• 제목/요약/키워드: DMR(Digital Mobile Radio)

검색결과 3건 처리시간 0.016초

마을방송 시스템의 효율적 구축을 위한 간섭분석 (Interference Analysis for Deployment of the Efficient Village Broadcasting Radio System)

  • 강영흥
    • 한국항행학회논문지
    • /
    • 제21권4호
    • /
    • pp.359-364
    • /
    • 2017
  • 현재 아날로그 방식의 마을방송 시스템은 기술 적용의 문제 및 시설 노후화로 인한 성능 저하 등의 문제로 인하여 무선 디지털 시스템으로의 전환과 이에 따른 시스템 표준이 요구되고 있다. 그러나 주파수 부족으로 인해 효율적인 디지털 무선 마을 방송 시스템의 구축을 위해서는 이웃마을간의 간섭분석이 중요하므로 여기서는 대표적인 간이무선국 dPMR(digital private mobile radio) 및 DMR(digital mobile radio) 방식을 고려하여 동일채널 간섭과 인접채널 간섭에 대한 시뮬레이션을 수행하였다. 동일채널 간섭분석에서는 마을간 이격거리와 인접채널 간섭분석에서는 주파수 오프셋을 사용하여 주파수 재사용 및 채널분리에 대한 본 논문의 결과는 향후 마을방송 표준개발과 시범 사업화를 위한 자료로 활용될 것이다.

Codec 2를 이용한 900MHz ISM대역에서의 음성 통신 성능 검토 (Voice Communication Performance in 900MHz ISM Band Using Codec2)

  • 김경진;김정욱
    • 한국산업정보학회논문지
    • /
    • 제23권6호
    • /
    • pp.59-66
    • /
    • 2018
  • 본 논문에서는 오픈소스 프로젝트를 표방하는 디지털 아마추어 무선용 저속 음성 코덱인 Codec 2와 900MHz FSK 트랜시버를 이용하여 PTT(Push to talk) 양방향 무전기를 구현하고, 장거리 음성통신이 가능한지 여부를 실험했다. 일반 디지털 무전기의 경우, 성능 면에서 업계 표준으로 인정되고 있는 AMBE+2 코덱을 사용하는데, 가격이 고가이며 기술의 독점성을 가지고 있다. 주파수 측면에서 보면 400MHz 대역을 사용하는 경우, DMR 12.5kHz, DPMR 6.25kHz의 협대역을 사용하기 때문에 데이터 전송률이 낮다. 900MHz 대역은 대역폭을 확장할 수 있어서 데이터 전송 측면에서도 장점이 있다. 음질 및 통달 거리에 대한 필드 테스트를 진행한 결과, 약 500m 내에서 통신이 이루어지는 것을 확인할 수 있었다. 본 논문에서는 음성통신에 대한 검토가 이루어졌지만, 간단한 이미지와 같은 데이터 전송에 대한 검토가 추가된다면, 이 솔루션이 저가형 IOT 생활 무전기로서 다양한 분야에 활용할 수 있을 것으로 판단된다.

무선 단말기 Fingerprint 식별을 위한 딥러닝 구조 개발 (Development of Deep Learning Model for Fingerprint Identification at Digital Mobile Radio)

  • 정영규;신학철;나선필
    • 한국인터넷방송통신학회논문지
    • /
    • 제22권1호
    • /
    • pp.7-13
    • /
    • 2022
  • RF-Fingerprint 기술은 전송된 파형에서 송신기의 하드웨어 고유 특성을 추출하는 기술로써, 디바이스 보안 분야에 매우 유용한 기술 중의 하나이다. 본 논문은 무선 단말기의 In-phase(I)와 Quadrature(Q) 값을 입력으로 동종 무선 단말기 및 이기종 무선 단말기를 식별할 수 있는 fingerprint 특징을 추출하고 이를 식별할 수 있는 딥러닝 구조를 제안한다. 동종/이기종 무선 단말기를 식별하기 위한 특징으로 I/Q를 극좌표로 변환한 후 크기 값을 시간축으로 배열한 데이터를 무선 단말기의 fingerprinting 특징으로 제안하고 이를 식별하기 위해서 수정된 1차원 ResNet 모델을 제안한다. 실험을 위해서 동일 모델 10대의 두 종류 무선 단말기를 대상으로 제안한 딥러닝 구조의 성능을 분석한다. 제안한 딥러닝 구조 및 fingerprint 특징의 성능 검증을 위해서 4000개의 데이터셋 중에서 20%인 800개 데이터셋을 이용하여 성능 분석한 결과 약 99.5%의 식별 성능을 보였다.