1 |
1
(a) 히스토그램 분석에 근거하여 신호 데이터로부터 복수의 피처 값(feature)을 추출하는 단계; (b) 상기 추출한 복수의 피처 값에 근거하여 딥 러닝 알고리즘의 입력 데이터를 산출하는 단계; 및(c) 상기 딥 러닝 알고리즘을 수행하여 상기 신호 데이터의 변조 방식을 분류하는 단계;를 포함하며,상기 복수의 피처값은,상기 신호 데이터의 서로 다른 성분들에 대한 값이며,베이스밴드 수신 신호 샘플의 허수부와 실수부 성분의 파워비, 신호 샘플의 위상, 신호 크기 절대값의 표준편차, 혼합차수 모멘트의 비율, 신호 크기의 평균값, 표준화된 신호값 크기의 PSD(Power Spectral density)의 최대값, 신호 크기의 첨도, 신호 크기의 비대칭도, 피크값 대비 평균값, 피크 파워 대비 평균 파워비, 신호의 표준화된 값의 절대값 표준편차를 포함하는 기 설정된 개수의 값들임을 특징으로 하는 딥 러닝 기반의 변조 방식 분류 방법
|
2 |
2
제1항에 있어서, 상기 (a) 단계는, 히스토그램의 피크(peak) 값에 근거하여, 상기 복수의 피처 값(feature)을 추출하는 단계;를 포함하는 것을 특징으로 하는 딥 러닝 기반의 변조 방식 분류 방법
|
3 |
3
제1항에 있어서, 상기 (b) 단계는, 상기 추출한 복수의 피처 값에 기 설정된 평균과 분산 값을 가지는 정규화(Normalization) 과정을 적용하여, 상기 입력 데이터를 산출하는 단계;를 포함하는 것을 특징으로 하는 딥 러닝 기반의 변조 방식 분류 방법
|
4 |
4
제1항에 있어서, 상기 (c) 단계는, 상기 딥 러닝 알고리즘으로 각 변조 방식에 대한 추정 확률을 산출하고, 상기 추정 확률에 근거하여 상기 신호 데이터의 변조 방식을 분류하는 단계;를 포함하는 것을 특징으로 하는 딥 러닝 기반의 변조 방식 분류 방법
|