1 |
1
전자 장치에 있어서,학습 데이터 세트를 포함하는 메모리;UWB 통신을 수행하는 통신부; 및상기 메모리 및 상기 통신부와 전기적으로 연결되어 동작하는 적어도 하나의 프로세서를 포함하고,상기 적어도 하나의 프로세서는 상기 메모리에 저장된 학습 데이터 세트에 대한 추가 학습 데이터를 생성하는 데이터 생성부, 상기 추가 학습 데이터를 포함하여 전체 학습 데이터 세트에 대해 중복을 감소시키는 데이터 전처리부, 및 상기 학습 데이터 세트로 학습된 기계 학습 모델을 이용하여 UWB 통신 환경에 대한 가시선(Line of sight, LOS) 또는 비시선(Non Line of Sight, NLOS)를 분류하는 데이터 분석부를 포함하고,상기 통신부는 고주파 신호를 방출한 제1 시점부터 다른 전자 장치에 반사되어 되돌아오는 제2 시점까지의 채널 임펄스 응답(channel impulse response, CIR) 데이터를 획득하고,상기 적어도 하나의 프로세서는, 상기 데이터 생성부에서 상기 CIR 데이터에 대한 학습 데이터를 추가로 생성하고, 상기 학습 데이터는 상기 데이터 전처리부를 거쳐, 상기 데이터 분석부에서 가시선 또는 비시선 인지를 식별하는,전자 장치
|
2 |
2
제1항에 있어서,상기 데이터 생성부는, GAN(generative adversarial network) 및 1차원 합성곱 신경망 네트워크(1D CNN(convolutional neural network))를 포함하고, 상기 GAN 및 상기 1D CNN는 상기 학습 데이터 세트를 각각 수신하여 학습 데이터를 추가 생성하도록 하는,전자 장치
|
3 |
3
제2항에 있어서,상기 데이터 전처리부는, 두 개의 인코더, 두 개의 프로젝터 및 두 개의 정규화 계층이 각각 연결된 샴 네트워크 형태로 포함하고, 상기 GAN에서 출력된 증강된 학습 데이터와 상기 1D CNN에서 출력된 증강된 학습 데이터는 각각 두 개의 인코더의 입력으로 수신되도록 하는,전자 장치
|
4 |
4
제3항에 있어서,상기 샴 네트워크는 Barlow Twins 네트워크인 것을 특징으로 하는,전자 장치
|
5 |
5
제1항에 있어서,상기 데이터 분석부는, 상기 데이터 전처리부의 인코더로부터 압축된 데이터를 수신하여, 기계 학습 모델을 이용하여 상기 CIR 데이터를 LOS 또는 NLOS로 분류하도록 하는,전자 장치
|
6 |
6
제5항에 있어서,상기 데이터 분석부는, LR(logistic regression), RF(random forests), SVM(support vector machines), XGBoost 중 적어도 하나를 분류기로 포함하도록 하는,전자 장치
|
7 |
7
UWB 통신 환경의 NLOS를 식별하는 방법에 있어서,UWB 통신 환경에서 전자 장치가 고주파 신호를 방출한 제1 시점부터 다른 전자 장치에 반사되어 되돌아오는 제2 시점까지의 채널 임펄스 응답(CIR) 데이터를 획득하는 단계;상기 CIR 데이터에 대한 학습 데이터를 추가 생성하는 단계;샴 네트워크를 이용하여, 상기 학습 데이터에 대한 중복을 감소시키는 단계; 및 기계 학습 모델을 이용하여 상기 CIR 데이터에 대하여 LOS 또는 NLOS를 분류하는 단계를 포함하는 방법
|
8 |
8
제7항에 있어서,상기 학습 데이터를 추가 생성하는 단계는, GAN 및 1차원 CNN을 이용하여 상기 동일한 CIR 데이터를 각각 수신하여 유사한 데이터를 추가 생성하도록 하는,방법
|
9 |
9
제8항에 있어서,상기 샴 네트워크는 상기 GAN의 출력 데이터 및 상기 1차원 CNN의 출력 데이터를 각각 입력으로 하는, 두 개의 인코더를 포함하고,상기 두 개의 인코더는 각각 두 개의 프로젝터, 및 두 개의 정규화 계층에 연결되도록 구성되는,방법
|
10 |
10
제7항에 있어서,상기 샴 네트워크는 Barlow Twins 네트워크인 것을 특징으로 하는,방법
|
11 |
11
제7항에 있어서,상기 CIR 데이터에 대하여 LOS 또는 NLOS를 분류하는 단계는,상기 샴 네트워크에 포함된 인코더에서 압축된 데이터를 수신하여, 상기 압축 데이터를 분할 CIR 데이터로 변경하여 기계 학습 모델을 적용하도록 하는,방법
|
12 |
12
제11항에 있어서,상기 기계 학습 모델을 적용한 후, LR(logistic regression), RF(random forests), SVM(support vector machines), XGBoost 중 적어도 하나를 이용하여 상기 CIR 데이터에 대하여 LOS 또는 NLOS를 분류하도록 하는,방법
|
13 |
13
제7항 내지 제12항 중 어느 한 항에 따른 UWB 통신 환경의 NLOS를 식별하는 방법을 프로세서에 의해 실행하도록 구성된 적어도 하나의 명령어를 포함한 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능한 비 일시적인 기록 매체
|