맞춤기술찾기

이전대상기술

채널 상태 정보를 이용한 채널 인지 방법, 이를 수행하기 위한 기록매체 및 장치

  • 기술번호 : KST2020010747
  • 담당센터 : 대구기술혁신센터
  • 전화번호 : 053-550-1450
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 채널 상태 정보를 이용한 채널 인지 방법, 이를 수행하기 위한 기록매체 및 장치가 개시된다. 채널 상태 정보를 이용한 채널 인지 방법은 복수의 채널 모델 별 채널 상태 정보(CSI: Channel State Information)를 학습한 인공 신경망을 구축하는 단계, 실제 채널 환경의 채널 상태 정보를 확인하는 단계 및 상기 실제 채널 환경의 채널 상태 정보를 상기 인공 신경망에 입력하여 상기 실제 채널 환경이 상기 복수의 채널 모델 중 어느 채널 모델에 해당하는지 분류하는 단계를 포함한다.
Int. CL H04B 17/391 (2014.01.01) H04B 17/309 (2014.01.01) G06N 3/08 (2006.01.01)
CPC H04B 17/3912(2013.01) H04B 17/3912(2013.01) H04B 17/3912(2013.01)
출원번호/일자 1020190012863 (2019.01.31)
출원인 경북대학교 산학협력단
등록번호/일자
공개번호/일자 10-2020-0095138 (2020.08.10) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2019.01.31)
심사청구항수 7

