| 1 |
1
프리앰블과 데이터를 포함하는 프레임을 복수 개 마련하는 단계와,프리앰블과 데이터를 포함하면서 원-핫 부호화된 프레임 복수 개 중 일부의 프레임에 포함된 비트들의 순서를 기반으로 해서 기계 학습 모델을 학습시키는 단계와,상기 복수 개의 프레임 중 상기 일부의 프레임을 제외한 나머지 프레임을 상기 학습된 기계 학습 모델에 제공하여서, 상기 학습된 기계 학습 모델로부터 상기 나머지의 프레임 각각으로부터 상기 나머지 프레임 이후에 입력될 신호를 예측하는 단계와,상기 예측된 신호에 대한 예측 정확도 함수를 이용하여, 상기 프리앰블을 추정하는 단계를 포함하는수신신호의 프리앰블 추정 방법
|
| 2 |
2
제 1 항에 있어서,상기 기계 학습 모델은,LSTM(Long Short-Term Memory) 심층 신경망을 통해 원-핫 부호화된 프레임을 입력으로, 상기 입력된 원-핫 부호화된 프레임 이후에 입력될 신호를 정답으로 하여 기계 학습되어 있는수신신호의 프리앰블 추정 방법
|
| 3 |
3
제 1 항에 있어서,상기 예측 정확도 함수는,로 계산되되,상기 는 상기 예측 정확도 함수이고,상기 및 는 획득된 나머지의 LSTM 입력에 대한 출력인 수신신호의 프리앰블 추정 방법
|
| 4 |
4
제 1 항에 있어서,상기 추정하는 단계는,상기 예측 정확도 함수를 기초로 상기 복수 개의 프레임에서 프리앰블과 데이터 간의 경계지점을 추정하는 단계와,상기 경계지점이 추정된 프레임에서의 프리앰블과 데이터 간의 경계지점에 대하여 기 설정된 조건을 만족하는 복수 개의 인덱스를 구하는 단계와,상기 복수 개의 인덱스를 이용하여 상기 경계지점이 추정된 프레임에서의 프리앰블과 데이터 간의 경계지점 사이의 거리 평균을 계산하는 단계와,상기 복수 개의 인덱스와 상기 계산된 거리 평균을 이용하여 상기 경계지점이 추정된 프레임에서의 프리앰블과 데이터 간의 경계지점에서 기 설정된 개수의 비트만큼 떨어진 위치의 비트들을 누적하여 더한 값을 산출하는 단계와,상기 산출된 값을 이용하여 상기 경계지점이 추정된 프레임에서의 프리앰블 길이를 추정하는 단계와,상기 추정된 프리앰블 길이에 기초하여 상기 경계지점이 추정된 프레임에서의 프리앰블을 추정하는 단계를 포함하는수신신호의 프리앰블 추정 방법
|
| 5 |
5
제 4 항에 있어서,상기 경계지점이 추정된 프레임에서의 프리앰블과 데이터 간의 경계지점을 추정하는 단계는,로 계산되되,상기 을 만족하는 는 상기 경계지점이 추정된 프레임에서의 프리앰블과 데이터 간의 경계지점의 인덱스이고 이고,상기 는 상기 예측 정확도 함수이고,상기 는 의 값을 가지는수신신호의 프리앰블 추정 방법
|
| 6 |
6
제 4 항에 있어서,상기 복수 개의 인덱스를 구하는 단계는, 로 계산되되,상기 는 상기 복수 개의 인덱스의 집합이고,상기 는 추정된 상기 경계지점이 추정된 프레임에서의 프리앰블과 데이터 간의 경계지점 추정을 위한 함수이고,상기 는 상기 복수 개의 인덱스 집합의 원소인수신신호의 프리앰블 추정 방법
|
| 7 |
7
제 4 항에 있어서,상기 경계지점이 추정된 프레임에서의 프리앰블과 데이터 간의 경계지점 사이의 거리 평균을 계산하는 단계는,로 계산되되,상기 는 상기 거리 평균이고,상기 는 상기 복수 개의 인덱스의 집합이고,상기 는 상기 복수 개의 인덱스에서 번째로 작은 원소인수신신호의 프리앰블 추정 방법
|
| 8 |
8
