• Journal of Positioning, Navigation, and Timing
• /
• 제11권3호
• /
• pp.163-172
• /
• 2022

Typical anti-jamming technologies based on array antennas, Space Time Adaptive Process (STAP) & Space Frequency Adaptive Process (SFAP), are very effective algorithms to perform nulling and beamforming. However, it does not perform equally well for all types of jamming signals. If the anti-jamming algorithm is not optimized for each signal type, anti-jamming performance deteriorates and the operation stability of the system become worse by unnecessary computation. Therefore, jamming classification technique is required to obtain optimal anti-jamming performance. Machine learning, which has recently been in the spotlight, can be considered to classify jamming signal. In general, performing supervised learning for classification requires a huge amount of data and new learning for unfamiliar signal. In the case of jamming signal classification, it is difficult to obtain large amount of data because outdoor jamming signal reception environment is difficult to configure and the signal type of attacker is unknown. Therefore, this paper proposes few-shot jamming signal classification technique using meta-learning and transfer-learning to train the model using a small amount of data. A training dataset is constructed by anti-jamming algorithm input data within the GNSS receiver when jamming signals are applied. For meta-learning, Model-Agnostic Meta-Learning (MAML) algorithm with a general Convolution Neural Networks (CNN) model is used, and the same CNN model is used for transfer-learning. They are trained through episodic training using training datasets on developed our Python-based simulator. The results show both algorithms can be trained with less data and immediately respond to new signal types. Also, the performances of two algorithms are compared to determine which algorithm is more suitable for classifying jamming signals.

• ETRI Journal
• /
• 제43권5호
• /
• pp.941-949
• /
• 2021

In this study, a spatial spectrum method is proposed to cope with the pilot spoofing attack (PSA) problem by exploiting the of uplink-downlink channel reciprocity in time-division-duplex multiple-input multiple-output systems. First, the spoofing attack in the uplink stage is detected by a threshold derived from the predefined false alarm based on the estimated spatial spectrum. When the PSA occurs, the transmitter (That is Alice) can detect either one or two spatial spectrum peaks. Then, the legitimate user (That is Bob) and Eve are recognized in the downlink stage via the channel reciprocity property based on the difference between the spatial spectra if PSA occurs. This way, the presence of Eve and the direction of arrival of Eve and Bob can be identified at the transmitter end. Because noise is suppressed by a spatial spectrum, the detection performance is reliable even for low signal-noise ratios and a short training length. Consequently, Bob can use beamforming to transmit secure information during the data transmission stage. Theoretical analysis and numerical simulations are performed to evaluate the performance of the proposed scheme compared with conventional methods.

• 한국통신학회논문지
• /
• 제42권1호
• /
• pp.25-30
• /
• 2017

밀리미터 대역은 매우 넓은 대역폭을 활용할 수 있어 5G 시스템의 데이터 전송률을 높일 핵심 요소로 기대되고 있다. 해당 대역은 경로 감쇄가 심한 특성을 갖지만, 짧은 파장 덕분에 크지 않은 공간에 매우 많은 안테나를 배치할 수 있어 경로 감쇄를 상쇄할 수 있다. 이처럼 많은 안테나를 활용하는 채널을 기존의 기법으로 추정하기 위해서는 큰 오버헤드가 발생해, 짧은 시간에 트레이닝을 수행하는 채널 추정 기법이 요구된다. 밀리미터파 채널은 매우 적은 수의 유효 경로가 존재하는 특징을 갖기에 적은 수의 관찰 값으로부터 희소 신호를 검출하는 압축센싱 기법의 활용이 효과적일 것으로 기대된다. 본 논문에서는 밀리미터파 채널 추정을 위한 압축 센싱 기법을 소개한다. 첫째로, 지연 확산이 존재하는 다중 경로 채널 추정을 표준적인 압축 센싱 문제로 변환하는 방식을 제시한다. 또한 압축 센싱을 통해 채널 추정을 수행하기 위해서는 좋은 특성을 갖는 검출 행렬을 생성하는 것이 중요하기에, 양자화된 phase shifter로 임의 발생시킨 검출 행렬의 mutual incoherence 특성을 수치적으로 분석한다.