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 경북대학교 산학협력단 대한민국 대구광역시 북구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 한동석 대구광역시 수성구
2 주지훈 대구광역시 달서구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 윤귀상 대한민국 서울특별시 금천구 디지털로*길 ** ***호 (가산동, 한신IT타워*차)(디앤특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2019.01.31 수리 (Accepted) 1-1-2019-0116457-42
2 선행기술조사의뢰서
Request for Prior Art Search
2019.08.08 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search
2019.10.10 발송처리완료 (Completion of Transmission) 9-6-2020-0099957-53
4 출원인정보변경(경정)신고서
Notification of change of applicant's information
2020.06.23 수리 (Accepted) 4-1-2020-5136893-04
5 의견제출통지서
Notification of reason for refusal
2020.07.22 발송처리완료 (Completion of Transmission) 9-5-2020-0499782-63
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2020.09.08 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-0950313-30
7 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2020.09.08 수리 (Accepted) 1-1-2020-0950312-95
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
복수의 채널 모델 별 채널 상태 정보(CSI: Channel State Information)를 학습한 인공 신경망을 구축하는 단계;실제 채널 환경의 채널 상태 정보를 확인하는 단계; 및상기 실제 채널 환경의 채널 상태 정보를 상기 인공 신경망에 입력하여 상기 실제 채널 환경이 상기 복수의 채널 모델 중 어느 채널 모델에 해당하는지 분류하는 단계를 포함하는 채널 상태 정보를 이용한 채널 인지 방법
2 2
제1항에 있어서,상기 복수의 채널 모델 별 채널 상태 정보를 학습한 인공 신경망을 구축하는 단계는,상기 복수의 채널 모델 별로 정규화된 신호 대 잡음비(SNR: Signal to Noise Ratio)를 학습한 상기 인공 신경망을 구축하는 단계인 채널 상태 정보를 이용한 채널 인지 방법
3 3
제2항에 있어서,상기 복수의 채널 모델 별 채널 상태 정보를 학습한 인공 신경망을 구축하는 단계는,상기 복수의 채널 모델 별로 복수의 부반송파(Subcarrier) 인덱스에 따라 정규화된 신호 대 잡음비(SNR)의 패턴을 학습한 상기 인공 신경망을 구축하는 단계인 채널 상태 정보를 이용한 채널 인지 방법
4 4
제1항에 있어서,상기 복수의 채널 모델 별 채널 상태 정보를 학습한 인공 신경망을 구축하는 단계는,피드-포워드 네트워크, 히든 레이어 및 출력 레이어로 구성되는 상기 인공 신경망을 구축하는 단계를 포함하는 채널 상태 정보를 이용한 채널 인지 방법
5 5
제4항에 있어서,상기 복수의 채널 모델 별 채널 상태 정보를 학습한 인공 신경망을 구축하는 단계는,2계층의 상기 피드-포워드 네트워크와, Sigmoid 뉴런이 적용된 상기 히든 레이어 및 softmax 뉴런이 적용된 상기 출력 레이어로 구성되는 상기 인공 신경망을 구축하는 단계를 포함하는 채널 상태 정보를 이용한 채널 인지 방법
6 6
제1항에 있어서,상기 실제 채널 환경의 채널 상태 정보를 확인하는 단계는,특정 채널 모델에서의 종단 대 종단 통신 시뮬레이션 프레임워크를 구축하는 단계; 및상기 시뮬레이션 프레임워크를 이용하여 상기 실제 채널 환경에서 QoS(Quality of Service) 요구 조건을 만족시키기 위해 요구되는 최소 신호 대 잡음비(SNR)를 확인하는 단계를 포함하는 채널 상태 정보를 이용한 채널 인지 방법
7 7
제1항 내지 제6항 중 어느 하나의 항에 따른 채널 상태 정보를 이용한 채널 인지 방법을 수행하기 위한, 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 기록매체
8 8
복수의 채널 모델 별 채널 상태 정보를 학습한 인공 신경망을 구축하는 인공 신경망 구축부;실제 통신을 수행할 채널 환경의 채널 상태 정보를 확인하는 채널 환경 시뮬레이션부; 및상기 실제 채널 환경의 채널 상태 정보를 상기 인공 신경망에 입력하여 상기 실제 채널 환경이 상기 복수의 채널 모델 중 어느 채널 모델에 해당하는지 분류하는 채널 환경 분류부;를 포함하는 채널 상태 정보를 이용한 채널 인지 장치
9 9
제8항에 있어서,상기 인공 신경망 구축부는,상기 복수의 채널 모델 별로 정규화된 신호 대 잡음비(SNR: Signal to Noise Ratio)를 학습한 상기 인공 신경망을 구축하는 채널 상태 정보를 이용한 채널 인지 장치
10 10
제9항에 있어서,상기 인공 신경망 구축부는,상기 복수의 채널 모델 별로 복수의 부반송파(Subcarrier) 인덱스에 따라 정규화된 신호 대 잡음비(SNR)의 패턴을 학습한 상기 인공 신경망을 구축하는 채널 상태 정보를 이용한 채널 인지 장치
11 11
제8항에 있어서,상기 인공 신경망 구축부는,피드-포워드 네트워크, 히든 레이어 및 출력 레이어로 구성되는 상기 인공 신경망을 구축하는 채널 상태 정보를 이용한 채널 인지 장치
12 12
제11항에 있어서,상기 인공 신경망 구축부는,2계층의 상기 피드-포워드 네트워크와, Sigmoid 뉴런이 적용된 상기 히든 레이어 및 softmax 뉴런이 적용된 상기 출력 레이어로 구성되는 상기 인공 신경망을 구축하는 채널 상태 정보를 이용한 채널 인지 장치
13 13
제8항에 있어서,상기 채널 환경 시뮬레이션부는,특정 채널 모델에서의 종단 대 종단 통신 시뮬레이션 프레임워크를 구축하고, 상기 시뮬레이션 프레임워크를 이용하여 상기 실제 채널 환경에서 QoS(Quality of Service) 요구 조건을 만족시키기 위해 요구되는 최소 신호 대 잡음비(SNR)를 확인하는 채널 상태 정보를 이용한 채널 인지 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 교육부 경북대학교 지역대학우수과학자 차량통신의 실측기반 채널 및 전파 모델링과 이를 연계한 Cross-Layer 프로토콜 설계
2 산업통상자원부 주식회사 웨이티즈 양자 공동 펀딩 R&D 자율주행차용 멀티채널 V2X 통신 데이터 처리 엔진 기술 개발