제 4 항에 있어서,상기 산출하는 단계는,로 계산되되,는 상기 산출한 값이고,상기 는 상기 복수 개의 인덱스의 집합이고,상기 는 상기 복수 개의 인덱스에서 첫번째로 작은 원소이고,상기 는 상기 거리 평균이고,상기 는 상기 경계지점이 추정된 프레임에서의 데이터이고,상기 는 상기 기 설정된 개수인수신신호의 프리앰블 추정 방법
|
| 9 |
9
제 4 항에 있어서,상기 경계지점이 추정된 프레임에서의 프리앰블 길이를 추정하는 단계는,로 계산되되,상기 는 상기 경계지점이 추정된 프레임에서의 프리앰블 길이 추정값이고,상기 는 상기 경계지점이 추정된 프레임에서의 프리앰블과 데이터 간의 경계지점에서 기 설정된 개수의 비트만큼 떨어진 위치의 비트들을 누적하여 더한 값이고,상기 는 의 값을 가지는 상수인수신신호의 프리앰블 추정 방법
|
| 10 |
10
제 4 항에 있어서,상기 경계지점이 추정된 프레임에서의 프리앰블을 추정하는 단계는,로 계산되되,상기 는 상기 경계지점이 추정된 프레임에서의 프리앰블을 추정한 값이고,상기 는 상기 경계지점이 추정된 프레임에서의 프리앰블 길이 추정값인수신신호의 프리앰블 추정 방법
|
| 11 |
11
프리앰블과 데이터를 포함하면서 원-핫 부호화된 프레임 복수 개 중 일부의 프레임에 포함된 비트들의 순서를 기반으로 해서 기계 학습 모델을 학습시키는 기계 학습부;상기 복수 개의 프레임 중 상기 일부의 프레임을 제외한 나머지 프레임을 상기 학습된 기계 학습 모델에 제공하여서, 상기 학습된 기계 학습 모델로부터 상기 나머지의 프레임 각각으로부터 상기 나머지 프레임 이후에 입력될 신호를 예측하는 예측부; 및상기 예측된 신호에 대한 예측 정확도 함수를 이용하여, 상기 프리앰블을 추정하는 추정부를 포함하는수신신호의 프리앰블 추정 장치
|
| 12 |
12
컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,프리앰블과 데이터를 포함하는 프레임을 복수 개 마련하는 단계와,프리앰블과 데이터를 포함하면서 원-핫 부호화된 프레임 복수 개 중 일부의 프레임에 포함된 비트들의 순서를 기반으로 해서 기계 학습 모델을 학습시키는 단계와,상기 복수 개의 프레임 중 상기 일부의 프레임을 제외한 나머지 프레임을 상기 학습된 기계 학습 모델에 제공하여서, 상기 학습된 기계 학습 모델로부터 상기 나머지의 프레임 각각으로부터 상기 나머지 프레임 이후에 입력될 신호를 예측하는 단계와,상기 예측된 신호에 대한 예측 정확도 함수를 이용하여, 상기 프리앰블을 추정하는 단계를 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는컴퓨터 판독 가능한 기록매체
|
| 13 |
13
컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,프리앰블과 데이터를 포함하는 프레임을 복수 개 마련하는 단계와,프리앰블과 데이터를 포함하면서 원-핫 부호화된 프레임 복수 개 중 일부의 프레임에 포함된 비트들의 순서를 기반으로 해서 기계 학습 모델을 학습시키는 단계와,상기 복수 개의 프레임 중 상기 일부의 프레임을 제외한 나머지 프레임을 상기 학습된 기계 학습 모델에 제공하여서, 상기 학습된 기계 학습 모델로부터 상기 나머지의 프레임 각각으로부터 상기 나머지 프레임 이후에 입력될 신호를 예측하는 단계와,상기 예측된 신호에 대한 예측 정확도 함수를 이용하여, 상기 프리앰블을 추정하는 단계를 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는컴퓨터 프로그램
|