• 한국정보통신학회논문지
• /
• 제23권8호
• /
• pp.975-980
• /
• 2019

본 논문에서는 차세대 이동통신 시스템의 핵심 요소 기술 중의 하나로 각광 받고 있는 다중 사용자 다중 안테나 네트워크에서 사용자 선택을 위한 심화 학습 기반 스케쥴링 기법을 제안한다. 제안된 신경망을 학습시키기 위하여 기존의 최적 방식을 통해서 90,000 데이터 샘플을 확보하였으며, 추가적인 10,000 데이터 샘플을 이용하여 최종 학습된 신경망의 과최적화 여부를 확인하였다. 제안된 신경망 기반의 스케쥴링 알고리즘은 초기 학습 시에는 상당한 복잡도와 학습 시간이 필요하지만, 일단 학습이 완료된 이후에는 추가적인 복잡도가 유발되지 않는 장점이 있다. 반면에, 기존의 최적 방식은 매 스케쥴링마다 동일한 복잡도의 계산이 지속적으로 요구된다. 다양한 컴퓨터 시뮬레이션 결과에 따르면, 제안된 심화 학습 기반의 스케쥴링 기법은 10dB 보다 낮은 SNR에서는 기존 최적 알고리즘의 약 88~96%에 이르는 평균 전송 속도의 합을 얻을 수 있으며, 10dB 이상의 SNR에서는 최적의 평균 전송 속도의 합을 얻을 수 있다.

• 한국정보통신학회논문지
• /
• 제10권12호
• /
• pp.2151-2156
• /
• 2006

수중음향통신을 위한 빔형성 기법은 대역폭이 반송주파수에 비해서 큰 광대역 신호 특성을 고려해야한다. 수중 음향통신에서는 협대역 신호가정이 성립하지 않는다. 본 논문에서는 기저 대역 배열신호 모델을 이용한 수중음향통신 광대역 FIR 빔형성기에 대해서 논한다. 반송주파수 25Hz, 심볼 속도 5kHz인 QPSK 방식의 수중음향통신에 있어서 광대역 FIR 빔형성기를 고려했다. 배열 센서는 8개의 등방형 센서로 구성된 선형등간격 구조이고, 센서간 간격은 반송주파수 파장의 절반이다 컴퓨터 모의실험을 통하여 각 센서에 길이가 2인 FIR 필터를 채택하고 탭간 간격이 심볼 주기의 1/4일 때 광대역 FIR 빔형성기는 최적 신호 대 간섭잡음비에 근접하였으며, 기존의 통상적인 협대역 빔형성기보다 신호 대 간섭 잡음비가 0.5dB 향상된 결과를 보였다. 광대역 FIR 빔형성기의 성능은 FIR 필터 길이가 특정 값 이상으로 커지면 더 나빠지고, 탭간 간격이 심볼 주기의 절반보다 작으면 탭간 간격은 성능에 영향을 주지 않았다. 탭간 간격 이 심볼 주기와 같은 경우에, 훈련 신호열이 통상적인 경우보다 더 많이 필요하였다.

• 대한전자공학회논문지TC
• /
• 제46권5호
• /
• pp.95-103
• /
• 2009

본 논문에서는 cyclic shift diversity(CSD)가 적용된 프리앰블을 이용하는 MIMO-OFDM 기반의 IEEE 802.11n 무선랜 시스템을 위한 효율적인 심볼 동기 알고리즘을 제안한다. IEEE 802.11n 시스템에서는 다수개의 전송안테나를 통해 같은 프리앰블이 전송될 때 의도하지 않은 빔형성이 생성되는 것을 방지하고 송신안테나 다이버시티 이득을 얻기 위해 프리앰블에 CSD를 적용한다. 그런데, 이것은 수신단의 CSD 프리앰블의 cross-correlation 결과에서 다수개의 peak 값을 발생시키기 때문에, cross-correlation 방식을 이용하여 하나의 peak 위치를 검출한 후 심볼 동기를 수행하는 기존의 알고리즘을 이용할 경우 심볼 동기 오류가 발생되고, 패킷 검출과 AGC 완료 시점에 따라 심볼 동기의 성능이 좌우되는 문제를 발생시킨다. 따라서 본 논문에서는 CSD 프리앰블의 cross-correlation 특성, 패킷 검출과 AGC 완료 시점을 고려하여 LTS와 OFDM 심볼간의 경계 구역을 검출하는 기법과 신호 검출 시 임계점을 초과하는 지점의 정확도를 향상시킬 수 있는 재결정 모드 기법, 그리고 SNR별로 최적의 임계값을 적용할 수 있는 가변 임계값 기법 등으로 구성된 새로운 심볼 동기 알고리즘을 제안한다 제안하는 방식은 최대 주파수 오차가 존재하는 환경에서도 기존 방식에 비해 동기 실패율이 1%인 경우에는 4.3dB, 동기 실패율이 0.1%인 경우에는 18dB의 성능 향상을 이루는 것으로 나타났다. 이를 바탕으로, 제안하는 방식은 IEEE 802.11n 무선랜 시스템에 적합할 뿐만 아니라, CSD 프리앰블이 적용된 MIMO-OFDM 기반의 시스템에 확대 응용이 가능할 것으로 판단된다.