 설정된 기준값보다 높으면 이미지의 밝기를 높이고, 상기 기준값보다 낮으면 이미지의 밝기를 낮추는,
    스펙트럼 센싱 장치의 동작방법.
  10. 제 7 항에 있어서,
    상기 관심 주파수 대역의 점유 여부를 확인하는 단계는,
    과거에 입력된 이전 이미지 패턴들을 합성곱 신경망(convolutional neural network: CNN)에 적용하여 신호 상관 배열을 학습하고, 상기 이미지 패턴이 입력되면 상기 신호 상관 배열에 적용하여 상기 관심 주파수 대역의 점유 여부를 확인하는,
    스펙트럼 센싱 장치의 동작방법.
KR1020210135883A 2021-10-13 2021-10-13 스펙트럼 센싱 장치 및 그 동작방법 KR102611626B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210135883A KR102611626B1 (ko) 2021-10-13 2021-10-13 스펙트럼 센싱 장치 및 그 동작방법
US17/965,127 US20230188176A1 (en) 2021-10-13 2022-10-13 Spectrum sensing apparatus and the operation method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210135883A KR102611626B1 (ko) 2021-10-13 2021-10-13 스펙트럼 센싱 장치 및 그 동작방법

Publications (2)

Publication Number Publication Date
KR20230052619A KR20230052619A (ko) 2023-04-20
KR102611626B1 true KR102611626B1 (ko) 2023-12-07

Family

ID=86143823

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210135883A KR102611626B1 (ko) 2021-10-13 2021-10-13 스펙트럼 센싱 장치 및 그 동작방법

Country Status (2)

Country Link
US (1) US20230188176A1 (ko)
KR (1) KR102611626B1 (ko)

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011078836A1 (en) * 2009-12-21 2011-06-30 Thomson Licensing Autocorrelation-based spectrum sensing for fm signals

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
(비특허) 인지 무선 통신을 위한 합성곱 신경만 기반 스펙트럼 센싱 기법('20년2월 공개)*

Also Published As

Publication number Publication date
US20230188176A1 (en) 2023-06-15
KR20230052619A (ko) 2023-04-20

Similar Documents

Publication Publication Date Title
US8259783B2 (en) Method of determining as to whether a received signal includes an information signal
Cohen et al. Sub-Nyquist sampling for power spectrum sensing in cognitive radios: A unified approach
Axell et al. Spectrum sensing for cognitive radio: State-of-the-art and recent advances
Quan et al. Optimal spectral feature detection for spectrum sensing at very low SNR
US8170152B2 (en) Method and apparatus for multiple signal identification and finding the basis functions of the received signal
US20210168008A1 (en) Signal detecting device, signal detecting method, control circuit and computer readable storage medium
Li et al. Joint spectrum sensing and primary user localization for cognitive radio via compressed sensing
CN106301631A (zh) 一种基于子空间分解的互素欠采样频谱感知方法及其装置
KR102611626B1 (ko) 스펙트럼 센싱 장치 및 그 동작방법
Qian et al. Modulation classification based on cyclic spectral features and neural network
Wang et al. A new method of automatic modulation recognition based on dimension reduction
US20170366221A1 (en) Clear channel assessment
Wang et al. Blind Recognition Method for Non-Cooperative Communication Signals Based on Aerial Computing
Paul et al. Selectively triggered cooperative sensing in cognitive radio networks
Qin et al. Low-rank matrix completion based malicious user detection in cooperative spectrum sensing
Wong et al. Distributed automatic modulation classification with compressed data
Miah et al. An eigenvalue and superposition approach based cooperative spectrum sensing in cognitive radio networks
US20050089087A1 (en) Signal detection method with high detection probability and low false alarm rate
Singh et al. Performance evaluation of neural network based spectrum sensing in cognitive radio
Shouhdy et al. Spectrum sensing with sparsity estimation for cognitive radio systems
Rodriguez-Parera et al. Spectrum sensing over SIMO multi-path fading channels based on energy detection
Moghaddam et al. A comparative study on the two popular cognitive radio spectrum sensing methods: Matched filter versus energy detector
Taruna et al. Assessment of energy detection spectrum sensing under different wireless channels
Aravind et al. Spectrum sensing implementations for software defined radio in simulink
US20240106493A1 (en) Cognitive radio providing jammer type detection based upon game theoretic model and related methods

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant