| 1 |
1
인공 신경망 기반 신호 분석 모델을 이용한 신호 변조 인식 방법으로서, 상기 신호 분석 모델은 제 1 신호 분석 모델 및 제 2 신호 분석 모델을 포함하고,변조 신호의 일련의 I 성분 프레임과 연계된 제 1 이미지 및 상기 변조 신호의 일련의 Q 성분 프레임과 연계된 제 2 이미지를 생성하는 단계;상기 제 1 이미지 및 상기 제 2 이미지를 기반으로 각각 제 1 신호 분석 모델을 실행하고, 상기 제 1 신호 분석 모델의 출력을 기반으로 상기 제 1 이미지와 연계된 제 1 피처 임베딩(feature embedding) 및 상기 제 2 이미지와 연계된 제 2 피처 임베딩을 각각 추출하는 단계;상기 제 1 피처 임베딩 및 상기 제 2 피처 임베딩의 유사도를 결정하는 단계; 및상기 유사도를 기반으로 상기 제 2 신호 분석 모델을 실행하고, 상기 제 2 신호 분석 모델의 출력을 기반으로 상기 변조 신호를 분류하는 단계를 포함하는,신호 변조 인식 방법
|
| 2 |
2
제 1 항에 있어서,상기 변조 신호는 I 성분 및 Q 성분을 포함하는 복소 신호인,신호 변조 인식 방법
|
| 3 |
3
제 1 항에 있어서,상기 생성하는 단계는,소정의 시간 크기를 갖는 윈도우를 상기 변조 신호의 I 성분 및 Q 성분 상에서 각각 슬라이딩하면서 상기 일련의 I 성분 프레임 및 상기 일련의 Q 성분 프레임을 획득하는 단계; 및상기 일련의 I 성분 프레임 및 상기 일련의 Q 성분 프레임의 각 프레임에 대하여 STFT(Short Time Fourier Transform)을 실행하는 단계; 및상기 STFT에 의해 상기 제 1 이미지에 대응하는 제 1 스펙토그램(spectogram) 및 상기 제 2 이미지에 대응하는 제 2 스펙토그램을 생성하는 단계를 포함하는,신호 변조 인식 방법
|
| 4 |
4
제 1 항에 있어서,상기 제 1 신호 분석 모델은 샴 잔차 CNN(Siamese Residual CNN)을 포함하는,신호 변조 인식 방법
|
| 5 |
5
제 1 항에 있어서,상기 유사도를 결정하는 단계는,상기 제 1 피처 임베딩 및 상기 제 2 피처 임베딩 간의 벡터 거리를 기반으로 상기 유사도를 연산하는 단계를 포함하는,신호 변조 인식 방법
|
| 6 |
6
제 1 항에 있어서,상기 제 2 신호 분석 모델은 다층 LSTM(Multi-Layer Long Short Term Memory)을 포함하는,신호 변조 인식 방법
|
| 7 |
7
제 6 항에 있어서,상기 다층 LSTM의 일 계층의 LSTM 유닛의 출력은 다음 계층의 대응 LSTM 유닛에 입력되고,상기 다층 LSTM의 일 계층 내에서 LSTM 유닛의 이전 시점의 출력은 후속한 LSTM 유닛의 현재 시점의 입력이 되도록 구성되는,신호 변조 인식 방법
|
| 8 |
8
인공 신경망 기반 신호 분석 모델을 이용한 신호 변조 인식 장치로서, 상기 신호 분석 모델은 제 1 신호 분석 모델 및 제 2 신호 분석 모델을 포함하고,적어도 하나의 명령어를 저장하는 메모리; 및프로세서를 포함하고, 상기 적어도 하나의 명령어는 상기 프로세서에 의해 실행될 때 상기 프로세서로 하여금,변조 신호의 일련의 I 성분 프레임과 연계된 제 1 이미지 및 상기 변조 신호의 일련의 Q 성분 프레임과 연계된 제 2 이미지를 생성하고,상기 제 1 이미지 및 상기 제 2 이미지를 기반으로 각각 제 1 신호 분석 모델을 실행하고, 상기 제 1 신호 분석 모델의 출력을 기반으로 상기 제 1 이미지와 연계된 제 1 피처 임베딩(feature embedding) 및 상기 제 2 이미지와 연계된 제 2 피처 임베딩을 각각 추출하고,상기 제 1 피처 임베딩 및 상기 제 2 피처 임베딩의 유사도를 결정하고,상기 유사도를 기반으로 상기 제 2 신호 분석 모델을 실행하고, 상기 제 2 신호 분석 모델의 출력을 기반으로 상기 변조 신호를 분류하도록 구성되는,신호 변조 인식 장치
|
| 9 |
9
제 8 항에 있어서,상기 적어도 하나의 명령어는 상기 프로세서에 의해 실행될 때 상기 프로세서로 하여금, 상기 제 1 이미지 및 상기 제 2 이미지 생성을 위해,소정의 시간 크기를 갖는 윈도우를 상기 변조 신호의 I 성분 및 Q 성분 상에서 각각 슬라이딩하면서 상기 일련의 I 성분 프레임 및 상기 일련의 Q 성분 프레임을 획득하고,상기 일련의 I 성분 프레임 및 상기 일련의 Q 성분 프레임의 각 프레임에 대하여 STFT(Short Time Fourier Transform)을 실행하고,상기 STFT에 의해 상기 제 1 이미지에 대응하는 제 1 스펙토그램(spectogram) 및 상기 제 2 이미지에 대응하는 제 2 스펙토그램을 생성하도록 구성되는,신호 변조 인식 장치
|
| 10 |
10
제 8 항에 있어서,상기 제 1 신호 분석 모델은 샴 잔차 CNN(Siamese Residual CNN)을 포함하는,신호 변조 인식 장치
|
| 11 |
11
제 8 항에 있어서,상기 제 2 신호 분석 모델은 다층 LSTM(Multi-Layer Long Short Term Memory)을 포함하는,신호 변조 인식 장치
|
| 12 |
12
제 10 항에 있어서,상기 다층 LSTM의 일 계층의 LSTM 유닛의 출력은 다음 계층의 대응 LSTM 유닛에 입력되고,상기 다층 LSTM의 일 계층 내에서 LSTM 유닛의 이전 시점의 출력은 후속한 LSTM 유닛의 현재 시점의 입력이 되도록 구성되는,신호 변조 인식 장치
|
| 13 |
13
프로세서에 의해 제 1 항에 따른 신호 변조 인식 방법을 수행하도록 구성된 적어도 하나의 명령어를 포함한 컴퓨터 프로그램을 저장한 비 일시적 기록 매체
|
